[发明专利]基于机器视觉的木材表面缺陷检测方法与系统

权利要求书

1.基于机器视觉的木材表面缺陷自动化检测方法，其特征在于，所述方法包括以下步骤：

S100，利用相机采集木材图像，采用Canny算子提取木材图像中的边缘；

S200，通过中值滤波对木材图像中的边缘进行滤波降噪预处理得到降噪图；

S300，判断降噪图的灰度直方图是否存在缺陷，从而将存在缺陷的木材图像标记为有缺陷图像，没有缺陷的木材图像标记为无缺陷图像；

S400，根据有缺陷图像对应的降噪图的灰度直方图的主波峰和次波峰的关系识别有缺陷图像中的缺陷区域；

S500，通过Gabor特征提取算法提取缺陷区域中的缺陷纹理特征；

S600，通过训练好的BP神经网络对缺陷纹理特征进行识别判断缺陷区域是否为真实的缺陷区域。

2.根据权利要求1所述的基于机器视觉的木材表面缺陷自动化检测方法，其特征在于，在S100中，所述相机为工业线阵CCD相机，利用工业线阵CCD相机采集到的木材图像为RGB图像。

3.根据权利要求2所述的基于机器视觉的木材表面缺陷自动化检测方法，其特征在于，在S100中，工业线阵CCD相机在采集木材表面图像的过程，根据待木材的类型和规格，上位机发送木材类型和规格到PLC中，PLC用于根据木材类型和规格控制伺服电机，通过伺服电机带动丝杆传动，把相机移动到相应位置，定位准确，实现对不同类型和规格木材的图像采集。

4.根据权利要求1所述的基于机器视觉的木材表面缺陷自动化检测方法，其特征在于，在S300中，首先判断降噪图的灰度直方图中是否有颜色突变，如果有颜色突变则判断图片存在缺陷，如果降噪图的灰度直方图中的直方图曲线的波峰多于2个，则标记灰度直方图中有颜色突变，波峰为1个则灰度直方图中没有颜色突变；其中，有缺陷的木材图像在灰度直方图中表现出双峰特征，通常次波峰即为木材图像的缺陷部位；若直方图曲线只有一个波峰则判断为是正常的木材图像。

5.根据权利要求4所述的基于机器视觉的木材表面缺陷自动化检测方法，其特征在于，在S400中，根据有缺陷图像对应的降噪图的灰度直方图的主波峰和次波峰的关系识别有缺陷图像中的缺陷区域的方法为，当次波峰的峰值与主波峰的峰值的比值大于1/8时，次波峰即是代表缺陷的颜色，次波峰所在区域即为木材图像的缺陷区域，其中，主波峰为峰值最大的直方图曲线的波峰，次波峰为峰值仅次于主波峰的直方图曲线的波峰。

6.根据权利要求1所述的基于机器视觉的木材表面缺陷自动化检测方法，其特征在于，在S600中，训练好的BP神经网络通过以下步骤获得：

S610，构建BP神经网络；

S620，设置BP神经网络学习速度与学习步长；

S630，通过预先采集的有缺陷的木材图像的数据集训练BP神经网络得到训练好的BP神经网络。

7.根据权利要求6所述的基于机器视觉的木材表面缺陷自动化检测方法，其特征在于，在S600中，通过训练好的BP神经网络对缺陷纹理特征进行识别判断缺陷区域是否为真实的缺陷区域的方法为：输入缺陷纹理特征到训练好的BP神经网络中，当训练好的BP神经网络输出的预测结果值大于预设的缺陷阈值时，判定为缺陷纹理特征在木材图像中对应的图像区域为真实的缺陷区域。

8.基于机器视觉的木材表面缺陷自动化检测系统，其特征在于，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

木材图像采集单元，用于采用光源发射器把光投射到木材上，利用相机采集木材图像，采用Canny算子提取木材图像中的边缘；

降噪预处理单元，用于通过中值滤波对木材图像中的边缘进行滤波降噪预处理得到降噪图；

缺陷图像标记单元，用于判断降噪图的灰度直方图是否存在缺陷，从而将存在缺陷的木材图像标记为有缺陷图像，没有缺陷的木材图像标记为无缺陷图像；

缺陷区域识别单元，用于根据有缺陷图像对应的降噪图的灰度直方图的主波峰和次波峰的关系识别有缺陷图像中的缺陷区域；

纹理特征提取单元，用于通过Gabor特征提取算法提取缺陷区域中的缺陷纹理特征；

缺陷区域判断单元，用于通过训练好的BP神经网络对缺陷纹理特征进行识别判断缺陷区域是否为真实的缺陷区域。