[发明专利]一种基于机器视觉的纤维板质量分类方法

权利要求书

1.一种基于机器视觉的纤维板质量分类方法，其特征在于：包括以下步骤：

获取纤维板表面灰度图像；

对获取的灰度图像进行滑窗处理，利用每个滑窗中每个像素点的灰度值获取每一个像素点的平滑度；

提取最小平滑度所对应的像素点作为目标像素点，利用区域生长法将与符合阈值的目标像素点的邻域像素点与目标像素点进行合并得到多个目标连通域；

获取每一个目标连通域中每个像素点的梯度幅值构建该目标连通域的梯度直方图；

利用每一个目标连通域梯度直方图中每一梯度幅值对应的像素点的数量计算目标连通域的缺陷概率，通过每一目标连通域的缺陷概率对该目标区域是否属于缺陷区域进行判断；

获取纤维板表面灰度图像中各灰度值的频数和频率计算各灰度值作为标准灰度值的概率，选择概率最大值对应的灰度值作为标准灰度值；

提取属于缺陷区域的灰度均值，根据各缺陷区域的灰度均值与标准灰度值计算纤维板的质量系数；

根据纤维板质量系数对纤维板的质量进行分类。

2.根据权利要求1所述的一种基于机器视觉的纤维板质量分类方法，其特征在于：所述利用每个滑窗中每个像素点的灰度值获取每一个像素点的平滑度的方法为：提取该滑窗内的每个像素点的灰度值，计算该滑窗的平滑度，对该滑窗的平滑度进行归一化处理后的结果作为该滑窗的中心像素点的平滑度；

滑窗的中心像素点的平滑度计算公式如下：

式中：Lx为滑窗对应的中心像素点的平滑程度，W_α表示滑窗中第α个像素点的灰度值，α为滑窗内像素点的序号，N²为滑窗的面积，即滑窗内像素点的数量，tanh表示双曲线正切函数，起归一化的作用，ψ为超参数。

3.根据权利要求1所述的一种基于机器视觉的纤维板质量分类方法，其特征在于：所述利用区域生长法和设定的平滑度阈值得到多个目标连通域的过程为：

选取平滑度最小的像素点作为目标像素点，利用区域生长法在目标像素点的八邻域区域范围进行搜索，设定平滑度阈值，将平滑度小于平滑度阈值的像素点连接得到一个目标连通域，然后对目标像素点进行更新，按照上述方法获取下一个目标连通域，迭代至没有符合条件的像素点时停止，得到多个目标连通域。

4.根据权利要求1所述的一种基于机器视觉的纤维板质量分类方法，其特征在于：所述计算目标连通域的缺陷概率，确定出所有缺陷区域的方法如下：

计算目标连通域的缺陷概率的公式为：

式中：P_k为第k个目标连通域的缺陷概率，tanh为双曲线正切函数，起归一化作用，ω为超参数，g_j表示第k个目标连通域中第j组的幅值大小，即梯度直方图第j组的柱的高度，n表示第k个目标连通域中梯度直方图的组数，j为目标连通域中梯度直方图中分组的序号；

设定缺陷阈值，当目标连通域的缺陷概率大于等于缺陷阈值时，将该目标连通域判定为缺陷区域，根据此方法确定出所有的缺陷区域。

5.根据权利要求1所述的一种基于机器视觉的纤维板质量分类方法，其特征在于：所述根据各缺陷区域的灰度均值与标准灰度值计算纤维板的质量系数的过程如下：

提取每个缺陷区域中所有像点的灰度值，计算每个缺陷区域的灰度均值，分别将每个缺陷区域的灰度均值与标准灰度值作差得到每个缺陷区域的质量值，将所有缺陷区域的质量值进行累加求和得到纤维板的质量值，利用tanh、对纤维板的质量值进行归一化处理，得到纤维板的质量系数，其中tanh为双曲线正切函数，为超参数。