欢迎光临小豌豆知识网!
当前位置:首页 > 物理技术 > 测量测试> 木材表面缺陷检测方法、装置、设备、系统及存储介质独创技术44273字

木材表面缺陷检测方法、装置、设备、系统及存储介质

2021-03-02 16:43:03

木材表面缺陷检测方法、装置、设备、系统及存储介质

  技术领域

  本发明涉及木材检测领域,尤其涉及一种木材表面缺陷检测方法、装置、设备、系统及存储介质。

  背景技术

  实木板材是天然木材经烘干、加工后形成的装饰材料,具有自然美观、安全环保耐用、电热绝缘等优势,在家具制造、室内外装修等方面得到了广泛的应用。在木材科学与工程中,木材的品质等级决定了其在生产应用中的实用性。而木材表面缺陷如死节、活节、孔洞、虫眼等不仅影响木材工业成材美观性,同时会对木材本身质量与其承重等能力造成影响,因此木材表面缺陷检测和优选作为木材加工中的重要工序之一。

  相关技术中,木材缺陷检测方法主要基于X射线、应力波、超声波、红外、激光、光学摄像机等。此外,还可以将数字图像处理技术、计算机视觉技术、模式识别技术应用于木材缺陷的检测中,将分形理论、小波多分辨率分析以及人工神经网络模式识别技术相结合,研究木材表面缺陷的纹理分割、特征提取、模式识别等问题,形成一类新的检测方法。

  随着高端实木加工机械装备的快速发展,木材表面缺陷的自动识别与自动切锯在自动化工业领域上已得到了广泛应用,但普遍存在着精度不高或速度较慢等问题。相关技术中,通过木材表面正常区域与非正常区域的物理特性的不同来实现缺陷区域的检测与定位,例如通过X射线、红外等方式进行缺陷的检测,通过物理特性的检测虽然能满足工业上快速性的需求,但精确度欠缺。此外,还可以利用光学摄像机采集图片,设计高准确性的图像处理算法对木材表面缺陷进行检测定位,虽然具有高精确性的优点,但往往忽略了工业上快速性的需求,算法计算量大、耗时长。

  发明内容

  有鉴于此,本发明实施例提供了一种木材表面缺陷检测方法、装置、设备、系统及存储介质,旨在满足缺陷识别精度的基础上,提高缺陷识别效率。

  本发明实施例的技术方案是这样实现的:

  第一方面,本发明实施例提供了一种木材表面缺陷检测方法,包括:

  获取传送带在激光设备生成的激光线作用下的激光线图像,所述激光线在水平面上沿所述传送带的宽度方向延伸;

  基于获取的所述激光线图像,提取所述激光线的激光线高度位置和激光线宽度;

  基于所述激光线的激光线高度位置和/或激光线宽度与预设的激光线模型,识别所述传送带上是否存在木材;

  若所述传送带上存在木材,基于所述激光线的激光线高度位置和激光线宽度识别所述木材的表面缺陷。

  在一些实施例中,所述基于所述激光线的激光线高度位置和/或激光线宽度与预设的激光线模型,识别所述传送带上是否存在木材,包括:

  将所述激光线的激光线高度位置和激光线宽度与预设的第一激光线模型、第二激光线模型进行比较,得到第一相似度、第二相似度,所述第一相似度表征所述激光线与所述第一激光线模型之间的相似度,所述第二相似度表征所述激光线与所述第二激光线模型之间的相似度;

  确定所述第一相似度大于所述第二相似度,判定所述传送带上存在木材;或者,

  确定所述激光线的激光线宽度超出第二激光线模型中激光线的散射宽度值达到第一设定阈值,判定所述传送带上存在木材;或者,

  确定所述激光线的激光线高度位置超出第二激光线模型中激光线的高度位置达到第二设定阈值,判定所述传送带上存在木材;

  其中,所述第一激光线模型表征作用于所述位于传送带上木材表面的激光线的高度位置和散射宽度值,所述第二激光线模型表征作用于所述传送带表面的激光线的高度位置和散射宽度值。

  在一些实施例中,所述方法还包括:

  获取所述传送带上木材的表面在所述激光设备生成的激光线作用下的第一激光线图像,基于所述第一激光线图像构建所述第一激光线模型;

  获取所述传送带的表面在所述激光设备生成的激光线作用下的第二激光线图像,基于所述第二激光线图像构建所述第二激光线模型。

  在一些实施例中,所述基于所述激光线的激光线高度位置和激光线宽度识别所述木材的表面缺陷,包括:

