基于机器视觉的刨花板表面质量评估方法及系统技术方案

本发明专利技术涉及机器视觉技术领域，具体涉及一种基于机器视觉的刨花板表面质量评估方法及系统，该方法包括：基于刨花板表面图像进行像素点匹配，得到若干点对，点对中像素点分别位于刨花的一组对边上；获取每个点对的连线方向、连线灰度值、连线距离；点对连线经过像素的灰度均值为连线灰度值；对刨花板表面图像进行滑窗，对于每个窗口，根据点对的连线方向和连线灰度值对窗口内点对进行分组，每个组中的点对隶属于同一个刨花，根据每个组中点对的个数和连线距离计算窗口内像素对应的粗刨程度；基于刨花板表面图像中每个像素对应的粗刨程度，进行大刨花缺陷的识别定位。本发明专利技术的缺陷检测结果不易受刨花板表面复杂纹理的干扰。结果不易受刨花板表面复杂纹理的干扰。结果不易受刨花板表面复杂纹理的干扰。

【技术实现步骤摘要】
基于机器视觉的刨花板表面质量评估方法及系统


[0001]本专利技术涉及机器视觉领域，具体涉及一种基于机器视觉的刨花板表面质量评估方法及系统。

技术介绍

[0002]目前，刨花板作为家具板材生产的主要基材，其会经过三聚氰胺浸渍纸贴面等二次表面加工制成成品家具板材。为了降低成本，三聚氰胺浸渍纸的克纸重不断降低，纸的遮盖性能也随之降低，因此，在刨花板基材的贴面过程中极易出现透底现象，即基材刨花板的粗大刨花若隐若现，影响视觉效果，降低了产品的外观质量。
[0003]造成这种透底现象的原因除了纸的遮盖性能下降以外，刨花板基材本身的表面质量即刨花板基材表面存在粗大刨花也是影响贴面板质量的重要因素。因此，在贴面工序前及时对刨花板基材进行质量评估可以有效降低成品的外观缺陷率。而刨花板基材的表面质量缺陷又主要由表面大刨花引起，进而需要对大刨花进行检测。
[0004]现有技术中对大刨花的检测主要有人工目检、人工神经网络算法检测、以及传统机器视检测；其中，人工目检效率低、易出错；人工神经网络算法需要大量的训练数据且数据获取成本高；传统的机器视觉检测一般应用均值方差法将缺陷分割出来，这种方法无法对纹理复杂，且刨花本身颜色复杂的刨花板基材进行检测。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种基于机器视觉的刨花板表面质量评估方法及系统，所采用的技术方案具体如下：
[0006]第一方面，本专利技术一个实施例提供了一种基于机器视觉的刨花板表面质量评估方法，该方法包括以下具体步骤：
[0007]基于刨花板表面图像进行像素点匹配，得到若干点对，点对中像素点分别位于刨花的一组对边上；获取每个点对的连线方向、连线灰度值、连线距离；点对连线经过像素的灰度均值为连线灰度值；
[0008]对刨花板表面图像进行滑窗，对于每个窗口，根据点对的连线方向和连线灰度值对窗口内点对进行分组，每个组中的点对隶属于同一个刨花，根据每个组中点对的个数和连线距离计算窗口内像素对应的粗刨程度；
[0009]基于刨花板表面图像中每个像素对应的粗刨程度，进行大刨花缺陷的识别定位。
[0010]进一步地，对于每个窗口，根据点对的连线方向和连线灰度值对窗口内点对进行分组，具体为：
[0011]对于每个窗口，获取窗口内每个点对的连线方向和连线灰度值对应的连线方向等级和连线灰度值等级；以连线方向等级和连线灰度值等级为两个维度，构建灰度
‑
方向共生矩阵进行点对分组；其中，灰度
‑
方向共生矩阵中第α行第β列处的元素值表示窗口中连线方向等级为α，连线灰度值等级为β的点对的个数占比p(α,β)。
[0012]进一步地，根据每个组中点对的个数和连线距离计算窗口内像素对应的粗刨程度，具体为：
[0013]对于每个窗口，根据窗口对应的灰度
‑
方向共生矩阵中连线方向等级为α，连线灰度值等级为β的点对的连线距离均值获取距离指标d(α,β)；
[0014][0015]R表示窗口内像素对应的粗刨程度，A和B分别表示划分的连线方向等级数和连线灰度值等级数。
[0016]进一步地，若所述连线距离均值小于距离阈值，距离指标为所述连线距离均值与距离阈值的比值，否则，距离指标为预设数值。
[0017]进一步地，若像素对应多个粗刨程度，则基于粗刨程度的均值，进行大刨花缺陷的识别定位。
[0018]进一步地，所述点对的获取具体为：
[0019]对于刨花板表面图像中的每个像素点，利用其梯度方向的垂线将其邻域区域划分为两个子区域；灰度方差较小的子区域对应的灰度均值为该像素对应的灰度指标值，该像素点沿梯度方向所在直线指向灰度方差较小子区域的方向为该像素点对应的刨花内部指向；
