[发明专利]基于机器视觉的人造板质量分类方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于机器视觉的人造板质量分类方法及系统。该方法为：获取人造板表面的灰度图像，根据所有像素点的灰度值与背景像素的灰度值之间的差值是否属于正常范围为每个像素点分配关注程度；获取灰度图像中每个像素点的对比度，根据关注程度和对比度得到相应像素点的异常程度，根据异常程度获取疑似异常区域；获取疑似异常区域内每个像素点的灰度梯度特征向量；根据灰度梯度特征向量判断该疑似异常区域是否为缺陷区域；根据所有缺陷区域的面积获取影响程度，进而对人造板进行质量分类。能够准确的判断出人造板表面的缺陷区域，对人造板的质量进行准确的分类，减少资源浪费。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于机器视觉的人造板质量分类方法及系统。

背景技术

薄木是木质家具生产的重要原料之一，是一种用于贴面或者封边的木制片状薄型材料是一种用于贴面或封边的木制片状薄型材料，薄木分为天然的和人造的，人造的薄木也被称为科技木皮，而天然薄木一般使用珍贵的木材作为原料、受到树种以及资源的限制，因此人造薄木更加引起重视。利用人造薄木板对家具贴面时，不仅能实现实木外观的纹理，体现天然木材的质感，也能提升家具的品味。

然而在对木板进行贴面的过程中，往往会出现各种缺陷；其中，“木皮起泡”是最为常见的、也是最为棘手的问题。

传统的检测人造板的缺陷进行质量分类的方式通常是通过人工观察进行检测筛选的，但检测过程极易受到工作人员状态的影响，并且效率较低。部分利用机器视觉进行缺陷检测的方法通常是采用阈值分割的方式进行处理，但这种方法只能针对特征明显的气泡缺陷，对于小气泡的检测的准确性很低，无法准确的对人造板的质量进行评估。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于机器视觉的人造板质量分类方法及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于机器视觉的人造板质量分类方法，该方法包括以下步骤：

获取人造板表面的灰度图像，所述人造板表面包括背景和图案；

计算所述灰度图像中所有像素点的灰度值与背景像素的灰度值之间的差值，根据所述差值是否属于正常范围为每个像素点分配关注程度；所述正常范围为所述图案像素的灰度值与所述背景像素的灰度值之间的差异范围；

获取所述灰度图像中每个像素点的对比度；以每个像素点的所述关注程度为权值，与相应像素点的对比度进行相乘得到相应像素点的异常程度，根据所述异常程度获取疑似异常区域；

获取所述疑似异常区域内每个像素点的灰度梯度特征向量；根据所述灰度梯度特征向量获取所述疑似异常区域的缺陷概率，当所述缺陷概率大于预设阈值时，所述缺陷概率对应的所述疑似异常区域为缺陷区域；

根据所有所述缺陷区域的面积在所述灰度图像面积的占比获取影响程度，根据所述影响程度对所述人造板进行质量分类。

优选的，所述背景像素的灰度值获取的步骤，包括：

获取所述灰度图像的灰度均值以及所述灰度图像中出现频率最大的第一灰度值；选取灰度值大小在所述灰度均值与所述第一灰度值之间的所有所述灰度值为标准灰度值，根据所有所述标准灰度值计算标准均值和标准方差；根据所述标准均值和所述标准方差构建高斯模型，所述高斯模型对应的最大值为所述背景像素的灰度值。

优选的，所述根据所述差值是否属于正常范围为每个像素点分配关注程度的步骤，包括：

当所述差值属于正常范围内时，所述关注程度与所述差值呈负相关关系；

当所述差值不属于正常范围内时，所述关注程度与所述差值呈正相关关系。

优选的，所述获取所述灰度图像中每个像素点的对比度的步骤，包括：