  基于所述激光线的激光线高度位置与所述第一激光线模型中的高度位置的差值,构建所述木材的相对高度图像;

  基于所述激光线的激光线宽度与所述第一激光线模型中的散射宽度值的差值,构建所述木材的相对散射图像;

  基于所述相对高度图像确定所述木材是否存在第一缺陷;

  基于所述相对散射图像确定所述木材是否存在第二缺陷;

  其中,所述第一缺陷包括以下至少之一:缺边、虫眼;所述第二缺陷包括以下至少之一:死节、活节。

  在一些实施例中,所述基于所述第一激光线图像构建所述第一激光线模型,包括:

  获取多帧所述第一激光线图像;

  基于多帧所述第一激光线图像确定所述木材上激光线的高度位置;

  基于多帧所述第一激光线图像确定所述木材上激光线的散射宽度值;

  所述基于所述第二激光线图像构建所述第二激光线模型,包括:

  获取多帧所述第二激光线图像;

  基于多帧所述第二激光线图像确定所述传送带上激光线的高度位置;

  基于多帧所述第二激光线图像确定所述传送带上激光线的散射宽度值。

  在一些实施例中,所述基于所述激光线的激光线高度位置与所述第一激光线模型中的高度位置的差值,构建所述木材的相对高度图像,包括:

  针对获取的多帧所述激光线图像,构建所述木材对应区域上的相对高度图像,其中,所述相对高度图像中的各像素点的取值基于所述激光线高度位置与所述第一激光线模型中的高度位置的差值确定。

  在一些实施例中,基于所述激光线的激光线宽度与所述第一激光线模型中的散射宽度值的差值,构建所述木材的相对散射图像,包括:

  针对获取的多帧所述激光线图像,构建所述木材对应区域上的相对散射图像,其中,所述相对散射图像中的各像素点的取值基于所述激光线宽度与所述第一激光线模型中的散射宽度值的差值确定。

  在一些实施例中,所述方法还包括:

  若存在所述第一缺陷,基于所述相对高度图像确定所述第一缺陷对应的缺陷位置;和/或,

  若存在所述第二缺陷,基于所述相对散射图像确定所述第二缺陷对应的缺陷位置。

  第二方面,本发明实施例还提供了一种木材表面缺陷检测装置,包括:

  获取模块,用于获取传送带在激光设备生成的激光线作用下的激光线图像,所述激光线在水平面上沿所述传送带的宽度方向延伸;

  特征提取模块,用于基于获取的所述激光线图像,提取所述激光线的激光线高度位置和激光线宽度;

  第一识别模块,用于基于所述激光线的激光线高度位置和/或激光线宽度与预设的激光线模型,识别所述传送带上是否存在木材;

  第二识别模块,用于若所述传送带上存在木材,基于所述激光线的激光线高度位置和激光线宽度识别所述木材的表面缺陷。

  第三方面,本发明实施例还提供了一种木材表面缺陷检测设备,包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,所述处理器,用于运行计算机程序时,执行本发明实施例所述方法的步骤。

  第四方面,本发明实施例还提供了一种木材表面缺陷检测系统,包括:

  传送带,用于在线传递木材;

  激光设备,用于生成作用于所述木材上的激光线;

  图像采集设备,用于采集激光线图像;

  本发明实施例所述的木材表面缺陷检测设备,连接所述图像采集设备,接收所述图像采集设备采集的激光线图像。

  第五方面,本发明实施例还提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现本发明实施例所述方法的步骤。

  本发明实施例提供的技术方案,获取传送带在激光设备生成的激光线作用下的激光线图像,提取所述激光线图像中激光线的激光线高度位置和激光线宽度,基于所述激光线的激光线高度位置和/或激光线宽度与预设的激光线模型,识别所述传送带上是否存在木材,若所述传送带上存在木材,基于所述激光线的激光线高度位置和激光线宽度识别所述木材的表面缺陷;由于木材表面存在管胞效应,基于激光线的激光线高度位置和激光线宽度,可以准确识别出木材的表面缺陷,可以支持缺边、虫眼、死节、活节等缺陷的准确识别,且能够满足快速识别的识别需求,从而适用于木材表面缺陷的自动切锯领域。

  附图说明

  图1为本发明实施例木材表面缺陷检测方法的流程示意图;

  图2为本发明实施例木材表面缺陷检测系统的结构示意图;

  图3本发明实施例中重建图像与木材实物比例一致的原理示意图;

  图4为本发明实施例激光线在木材表面正常区域管胞效应示意图;

  图5为本发明实施例激光线扫描木材缺边时的激光线图像示意图;

