【技术实现步骤摘要】
本申请涉及图像处理领域，尤其涉及基于机器视觉的板材加工封边检测方法及系统。
技术介绍
1、板材封边是一种在家具制造和木工行业中常见的工艺，它指的是在板材的边缘进行处理，以保护板材的边缘，防止水分、灰尘等侵入，同时也能提高板材的美观度和耐用性。封边通常使用封边条，封边条是一种与板材材质相匹配的细长材料，通过热熔胶或专用封边胶粘附在板材的边缘。
2、由于封边机台的操作问题，容易出现板材封边的崩缺、短带及端头过长的现象。此外，由于封边时使用的胶水的不稳定性，也易出现封边鼓胶、开胶的问题。所以需要对封边效果进行检测。如公开号为cn114820594a的中国专利申请文件公开了一种基于图像检测板材封边缺陷的方法、相关设备及存储介质，方法包括：在待检测图像的指定区域的灰度信息满足预设灰度条件的情况下，将待检测图像划分；采用自适应直方图均衡化算法对划分的各子图像进行均衡化以及对处于相邻位置的任意两个子图像的边缘进行双线性插值；检测待检测目标图像中的板材边界信息；基于板材边界信息，得到封边所处的位置；依据封边所处的位置得到封边的实际灰度信息；基于封边的实际灰度信息得到封边的理想灰度信息；基于封边的实际灰度信息和理想灰度信息识别是否存在灰度异常区域；基于是否存在灰度异常区域的识别结果确定是否存在封边缺陷。
3、现有技术，根据边缘检测的方法，检测待检测目标图像中的板材上边界线和下边界线，测待检测目标图像中的板材目标边界线，将上边界线、下边界线以及目标边界线作为板材边界信息。但是如果封边的上下边缘出现破损，会导致边界信息的不准确
技术实现思路
1、为了解决如何提高封边区域与非封边区域的边界识别准确度的技术问题，本申请提供基于机器视觉的板材加工封边检测方法及系统。
2、第一方面，本申请提供基于机器视觉的板材加工封边检测方法，采用如下的技术方案：
3、基于机器视觉的板材加工封边检测方法，包括步骤：获取采集图像并进行处理后得到梯度图，对梯度图进行聚类得到多个聚类簇，每个聚类簇中包含的像素点组成的连通域为一个初始区域；计算两个聚类簇的合并系数，当合并系数大于预设合并阈值时，合并两个聚类簇得到待测区域；计算待测区域中像素点的像素值均值与预设的标准封边区域中像素值均值的比值，将比值与1差值的绝对值作为分类系数，将分类系数小于预设系数阈值的待测区域标记为无损区域；使无损区域的最小外接矩形为封边区域，响应于封边区域与无损区域之间像素点的像素值相同输出0，反之输出1，得到缺陷区域。
4、有益效果为：划定初始区域，再根据合并系数合并相似的初始区域后得到待测区域，对待测区域进行分类，找到封条上的无损区域，使用无损区域所在的最小外界矩形表达封条所在的区域，即封边区域，封边区域包括了无损区域与缺陷区域，通过对封边区域与无损区域中的像素值进行异或运算，得到缺陷区域。相对于直接使用边缘计算确定封边区域的边缘，使封边区域与非封边区域的边界划分更精准，以提高后续缺陷识别的准确性，尤其是对于边界上的损伤，识别的准确度更高。
5、可选的，合并系数的计算公式为：，其中，为合并系数，为第一个聚类簇的像素值的个数，为第二个聚类簇的像素值的个数，为第一个聚类簇中像素值为的像素点与第一个聚类簇所有像素点的比值，为第二个聚类簇中像素值为的像素点与第二个聚类簇所有像素点的比值。表示双曲正切函数。
6、有益效果为：表示了聚类簇中像素值个数的差异，用于衡量两个聚类簇在像素值分布上的相似度，结合差异及相似度这两个因素，得到合并系数，通过合并系数量化两个聚类簇合并的可能性。
7、可选的，取采集图像并进行处理后得到梯度图，包括步骤：对获取的拍摄图像进行灰度化处理得到灰度图；计算各像素点与八邻域内像素点之间像素值比值的最大值，将最大值作为最大梯度值；将各像素点的像素值替换为最大梯度值，得到梯度图像。
8、有益效果为：在梯度图像中，边缘区域的像素值较高，非边缘区域的像素值较低，从而突出了图像的边缘特征。
9、可选的，对梯度图进行聚类得到多个聚类簇中，聚类采用的算法为dbscan。
10、可选的，聚类中邻域半径的计算方法为：计算各灰度值与标准灰度值的相似评价；遍历所有灰度值的相似评价，将相似评价最大值对应的像素点作为目标像素点，将目标像素点的梯度值与任一像素点的梯度值的比值与1差值的绝对值作为距离值，将距离值的最小值作为邻域半径。
11、有益效果为：根据封边区域内的像素点的像素值设置合适的邻域半径，即根据图像内容自适应调整邻域半径的取值。相对于采用固定的邻域阈值，提高了识别的准确率。
