[发明专利]一种基于深度学习的木料优选锯智能检测方法

说明书

本发明涉及木业自动化技术，提供一种基于深度学习的木料优选锯智能检测方法，由图像处理和深度学习的相关算法，自动对缺陷和木材等级进行识别，确定缺陷和木材等级的实际位置，进而由相关计算原则确定最终的切除列表，传递给动作执行机构对木材进行切除。本发明可完成优选锯中木料缺陷的剔除和等级的分类任务，且无需人工干预，完全实现无人值守操作，自动化程度高，容错性强，可提高木料的加工效率，提高行业的自动化水平。

技术领域

本发明属于木业自动化技术，具体涉及一种基于深度学习的木料优选锯智能检测方法。

背景技术

在木料加工行业，需要对木材的优劣进行判断，以发挥木材的最大价值，其中，木材缺陷剔除和木材的等级分类是不可或缺的两个部分。两者的工作效率和准确程度直接关系到木料的出材效率。在这种情况下，一种名为优选锯的机械自动化设备应运而生。典型的优选锯主要由两部分组成，即工业控制系统和机械执行机构。优选锯的基本工作流程如下：首先，由工人根据木材的等级和缺陷的位置在木材表面用特制的荧光笔划线，划线的位置即木材需要截断的位置；其次，木材由传动机构通过荧光探测器，由荧光探测器确定荧光线的位置，并将信号传递给工业控制系统。工业控制系统确定木材截取位置后根据不同的规则(如等级优选，长度优选，价值优选等)对木材的最终切除位置进行计算，并将最终切除位置列表传递给机械执行机构，由机械执行机构对木材进行切除。由于电动旋转锯锯片位置和荧光探测器的位置固定且事先精确已知，在木材自荧光探测到木材位置开始向锯片方向移动相应距离后进行切除，即可在划线位置进行准确的切除。

典型优选锯的出现，使得木材的出材率提高，并大大降低了人工成本，提高了工人工作的安全系数。但是，典型的优选锯并未实现完全的自动化生产，在工作过程中，仍然需要几名工人对木材进行划线。特别是当木材较为笨重的时候，该操作就变得更加困难。

另一方面，工人长期工作后不可避免的会出现视觉疲劳，进而对木材准确位置的识别出现偏差。在这种情况下，典型的优选锯并不能提高木材的出材效率，降低人工成本。

发明内容

本发明提出一种基于深度学习的优选锯智能检测方法，由图像处理和深度学习的相关算法，自动对缺陷和木材等级进行识别，确定缺陷和木材等级的实际位置，进而由相关计算原则确定最终的切除列表，传递给动作执行机构对木材进行切除。

本发明的技术方案包括以下步骤：

(1)将需检测木料置于动力传输机构上，并确保木料能够在传送带上沿正常测量方向传送；

(2)木料通过优选锯视觉检测系统，并确保木材能够在视觉检测系统中成清晰的像，当木料通过视觉检测系统后，会得到一系列木料图像；

(3)由充足的图像样本预先训练得到的用于区分缺陷木材图像和无缺陷木材图像的分类网络，对获取得到的木料图像进行目标检测，确定木料缺陷在图像中的位置；

(4)由充足的图像样本预先训练得到的木料等级分类网络对除步骤3外的无缺陷木料图像进行检测，确定木料图像中等级分类临界线在图像中的位置。

(5)由图像坐标与物理坐标之间的单应关系，即可由步骤(3) 和步骤(4)中的图像位置，确定需截断位置的物理坐标，进而确定整个木料截断位置的清单；

(6)将木料截断位置的清单传送到动力执行机构，由动力执行结构在木料相应的位置进行截断，实现对木料缺陷的剔除和等级的分类。

为了减少测量环境对视觉检测系统的影响，步骤2还包括对捕捉到的木材图像进行感兴趣区域分割。

优选的，所述步骤2中还包括图像预处理，图像预处理算法采用形态学算法。

为了获得输出值，需要对对经过预处理的图像进行特征提取，所述步骤2还包括对捕捉到的木材图像进行卷积操作。