  图6为本发明实施例激光线在木材节子区域的激光线图像示意图;

  图7为本发明实施例木材表面缺陷检测装置的结构示意图;

  图8为本发明实施例木材表面缺陷检测设备的结构示意图。

  具体实施方式

  下面结合附图及实施例对本发明再作进一步详细的描述。

  除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。

  在对本发明实施例木材表面缺陷检测方法进行介绍之前,先本发明实施例中涉及的管胞效应进行解释说明。本发明实施例基于激光线在木材表面的管胞效应来检测木材表面缺陷。所述管胞效应是一种可观测的光学现象,当激光线投射在木材表面时,一部分光直接照在表面,一部分光穿透表面在半镜面材质的木材中传导。软木纤维(即管胞)能更好的传导光线,而木材节子等缺陷传导光线的能力与正常区域不同。本发明实施例利用这个特性,通过激光设备与图像检测设备(比如阵列相机)结合,检测木材缺陷区域,从而提高木材表面缺陷的检测的准确性与快速性,对工业应用意义重大。

  本发明实施例提供了一种木材表面缺陷检测方法,如图1所示,该方法包括:

  步骤101,获取传送带在激光设备生成的激光线作用下的激光线图像,所述激光线在水平面上沿所述传送带的宽度方向延伸;

  示例性地,本发明实施例中,可以在传送带附近设置激光设备和图像采集设备,图像采集设备连接木材表面缺陷检测设备,该木材表面缺陷检测设备实施本发明实施例木材表面缺陷检测方法。

  如图2所示,在一应用示例中,木材表面缺陷检测系统包括:传送带201、激光设备202、图像采集设备203及木材表面缺陷检测设备204。其中,激光设备202可以为线激光器,图像采集设备203可以为阵列相机,木材表面缺陷检测设备204可以为具有图像数据处理能力的处理设备。线激光器可以位于图2所示中阵列相机的左下方,于传送带上方,且与水平面倾斜夹角约为60°;阵列相机位于传送带上方半米的位置,其视野范围可以覆盖整个传送的宽度方向,以保证传送带上的木材可以被完整的拍摄。

  实际应用中,可以设置图像采集设备203的AOI(Automated Optical Inspection,自动光学检测)参数,在保证能将激光线完整拍摄的情况下使得图像分辨率尽可能低,即图像尽可能小,保证在对每一帧图像进行图像处理与数据分析时计算量更小,计算速度更快。

  本发明实施例中,激光设备202生成的激光线的方向在水平面上与木材的纵向(即生长方向)垂直,图像采集设备203基于设定的相机帧率采集激光线图像并传递给木材表面缺陷检测设备204,如此,木材表面缺陷检测设备204即可在线实时获取传送带工作过程中对应的激光线图像。

  步骤102,基于获取的所述激光线图像,提取所述激光线的激光线高度位置和激光线宽度;

  这里,木材表面缺陷检测设备204对应获取的激光线图像进行特征提取,提取激光线的激光线高度位置和激光线宽度。

  步骤103,基于所述激光线的激光线高度位置和/或激光线宽度与预设的激光线模型,识别所述传送带上是否存在木材;

  这里,木材表面缺陷检测设备204可以利用预先构建的激光线模型,对提取的激光线的激光线高度位置和/或激光线宽度进行判断,识别传送带上是否存在木材,并在确定传送带上存在木材后,执行步骤104。

  步骤104,若所述传送带上存在木材,基于所述激光线的激光线高度位置和激光线宽度识别所述木材的表面缺陷。

  这里,木材表面缺陷检测设备204利用在线获取的多帧激光线图像,基于提取的各帧激光线图像提取的所述激光线的激光线高度位置和激光线宽度,可以重建表征木材表面高度信息的相对高度图像和木材表面结构信息的相对散射图像,进而实现表面缺陷的检测和定位。由于木材表面存在管胞效应,基于激光线的激光线高度位置和激光线宽度,可以准确识别出木材的表面缺陷,可以支持缺边、虫眼、死节、活节等缺陷的准确识别,且能够满足快速识别的识别需求,从而适用于木材表面缺陷的自动切锯领域。