12、可选的，相似评价的计算公式为：，其中，为灰度值与标准灰度值的相似评价，为标准灰度值，标准灰度值为标准封边区域中像素点的像素值，为灰度值为的像素点与梯度图中所有像素点总数的比值。
13、有益效果为：识别出图像中与标准灰度值最为相似的区域，以判定封边区域内与标准封边区域（无缺陷的封边区域）较为相似的区域，以找到图像中封边区域中非损坏的区域。
14、可选的，合并系数的计算公式为：，其中，为合并系数，为第一个聚类簇中像素值为的像素点与第一个聚类簇所有像素点的比值，为第二个聚类簇中像素值为的像素点与第二个聚类簇所有像素点的比值，表示双曲正切函数。
15、第二方面，本申请提供基于机器视觉的板材加工封边检测系统，采用如下的技术方案：
16、基于机器视觉的板材加工封边检测系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据上述的基于机器视觉的板材加工封边检测方法。
17、有益效果为：将上述的基于机器视觉的板材加工封边检测方法生成计算机程序，并存储于存储器中，以被处理器加载并执行，从而，根据存储器及处理器制作系统，方便使用。
18、本申请具有以下技术效果：
19、1、划定初始区域，再根据合并系数合并相似的初始区域后得到待测区域，对待测区域进行分类，找到封条上的无损区域，使用无损区域所在的最小外界矩形表达封条所在的区域，即封边区域，封边区域包括了无损区域与缺陷区域，通过对封边区域与无损区域中的像素值进行异或运算，得到缺陷区域。相对于直接使用边缘计算确定封边区域的边缘，使封边区域与非封边区域的边界划分更精准，以提高后续缺陷识别的准确性，尤其是对于边界上的损伤，识别的准确度更高。
20、2、根据封边区域内的像素点的像素值设置合适的邻域半径，即根据图像内容自适应调整邻域半径的取值。相对于采用固定的邻域阈值，提高了识别的准确率。
本文档来自技高网...【技术保护点】
1.基于机器视觉的板材加工封边检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于机器视觉的板材加工封边检测方法，其特征在于，合并系数的计算公式为：，其中，为合并系数，为第一个聚类簇的像素值的个数，为第二个聚类簇的像素值的个数，为第一个聚类簇中像素值为的像素点与第一个聚类簇所有像素点的比值，为第二个聚类簇中像素值为的像素点与第二个聚类簇所有像素点的比值，表示双曲正切函数。
3.根据权利要求1所述的基于机器视觉的板材加工封边检测方法，其特征在于，获取采集图像并进行处理后得到梯度图，包括步骤：
4.根据权利要求1所述的基于机器视觉的板材加工封边检测方法，其特征在于，对梯度图进行聚类得到多个聚类簇中，聚类采用的算法为DBSCAN。
5.根据权利要求4所述的基于机器视觉的板材加工封边检测方法，其特征在于，聚类中邻域半径的计算方法为：
6.根据权利要求5所述的基于机器视觉的板材加工封边检测方法，其特征在于，相似评价的计算公式为：
7.根据权利要求1所述的基于机器视觉的板材加工封边检测方法，其特征在于，合并系数
8.基于机器视觉的板材加工封边检测系统，其特征在于，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1-7任一项所述的基于机器视觉的板材加工封边检测方法。
...【技术特征摘要】
1.基于机器视觉的板材加工封边检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于机器视觉的板材加工封边检测方法，其特征在于，合并系数的计算公式为：，其中，为合并系数，为第一个聚类簇的像素值的个数，为第二个聚类簇的像素值的个数，为第一个聚类簇中像素值为的像素点与第一个聚类簇所有像素点的比值，为第二个聚类簇中像素值为的像素点与第二个聚类簇所有像素点的比值，表示双曲正切函数。
3.根据权利要求1所述的基于机器视觉的板材加工封边检测方法，其特征在于，获取采集图像并进行处理后得到梯度图，包括步骤：
4.根据权利要求1所述的基于机器视觉的板材加工封边检测方法，其特征在于，对梯度图进行聚类得到多个聚类簇中，聚类采用的算法为dbscan。
5.根据权...
【专利技术属性】
技术研发人员：文峰，秦振伟，邹刚，梁浩伟，曹梦莲，
申请(专利权)人：南兴装备股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。