[发明专利]一种基于机器视觉的纤维板质量分类方法

说明书

本发明涉及人工智能领域，具体涉及一种基于机器视觉的纤维板质量分类方法。包括获取纤维板表面灰度图像；对纤维板表面灰度图滑窗处理得到多个滑窗区域；计算滑窗中心像素点的平滑度；以最小平滑度对应的像素点为目标像素点，获取多个目标连通域；获取各目标连通域中像素点的梯度幅值构建对应的梯度直方图，计算各目标连通域为缺陷区域的概率，确定出所有缺陷区域；计算各灰度值作为标准灰度值的概率，确定标准灰度值；根据各缺陷区域的灰度均值计算纤维板的质量系数，对纤维板的质量进行分类。本发明分析纤维板表面图像的光泽度能够检测出空域特征不明显的缺陷，使检测结果更加准确，提高产品分类的准确性以及修复的及时性；有效提高生产效率。

技术领域

本发明涉及人工智能领域，具体涉及一种基于机器视觉的纤维板质量分类方法。

背景技术

在生产纤维板时，需经切片、蒸煮、纤维分离、干燥后施加脲醛树脂或其他适用的胶粘剂，再经热压后制成。

在生产过程中，原料不好，蒸煮时间过短，进料量过大或者进料量不均匀等会造成板面粗糙，影响后续加工。

在传统的纤维板表面缺陷检测中，通常通过人工观察进行检测筛选的，这种方法效率低、成本高，检测效果易受工作人员状态影响；为了提高检测效率，会利用机器视觉的方法提取板表面图像特征，根据提取到的特征采用阈值分割对缺陷进行判断或分类。但对于纤维板表面缺陷，由于其缺陷没有方向上以及形态上的规则性，且该缺陷可能整板出现也可能局部出现，难以通过阈值分割直接获取板面缺陷情况。

发明内容

本发明提供一种基于机器视觉的纤维板质量分类方法，以解决现有的在进行缺陷判断或分类时，没有对缺陷方向以及形态上的特征进行分析，导致出现对缺陷进行判断时，难以直接通过阈值分割获取纤维板表面的缺陷情况的问题。

本发明的一种基于机器视觉的纤维板质量分类方法，采用如下技术方案，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。

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如下：

式中：Lx为滑窗区域对应的像素点的平滑程度，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。

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：