  实际应用中,提取的激光线的激光线高度位置和激光线宽度需要用于构建表征木材表面高度信息的相对高度图像和木材表面结构信息的相对散射图像,进而实现表面缺陷的检测和定位。在实际的工业切锯任务中需要对切锯设备提供准确的位置坐标,于是重建图的长宽比例必须与木材实物保持一致。在重建木材的相对散射图与相对高度图的过程中,重建图像的每一行像素点的像素值由每一帧激光线图像包含的信息赋值,即一帧激光线图像能重建出一行或者多行木材重建图。当一帧激光线图像重建一行像素值时,重建图像分辨率最高;当一帧激光线图像信息重建多行图像时,重建图像分辨率随之变低。木材在传送带上传输时,以一定的速度通过图像采集设备,图像采集设备以一定的帧率进行拍摄,并存储于计算机内存中,计算机以另一个线程对存储图像进行处理。当拍摄帧率固定时,传送带速率越快,则木材通过图像采集设备的视野范围的时间越短,拍摄帧数相对越少;传送带速率越慢,则木材通过图像采集设备的视野范围时间越长,拍摄帧数越多。所以重建图像的分辨率与人为设置的一帧图像对应重建图像行数(图像重建步长)、传送带速率、拍摄帧率有关。

  基于此,为了满足相对高度图像和相对散射图像中图像的宽度和高度之比与木材实物的宽度和高度之比的比例一致,且重建图像的分辨率合理,需要对传送带201的速度、图像采集设备203的拍摄帧率等进行合理设置。

  示例性地,如图3所示,l、h分别为木材实物的宽高,x、y分别为重建图像中木材部分的宽高,保持重建图像与木材实物比例一致,可得:

  

  其中,重建图像的高度值y由图像采集设备视野下的线激光图像决定,线激光在木材与传送带上激发的红色散射场具有明显区别,通过对比找到图像中激光线在木材部分区域,并通过数据计算出视野范围内的木材高度y。由上述可知,重建木材图像的高度值y只与木材实物高度值h以及图像采集设备视野范围有关。重建图像宽度x由预先设置的一帧图像对应重建图像行数(重建步长)以及木材通过图像采集设备拍摄范围的过程中图像采集设备采集的图像总帧数有关,即:

  x=d·λ

  其中,d为图像重建步长(即一帧图像对应重建图像行数),λ为待检木材匀速通过图像采集设备视野过程中采集的激光线图像的总帧数。λ与图像采集设备的拍摄帧率及传送带速率之间具有以下关系:

  

  其中,l为木材实物宽度,v为传送带速率,fps为图像采集设备的拍摄帧率。

  最后可得:

  

  因此,可以通过测量一块木材的实际高度h以及相机视野范围决定的重建图像高度y,并通过调整图像采集设备的拍摄帧率与一帧图像对应重建图像行数(步长)以及传送带的速度,控制重建图像的长宽比与实际木材长宽比相一致,便于后续为木材切锯设备提供准确的缺陷坐标。

  在一些实施例中,预先构建的激光线模型包括:第一激光线模型和第二激光线模型。其中,所述第一激光线模型表征作用于所述传送带上木材表面的激光线的高度位置和散射宽度值,所述第二激光线模型表征作用于所述传送带表面的激光线的高度位置和散射宽度值。

  在一些实施例中,预先构建所述激光线模型包括:

  获取所述传送带上木材的表面在所述激光设备生成的激光线作用下的第一激光线图像,基于所述第一激光线图像构建所述第一激光线模型;

  获取所述传送带的表面在所述激光设备生成的激光线作用下的第二激光线图像,基于所述第二激光线图像构建所述第二激光线模型。

  在一些实施例中,所述基于所述第一激光线图像构建所述第一激光线模型,包括:

  获取多帧所述第一激光线图像;

  基于多帧所述第一激光线图像确定所述木材上激光线的高度位置;

  基于多帧所述第一激光线图像确定所述木材上激光线的散射宽度值;

  所述基于所述第二激光线图像构建所述第二激光线模型,包括:

  获取多帧所述第二激光线图像;

  基于多帧所述第二激光线图像确定所述传送带上激光线的高度位置;

  基于多帧所述第二激光线图像确定所述传送带上激光线的散射宽度值。

  示例性地,可以在传送带放置标准的木材(即不带任何缺陷的木材),利用该场景下获取的第一激光线图像构建所述第一激光线模型。图4所示为激光线在木材表面正常区域管胞效应示意图。激光线在木材正常区域正常散射,形成中间亮并逐渐向两边散射的光斑。中间最亮的激光线部分信息可由图像绿色通道得到,而由于管胞效应向外散射的红色部分位于图像的红色通道。

  这里,基于第一激光线图像的红色通道构建灰度图imgR,基于第一激光线图像的绿色通道构建灰度图像imgG,可以基于灰度图imgR构建第一激光线模型的散射宽度模型,基于灰度图像imgG构建第一激光线模型的高度模型。

  示例性地,可以采用高斯分布模型建立激光线图像中红色通道灰度值分布模型:

