[发明专利]一种基于卷积柔性神经森林的竹片虫洞和霉斑检测方法

说明书

本发明提供了一种基于卷积柔性神经森林的竹片虫洞和霉斑检测方法。包括步骤：获取目标竹片图像；将目标竹片图像转换为灰度图像；通过均值滤波法过滤灰度图像的椒盐噪声；将灰度图像转换为二值图；采用sobel算子对二值图中的竹片边缘进行提取，进而获取目标竹片轮廓的二值图；构建第一卷积神经树群体模型；对第一卷积神经树群体模型的每个个体进行评估，并根据评估结果优化第一卷积神经树群体模型的结构；使用PSO粒子群算法对第一卷积神经树群体模型进行参数优化，进而提取出第一卷积神经森林模型；将目标竹片轮廓的二值图输入第一卷积神经森林模型中，并与测试集进行测试，进而得到第一分类结果信息。本发明可以高效、准确的检测多种竹片缺陷种类。

技术领域

本发明涉及神经网络和图像处理领域，具体涉及一种基于卷积柔性神经森林的竹片虫洞和霉斑检测方法。

背景技术

随着计算机科学技术的快速发展，图像识别与神经网络技术开始被广泛的用在各个领域。同时，信息化时代的到来与大数据的大众化与使得海量的视频图像数据得以积累，其中视频图像数据蕴含着极其丰富且有价值的信息。

目前，竹片的缺陷检测成为竹制品良品率的保证，而竹片的数量巨大，仅仅依靠人工检查效率太低，现有的技术主要依赖对虫洞，霉斑，青皮等问题具体某种类型的分类识别，缺少一种竹片自动检测的技术，因此能否自动、快速发现竹片缺陷成为我们进行竹制品产业升级的重要一环，对竹制品企业生产意义重大。为了有效解决现有问题，一些如申请号为CN201510416011的“一种基于计算机视觉的竹条表面缺陷检测方法”这类专利得以诞生。该方法通过摄取竹片表面灰度图像，对图像进行预处理，其中孔洞填充法对缺陷进行填充，利用最大类间方差法对虫洞或霉斑进行分割，通过判断缺陷的连通域和灰度差来判断竹条是否有缺陷。此方法需要填补虫洞，对虫洞和霉斑进行分割比较，只能针对某种特定的缺陷进行识别，无法适用于多种缺陷识别。而目前的竹片的检测领域的图像识别方法，都是简单的将目标竹片的图片按照一定二值图标准来进行判断，存在误差大、检测精度低的问题。同时，现行方法比较有局限性，只能针对某一种或几种缺陷问题进行解决，缺少一种通用的解决方案。

因此，一种检测精度高、效率高、高准确度的可通过机器学习来调整测量的竹片缺陷类型的基于卷积的新型柔性神经森林的竹片虫洞和霉斑检测方法变得十分必要。

发明内容

为了解决上述技术问题，本发明提供了一种基于卷积柔性神经森林的竹片虫洞和霉斑检测方法。

本发明提供的一种基于卷积柔性神经森林的竹片虫洞和霉斑检测方法，包括步骤：获取目标竹片图像；将目标竹片图像转换为灰度图像；通过均值滤波法过滤灰度图像的椒盐噪声；将灰度图像转换为二值图；采用sobel算子对二值图中的竹片边缘进行提取，进而获取目标竹片轮廓的二值图；构建第一卷积神经树群体模型；对第一卷积神经树群体模型的每个个体进行评估，并根据评估结果以遗传编程优化第一卷积神经树群体模型的结构；使用PSO粒子群算法对第一卷积神经树群体模型进行参数优化，进而提取出第一卷积神经森林模型；将目标竹片轮廓的二值图输入第一卷积神经森林模型中，并与测试集进行测试，进而得到第一分类结果信息，所述第一分类结果信息包括目标竹片的缺陷情况信息。

进一步，“将灰度图像转换为二值图”具体为：指定预设常数c作为最佳阈值，如果灰度图像中的像素点的像素值比常数c小，则将原来的像素赋值为0，如果像素值比常数c大，则将原来的像素值赋值为255。其中常数c的获取可以通过最大类间方差法或跌代法来获取。

进一步，“将目标竹片图像转换为灰度图像”具体为：获取目标竹片图像的各个像素点的RGB属性，将各个像素点的红、绿、蓝的三个相叠加的彩色通道的值相加取平均值，进而获取目标竹片图像中各个像素点的灰度值，从而生成灰度图像。