[0020]基于灰度指标值对刨花板表面图像中的像素点进行分类，对于每个类别，该类别中的每个像素点依次为目标像素点，该类别中与目标像素点刨花内部指向相反的像素点构成目标像素点的候选匹配点集合；若候选匹配点集合中的点对应的候选匹配点集合中不包括所述目标像素点，则将该点剔除，剩余点与目标像素点分别构成候选点对；该类别中每个像素点对应的候选点对构成候选点对集合，基于连线距离在候选点对集合中进行点对的选择；其中，所选择点对中的像素点各不相同。
[0021]进一步地，基于连线距离在候选点对集合中进行点对的选择，具体为：
[0022]对候选点对集合中的点对进行连线距离升序排序，连线距离最小的点为选择的点对，将候选点对集合中包括所选择点对中像素点的点对剔除，剩余点对中连线距离最小的点为选择的点对，迭代进行点对的选择，直至候选点对集合中不存在点对。
[0023]第二方面，本专利技术另一个实施例提供了一种基于机器视觉的刨花板表面质量评估系统，该系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种基于机器视觉的刨花板表面质量评估方法的步骤。
[0024]本专利技术实施例至少具有如下有益效果：本专利技术基于窗口内每个组中点对的个数和连线距离计算窗口内像素对应的粗刨程度；进而基于刨花板表面图像中每个像素对应的粗刨程度，进行大刨花定位；本专利技术的缺陷检测结果不易受刨花板表面复杂纹理的干扰，可根据刨花板表面复杂的纹理特征实现大刨花的缺陷判断与定位。
附图说明
[0025]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施
例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0026]图1为本专利技术实施例的步骤流程图。
具体实施方式
[0027]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于机器视觉的刨花板表面质量评估方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0028]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专利技术的
的技术人员通常理解的含义相同。
[0029]本专利技术实施例以下面的应用场景为例对本专利技术进行说明：
[0030]该应用场景为：在家具板材的生产中，刨花板作为基材，需要对其进行二次表面加工如贴面，而在贴面工序之前若刨花板基材表面存在缺陷(主要为大刨花缺陷)，对其进行贴面后易出现贴面透底的贴面工序缺陷。因此需要在进行贴面工序之前就对刨花板基材进行表面质量检测，从而降低贴面成品的缺陷率。本专利技术实施例在贴面流水线入料口之前设置相机对刨花板基材进行表面图像采集，并对采集到的图像进行处理，获得当前刨花板基材的表面质量评估结果，同时如果其表面质量不合格，标记其缺陷在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的刨花板表面质量评估方法，其特征在于，该方法包括：基于刨花板表面图像进行像素点匹配，得到若干点对，点对中像素点分别位于刨花的一组对边上；获取每个点对的连线方向、连线灰度值、连线距离；点对连线经过像素的灰度均值为连线灰度值；对刨花板表面图像进行滑窗，对于每个窗口，根据点对的连线方向和连线灰度值对窗口内点对进行分组，每个组中的点对隶属于同一个刨花，根据每个组中点对的个数和连线距离计算窗口内像素对应的粗刨程度；基于刨花板表面图像中每个像素对应的粗刨程度，进行大刨花缺陷的识别定位。2.如权利要求1所述的方法，其特征在于，对于每个窗口，根据点对的连线方向和连线灰度值对窗口内点对进行分组，具体为：对于每个窗口，获取窗口内每个点对的连线方向和连线灰度值对应的连线方向等级和连线灰度值等级；以连线方向等级和连线灰度值等级为两个维度，构建灰度
‑
方向共生矩阵进行点对分组；其中，灰度
‑
方向共生矩阵中第α行第β列处的元素值表示窗口中连线方向等级为α，连线灰度值等级为β的点对的个数占比p(a，β)。3.如权利要求2所述的方法，其特征在于，根据每个组中点对的个数和连线距离计算窗口内像素对应的粗刨程度，具体为：对于每个窗口，根据窗口对应的灰度
‑
方向共生矩阵中连线方向等级为α，连线灰度值等级为β的点对的连线距离均值获取距离指标d(α，β)；R表示所述窗口内像素对应的粗糙程度，A和B分别表示划分的连线方向等级数和连线灰度值等级数。4.如权利要求3所述的方法，其特征在于，若所述连线距离均值小于距离阈值，距离指标为所述连线距离均值与距离...

【专利技术属性】
技术研发人员：王伟，
申请(专利权)人：沭阳县桐盛木业制品厂普通合伙，
类型：发明
国别省市：