  

  其中,x为图像imgR像素点灰度值,f(x)为该灰度值属于激光线亮斑及其散射区域的概率,μ与σ分别为N幅图像imgR中激光线散射区域像素点灰度值大小的平均值与方差,建立起激光线红色通道灰度值分布模型。

  基于第一激光线图像中红色通道灰度值分布模型,如果某像素点的灰度概率f(x)大于一定阈值Th,则像素点属于激光线散射区域(即属于给定阈值范围内激光线中心较亮的区域的像素点被统计),其中,概率阈值Th范围为区间[0.5,0.8]。区域内每个像素点进行分类统计,以一帧图像的一列为单位统计属于激光线散射区域的像素点数量总和,以该数量和作为激光线宽度值。比如,取N张第一激光线图像中激光线宽度值的平均值,作为第一激光线模型的散射宽度值。

  示例性地,可以基于第一激光线图像中绿色通道构建灰度图像imgG,设定固定阈值对imgG进行二值化处理,阈值范围可设为[180,230]区间的值。针对每帧图像,以列为单位统计大于该阈值的激光线像素点,并计算中心的高度位置坐标,以该坐标作为激光线中心位置的高度坐标值。取N张第二激光线图像,统计计算激光线中心的高度位置均值,作为第一激光线模型的高度位置。其中,N为大于1的自然数,可以基于图像分辨率进行合理选择。

  可以理解的是,所述第二激光线模型的构建过程与前述第一激光线模型的构建过程相似,不同之处在于,需要在传送带上不放置木材的场景下获取的第二激光线图像,并基于第二激光线图像来构建第二激光线模型,具体参照前述第一激光线模型的生成过程,在此不再赘述。

  在一些实施例中,还可以求取第一激光线模型的高度位置与第二激光线模型的高度位置之差,作为激光线作用在木材表面与激光线作用在传送带表面之间的标准偏差ε。

  在一些实施例中,所述基于所述激光线的激光线高度位置和/或激光线宽度与预设的激光线模型,识别所述传送带上是否存在木材,包括:

  将所述激光线的激光线高度位置和激光线宽度与预设的第一激光线模型、第二激光线模型进行比较,得到第一相似度、第二相似度,所述第一相似度表征所述激光线与所述第一激光线模型之间的相似度,所述第二相似度表征所述激光线与所述第二激光线模型之间的相似度;

  确定所述第一相似度大于所述第二相似度,判定所述传送带上存在木材。

  在一些实施例中,所述基于所述激光线的激光线高度位置和/或激光线宽度与预设的激光线模型,识别所述传送带上是否存在木材,包括:

  确定所述激光线的激光线宽度超出第二激光线模型中激光线的散射宽度值达到第一设定阈值,判定所述传送带上存在木材。

  示例性地,可以抽出每帧激光线图像若干列,逐一计算抽出列的激光线宽度,并与第二激光线模型的散射宽度值对比,进而判断木材存在与否,例如,从左至右均匀取5列,计算激光线宽度,如果存在激光线宽度大于1.5倍第二激光线模型的散射宽度值,即认为存在木材。

  在一些实施例中,所述基于所述激光线的激光线高度位置和/或激光线宽度与预设的激光线模型,识别所述传送带上是否存在木材,包括:

  确定所述激光线的激光线高度位置超出第二激光线模型中传送带的表面的高度位置达到第二设定阈值,判定所述传送带上存在木材。

  示例性地,可以抽出每帧激光线图像若干列,例如,从左至右均匀取5列,计算所抽列激光线中心的高度位置的平均值,将该高度位置的平均值和第二激光线模型中传送带的表面的高度位置作差对比,判断木材是否存在,如果所抽列的高度位置的平均值和第二激光线模型中传送带的表面的高度位置的差值趋近于0,则判定不存在木材,反之,则判定存在木材。

  在一些实施例中,所述基于所述激光线的激光线高度位置与所述第一激光线模型中的高度位置的差值,构建所述木材的相对高度图像,包括:

  针对获取的多帧所述激光线图像(即传送带工作过程中,实时获取的多帧激光线图像),构建所述木材对应的区域上相对高度图像,其中,所述相对高度图像中的各像素点的取值基于所述激光线高度位置与所述第一激光线模型中的高度位置的差值确定。

