[发明专利]木材缺陷自动检测方法、系统及其存储介质

说明书

本发明涉及图像检测技术领域，具体涉及一种木材缺陷自动检测方法、装置、系统及其存储介质，其方法包括：获取木板的原始扫描图像；对所述原始扫描图像进行背景差分处理，从所述原始扫描图像中去除背景区域，得到木板区域图像；按预定的尺寸对所述木板区域图像的图像尺寸进行调整，得到待检测图像；在将所述待检测图像进行亮度自适应增强后，将所述待检测图像输入检测分析深度学习模型，获取到所检测到的缺陷信息；根据所述缺陷信息定位出每个缺陷在所述木板区域图像中的位置坐标，并对缺陷信息进行整合后输出。本发明不需要依赖人眼观察即可完成对木材的分类和筛选；其识别效率高，利于在大规模的生产自动化进行推广。

技术领域

本发明涉及图像检测技术领域，具体涉及一种木材缺陷自动检测方法、一种木材缺陷自动检测系统以及一种存储有上述方法的可读存储介质。

背景技术

木材作为一种基础材料，凭借其自然可再生的特点，在建筑、家居等领域被广泛使用。随着社会经济的发展，市场对木材制品的需求量也在快速上升，故其对木材自动化加工的要求也更高。木材中经常会有死结、活结、裂纹和蓝变等缺陷，这些缺陷会破坏木材的均匀性和完整性，影响木材的力学特性和成品外观，不利于木材的后续加工利用，进而影响到木材的使用价值和经济价值。

因而，在现今市面上人们在对木材进行加工前，均先需要根据木材表面缺陷来对木板进行分级。而在现有技术中，其普遍采用人工目视的方式对原木表面缺陷进行分选标注，该方法通过人眼观察木材表面纹理、结构和颜色等特异信息，以完成对木材的分类和筛选；其较为依赖个人的生产实践经验，受个人的主观认知和个体精力限制较大，不利于大规模的生产自动化推广。

发明内容

为克服上述缺陷，本发明的目的即在于提供一种基于深度学习的木材缺陷自动检测方法、系统以及存储有其方法的可读存储介质。

本发明的目的是通过以下技术方案来实现的：

本发明是一种木材缺陷自动检测方法，其包括：

获取木板的原始扫描图像；

对所述原始扫描图像进行背景差分处理，从所述原始扫描图像中去除背景区域，得到木板区域图像；

按预定的尺寸对所述木板区域图像的图像尺寸进行调整，得到待检测图像；

在将所述待检测图像进行亮度自适应增强后，将所述待检测图像输入检测分析深度学习模型，获取到所检测到的缺陷信息；

根据所述缺陷信息定位出每个缺陷在所述木板区域图像中的位置坐标，并对缺陷信息进行整合后输出。

在本发明中，所述将所述待检测图像输入检测分析深度学习模型，获取到所检测到的缺陷信息包括：

将所述待检测图像输入第一检测模型，判断是否输出有第一结果，若输出有第一结果，则获取该第一结果，并将其作为缺陷信息。

在本发明中，所述按预定的尺寸对所述木板区域图像的图像尺寸进行调整，得到待检测图像包括：

获取所述木板区域图像的长宽参数，并根据所述木板区域图像的长宽参数对所述木板区域图像进行分切，得到两个以上区域不重叠的待检测图像。

在本发明中，所述将所述待检测图像输入检测分析深度学习模型，获取到所检测到的缺陷信息包括：

将所述待检测图像输入第二检测模型，判断是否输出有第二结果，若输出有第二结果，则获取该第二结果，并将其作为缺陷信息。

在本发明中，所述按预定的尺寸对所述木板区域图像的图像尺寸进行调整，得到待检测图像包括：

获取所述木板区域图像的长宽参数，并根据所述木板区域图像的长宽参数和预设的重叠区域长度，对所述木板区域图像进行分切，得到两个以上具有重叠区域的待检测图像。