  示例性地,图5所示为激光线扫描木材缺边时的激光线图像示意图,在扫描木材缺边区域时,激光线相对木材正常区域产生了偏移。基于第一激光线模型,对每帧激光线的图像绿色通道灰度图中的像素点进行阈值分割,得到绿色通道激光线光斑位置的二值图像,对每帧激光图像绿色通道灰度图中的像素点进行阈值分割,得到绿色通道激光线光斑位置的二值图像,对该二值图像中每列激光线中心的高度位置进行统计,得到每帧图像中的每列激光线与标准的激光线高度位置的偏差信息εi,i为每帧激光线图像列数。以激光线在木材与传送带位置的标准偏差ε为标准值,对木材图像进行重建。如果设置图像分辨率为H×width,则每帧帧激光图像能计算出像素值向量每一帧激光图像提取的像素值向量共有width个元素,将每个元素标准化映射到[0,255]的区间上,并依次为重建相对高度图对应一行或多行的width个像素点赋值,若干帧激光图像依次提取像素值向量并依次为重建图像赋值即可重建出包含了相对高度信息的相对高度图。显然,当激光扫描缺边区域时,激光线中心位置与在传送带上的激光线标准位置更为接近,偏差值较小,εi<ε,在重建图像上表现较黑。

  这里,基于所述相对高度图像可以确定所述木材是否存在第一缺陷;其中,所述第一缺陷包括以下至少之一:缺边、虫眼。

  在一些实施例中,基于所述激光线的激光线宽度与所述第一激光线模型中的散射宽度值的差值,构建所述木材的相对散射图像,包括:

  针对获取的多帧所述激光线图像(即传送带工作过程中,实时获取的多帧激光线图像),构建所述木材对应的区域上相对散射图像,其中,所述相对散射图像中的各像素点的取值基于所述激光线宽度与所述第一激光线模型中的散射宽度值的差值确定。

  图6所示为激光线在木材节子区域的激光线图像示意图,在木材缺陷区域,激光线管胞效应产生的散射效果发生了明显的不同。在节子区域,激光散射能力明显弱于正常区域,激光亮斑向两边散射的区域变小,整体激光线宽变窄。基于前述的第一激光线模型,对每帧激光线图像中红色通道灰度图中的像素点进行分类,得到红色通道激光线宽二值图像,对每帧激光图像红色通道灰度图中的像素点进行分类,得到红色通道激光线宽二值图像,对该二值图像中每列激光线宽度进行统计,得到每帧图像中的每列激光线宽度信息ωi,i为每帧激光线图像列数。以激光线散射区域激光线标准线宽ωu为标准值,对木材图像进行重建。如果设置图像分辨率为H×width,则每帧激光图像能计算出像素值向量每一帧激光图像提取的像素值向量共有width个元素,将每个元素标准化映射到[0,255]的区间上,并依次为重建散射图对应一行或多行的width个像素点赋值,若干帧激光图像依次提取像素值向量并依次为重建图像赋值即可重建出包含了木材缺陷先验信息的木材散射图像。显然,当激光扫描节子或其他缺陷区域时,激光线宽ω<ωμ,像素值较小,在重建图像上表现较黑;当激光线宽ω>ωμ时,认为激光线处于正常区域,重建图像对应像素点赋值标准化映射区间最大值255。

  这里,基于所述相对散射图像可以确定所述木材是否存在第二缺陷;所述第二缺陷包括以下至少之一:死节、活节。

  在一些实施例中,所述方法还包括:

  若存在所述第一缺陷,基于所述相对高度图像确定所述第一缺陷对应的缺陷位置;和/或,

  若存在所述第二缺陷,基于所述相对散射图像确定所述第二缺陷对应的缺陷位置。

  本发明实施例中,由于相对高度图像、相对散射图像中的宽度与高度之比与木材实物的宽度与高度之比的比例一致,从而可以在相对高度图像或者相对散射图像上确定缺陷位置,并转换至木材实物上相应的位置上,便于在线锯切木材上的缺陷。

  示例性地,首先,通过重建相对高度图像确定木材缺边、虫眼等导致木材表面凹凸不平产生与正常区域有一定高度差的缺陷,此类缺陷在相对高度图上具有明显特征。比如,设定阈值对相对高度图进行二值化处理,阈值取值范围在[30,50]之间,相对高度图上灰度值越低的区域的实际高度值与正常木材高度偏差值越大,即该区域为缺边、虫眼等缺陷的概率越大,设定合理阈值,处理相对高度图上的缺边、虫眼等缺陷,进行阈值分割后相对高度二值图结果作为木材缺边定位结果;然后,通过重建木材相对散射图,对其他如死节、活节等缺陷进行定位。散射图上不具有与正常区域具有高度差的缺陷,因此与相对高度图具有互补效果,设定阈值对散射图进行二值化处理,阈值范围可在[30,50]之间,阈值分割后散射二值图结果即可作为木材其他缺陷的定位结果。

  由以上描述可以得知,本发明实施例通过机器视觉与激光线扫描相结合的方法,提高木材表面缺陷的识别准确率与识别速度,为木材切锯设备提供缺陷位置的准确信息。通过线激光扫描的方式我们得到了木材包含木材表面缺陷信息的相对散射图像与相对高度图像,该相对散射图像主要反映出木材表面死节、活节及其他导致缺陷本身材质与正常板材有区别的缺陷类型的结构信息;相对高度图像对大多数不影响板材平整度的缺陷类型并不敏感,主要能辅助对木材缺边、虫眼等缺陷进行判定。实际应用中,首先通过重建出的相对高度图对木材缺边等缺陷进行定位,之后采用阈值(或其他分类方法)分割方法分割出相对散射图像缺陷部分的连通域,由于重建相对散射图像过滤了大量纹理、颜色等板材表面信息,只留下了需要的缺陷信息,因此简单的图像分割方式即可对缺陷区域起到良好的分割效果。结合两幅重建图像信息,即可完成对木材表面缺陷的定位。

  为了实现本发明实施例的方法,本发明实施例还提供一种木材表面缺陷检测装置,该木材表面缺陷检测装置与上述木材表面缺陷检测方法对应,上述木材表面缺陷检测方法实施例中的各步骤也完全适用于本木材表面缺陷检测装置实施例。

  如图7所示,该木材表面缺陷检测装置700包括:获取模块701、特征提取模块702、第一识别模块703及第二识别模块704,其中,获取模块701用于获取传送带在激光设备生成的激光线作用下的激光线图像,所述激光线在水平面上沿所述传送带的宽度方向延伸;特征提取模块702用于基于获取的所述激光线图像,提取所述激光线的激光线高度位置和激光线宽度;第一识别模块703用于基于所述激光线的激光线高度位置和/或激光线宽度与预设的激光线模型,识别所述传送带上是否存在木材;第二识别模块704用于若所述传送带上存在木材,基于所述激光线的激光线高度位置和激光线宽度识别所述木材的表面缺陷。

  在一些实施例中,第一识别模块703具体用于:

  将所述激光线的激光线高度位置和激光线宽度与预设的第一激光线模型、第二激光线模型进行比较,得到第一相似度、第二相似度,所述第一相似度表征所述激光线与所述第一激光线模型之间的相似度,所述第二相似度表征所述激光线与所述第二激光线模型之间的相似度;

  确定所述第一相似度大于所述第二相似度,判定所述传送带上存在木材;或者,

  确定所述激光线的激光线宽度超出第二激光线模型中激光线的散射宽度值达到第一设定阈值,判定所述传送带上存在木材;或者,

  确定所述激光线的激光线高度位置超出第二激光线模型中传送带的表面的高度位置达到第二设定阈值,判定所述传送带上存在木材;

  其中,所述第一激光线模型表征作用于所述木材表面的激光线的高度位置和散射宽度值,所述第二激光线模型表征作用于所述传送带表面的激光线的高度位置和散射宽度值。

  在一些实施例中,还包括:构建模块705,用于获取所述传送带上木材的表面在所述激光设备生成的激光线作用下的第一激光线图像,基于所述第一激光线图像构建所述第一激光线模型;及获取所述传送带的表面在所述激光设备生成的激光线作用下的第二激光线图像,基于所述第二激光线图像构建所述第二激光线模型。

  在一些实施例中,第二识别模块704具体用于:

  基于所述激光线的激光线高度位置与所述第一激光线模型中的高度位置的差值,构建所述木材的相对高度图像;

  基于所述激光线的激光线宽度与所述第一激光线模型中的散射宽度值的差值,构建所述木材的相对散射图像;

  基于所述相对高度图像确定所述木材是否存在第一缺陷;

  基于所述相对散射图像确定所述木材是否存在第二缺陷;

  其中,所述第一缺陷包括以下至少之一:缺边、虫眼;所述第二缺陷包括以下至少之一:死节、活节。

  在一些实施例中,构建模块705基于所述第一激光线图像构建所述第一激光线模型,包括:

  获取多帧所述第一激光线图像;

  基于多帧所述第一激光线图像确定所述木材上激光线的高度位置;

  基于多帧所述第一激光线图像确定所述木材上激光线的散射宽度值;

  构建模块705基于所述第二激光线图像构建所述第二激光线模型,包括:

  获取多帧所述第二激光线图像;

  基于多帧所述第二激光线图像确定所述传送带上激光线的高度位置;

  基于多帧所述第二激光线图像确定所述传送带上激光线的散射宽度值。

  在一些实施例中,第二识别模块704具体用于:

  针对获取的多帧所述激光线图像,构建所述木材对应区域上的相对高度图像,其中,所述相对高度图像中的各像素点的取值基于所述激光线高度位置与所述第一激光线模型中的高度位置的差值确定。

  在一些实施例中,第二识别模块704具体用于:

  针对获取的多帧所述激光线图像,构建所述木材对应区域上的相对高度图像,其中,所述相对高度图像中的各像素点的取值基于所述激光线高度位置与所述第一激光线模型中的高度位置的差值确定。

  在一些实施例中,第二识别模块704还用于:

  若存在所述第一缺陷,基于所述相对高度图像确定所述第一缺陷对应的缺陷位置;和/或,

  若存在所述第二缺陷,基于所述相对散射图像确定所述第二缺陷对应的缺陷位置。

  实际应用时,获取模块701、特征提取模块702、第一识别模块703、第二识别模块704及构建模块705,可以由木材表面缺陷检测装置中的处理器来实现。当然,处理器需要运行存储器中的计算机程序来实现它的功能。

  需要说明的是:上述实施例提供的木材表面缺陷检测装置在进行木材表面缺陷检测时,仅以上述各程序模块的划分进行举例说明,实际应用中,可以根据需要而将上述处理分配由不同的程序模块完成,即将装置的内部结构划分成不同的程序模块,以完成以上描述的全部或者部分处理。另外,上述实施例提供的木材表面缺陷检测装置与木材表面缺陷检测方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。

  基于上述程序模块的硬件实现,且为了实现本发明实施例的方法,本发明实施例还提供一种木材表面缺陷检测设备。图8仅仅示出了该木材表面缺陷检测设备的示例性结构而非全部结构,根据需要可以实施图8示出的部分结构或全部结构。

  如图8所示,本发明实施例提供的木材表面缺陷检测设备800包括:至少一个处理器801、存储器802、用户接口803和至少一个网络接口804。木材表面缺陷检测设备800中的各个组件通过总线系统805耦合在一起。可以理解,总线系统805用于实现这些组件之间的连接通信。总线系统805除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图8中将各种总线都标为总线系统805。

  其中,用户接口803可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。

  本发明实施例中的存储器802用于存储各种类型的数据以支持木材表面缺陷检测设备的操作。这些数据的示例包括:用于在木材表面缺陷检测设备上操作的任何计算机程序。

  本发明实施例揭示的木材表面缺陷检测方法可以应用于处理器801中,或者由处理器801实现。处理器801可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,木材表面缺陷检测方法的各步骤可以通过处理器801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器801可以是通用处理器、数字信号处理器(DSP,DigitalSignal Processor),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器801可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤,可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中,该存储介质位于存储器802,处理器801读取存储器802中的信息,结合其硬件完成本发明实施例提供的木材表面缺陷检测方法的步骤。

  在示例性实施例中,木材表面缺陷检测设备可以被一个或多个应用专用集成电路(ASIC,Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD,Programmable Logic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable LogicDevice)、FPGA、通用处理器、控制器、微控制器(MCU,Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现,用于执行前述方法。

  可以理解,存储器802可以是易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM,Read Only Memory)、可编程只读存储器(PROM,Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM,Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM,Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM,ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM,Compact Disc Read-Only Memory);磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM,Random AccessMemory),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(SRAM,Static Random Access Memory)、同步静态随机存取存储器(SSRAM,Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM,Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM,SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM,Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM,Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM,SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM,Direct Rambus Random Access Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

  在一些实施例中,本发明实施例还提供一种木材表面缺陷检测系统,如图2所示,其中,木材表面缺陷检测设备204可以为前述的木材表面缺陷检测设备800,具体的缺陷检测方法参照前述的描述,在此不再赘述。

  在示例性实施例中,本发明实施例还提供了一种存储介质,即计算机存储介质,具体可以是计算机可读存储介质,例如包括存储计算机程序的存储器802,上述计算机程序可由木材表面缺陷检测设备的处理器801执行,以完成本发明实施例方法所述的步骤。计算机可读存储介质可以是ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。

  需要说明的是:“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。

  另外,本发明实施例所记载的技术方案之间,在不冲突的情况下,可以任意组合。

  以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。

《木材表面缺陷检测方法、装置、设备、系统及存储介质.doc》
将本文的Word文档下载到电脑,方便收藏和打印
推荐度:
点击下载文档

文档为doc格式(或pdf格式)