一種視頻檢測地板正反面的方法
【專利摘要】本發(fā)明公開了一種視頻檢測地板正反面的方法，利用攝像機采集生產(chǎn)線上地板的圖像信息，對采集到的地板圖像信息進行分塊，通過灰度化，顏色提取算法的處理，獲取圖像信息的紅色分量平均值和灰度分布的最大值作為特征，利用監(jiān)督學習算法識別獲取圖像中地板的正反面信息，之后利用攝像機持續(xù)采集生產(chǎn)線上地板的圖像信息，并利用監(jiān)督學習算法識別地板的正反面。本發(fā)明可以有效的識別生產(chǎn)線上地板的正反面，降低工人勞動強度，有助于提高生產(chǎn)效率。
【專利說明】一種視頻檢測地板正反面的方法
【技術領域】
[0001]本發(fā)明屬于數(shù)字圖像處理技術和計算機【技術領域】，涉及一種視頻檢測地板正反面的方法。
【背景技術】
[0002]檢測地板的正反面是地板生產(chǎn)線上必須的一道工序，直接關系到最終產(chǎn)品的質量。目前，常用的檢測方法是人工檢測，這種方法需要工人24小時值守在生產(chǎn)線旁對生產(chǎn)線上運動的地板的正反面進行判斷，故而勞動單一重復，效率低下，極大的浪費了人力資源。吳長慶等提出過一種使用色差計的木板顏色分等檢測方法，該方法可以對顏色差異較大的木板進行分等，但是在木板顏色較為相近時使用色差計的效果尚未可知，同時利用色差計的方法目前只用于三種不同顏色木板的分類中。
[0003]近年來計算機視覺有了很大的發(fā)展，目前針對木材的計算機視覺研究更多側重于木材表面缺陷檢測方面。結合模式識別技術，通過引入基于人工神經(jīng)網(wǎng)絡等分類算法，以顏色特征進行分類，構建板材表面缺陷的識別算法，重點論述的對缺陷分類識別的實現(xiàn)過程及方法。使用計算機視覺和數(shù)字圖像處理技術可以取代現(xiàn)有的人工檢測方法，大大的提高生產(chǎn)效率，但是，而對于地板的正反面檢測的視頻檢測方法還少有涉及。

【發(fā)明內容】

[0004]技術問題:本發(fā)明提供一種檢測正確率高、提高了檢測效率的地板正反面的視頻檢測方法。
[0005]技術方案:本發(fā)明的地板正反面的`視頻檢測方法，包括以下步驟:
[0006]I)利用攝像機分別采集地板的正面圖像信息和反面圖像信息；
[0007]2)將采集到的地板正面圖像信息和反面圖像信息分別分為N個子圖像，并從每個子圖像中提取出灰度圖像和紅色分量圖像，其中N為大于等于3的奇數(shù)，且N小于圖像像素點的總個數(shù)；
[0008]3)計算灰度圖像的灰度分布概率并提取灰度分布概率的最大值，計算紅色分量圖像的平均值；
[0009]4)利用監(jiān)督學習算法進行地板正反面圖像信息的參數(shù)學習；
[0010]5)利用攝像機持續(xù)采集生產(chǎn)線上地板的圖像信息，然后利用監(jiān)督學習算法識別地板的正反面。
[0011]本發(fā)明方法中，步驟2)的具體流程為:將地板圖像信息f(x，y)分成N幅子圖像，記為fi(x, y)，i = 1，2，…，N,其中(x，y)為像素點的坐標,然后提取出每幅子圖像fjx，y)的灰度分量值作為灰度圖像gi(x，y)，提取出fi(x，y)的紅色分量圖像巧0^7)。上述地板圖像A U，y)是對地板正面圖像信息和反面圖像信息的統(tǒng)稱。
[0012]本發(fā)明方法的一個優(yōu)選方案中，步驟2)中將地板圖像信息f(x，y)分成均等的N幅子圖像；[0013]本發(fā)明方法中，步驟3)的具體流程為:
[0014]根據(jù)下式計算灰度圖像gi (χ, y)的灰度分布概率:
【權利要求】
1.一種視頻檢測地板正反面的方法，其特征在于，該方法包括以下步驟: 1)利用攝像機分別采集地板的正面圖像信息和反面圖像信息； 2)將采集到的地板正面圖像信息和反面圖像信息分別分為N個子圖像，并從每個子圖像中提取出灰度圖像和紅色分量圖像，其中N為大于等于3的奇數(shù)，且N小于圖像像素點的總個數(shù)； 3)計算灰度圖像的灰度分布概率并提取所述灰度分布概率的最大值，計算紅色分量圖像的平均值； 4)利用監(jiān)督學習算法進行地板正反面圖像信息的參數(shù)學習； 5)利用攝像機持續(xù)采集生產(chǎn)線上地板的圖像信息，然后利用監(jiān)督學習算法識別地板的正反面。
2.根據(jù)權利要求1所述的視頻檢測地板正反面的方法，其特征在于，所述步驟2)的具體流程為: 將地板圖像信息f (χ, y)分成N幅子圖像,記為=其中(x，y)為像素點的坐標，然后提取出每幅子圖像fi(x，y)的灰度分量值作為灰度圖像gi(x，y)，提取出fi (X，y)的紅色分量圖像η (χ, y)。
3.根據(jù)權利要求2所述的視頻檢測地板正反面的方法，其特征在于，所述步驟2)中，將地板圖像信息f (X，y)分成均等的N幅子圖像。
4.根據(jù)權利要求1、2或3所述的視頻檢測地板正反面的方法，其特征在于，所述步驟4)和5)中使用的監(jiān)督學習算法為最小`平方誤差判別算法或高斯判別分析算法。
5.根據(jù)權利要求1、2或3所述的視頻檢測地板正反面的方法，其特征在于，所述步驟3)的具體流程為: 根據(jù)下式計算灰度圖像gi(x，y)的灰度分布概率:
χΣhi("z"?).'(A(in,n) ^k) P;{k) = ^^-—-,^ = 0,1,...,255,/ = 1,2,---,iV

W _ H 其中PiGO為灰度值為k的像素點的灰度分布概率，k代表灰度圖像gi(x，y)的灰度值，hi (m, η)為灰度圖像gi(x，y)在坐標(m，η)處的值，W為子圖像的寬度，H為子圖像的高度，符號I Oii (m, n) = k)表示:如果Iii (m, η)等于k,貝丨J I Qii (m, n) = k)為I,否則為O ； 提取出灰度分布概率Pi (k)的最大值，記為HiaxPi ; 根據(jù)下式計算紅色分量圖像A (x, y)的平均值:—噸= …，N
m=\ η-1 ^ ^ 其中，HieanRi為紅色分量圖像η (χ, y)的平均值，Ii (m, η)為紅色分量圖像η (x, y)在坐標(m，n)處的值。
6.根據(jù)權利要求5所述的視頻檢測地板正反面的方法，其特征在于，所述步驟4)和5)中使用的監(jiān)督學習算法為最小平方誤差判別算法或高斯判別分析算法。
【文檔編號】G06K9/62GK103559486SQ201310554764
【公開日】2014年2月5日 申請日期:2013年11月11日 優(yōu)先權日:2013年11月11日
【發(fā)明者】尚進, 李志超, 費樹岷, 沈捷 申請人:東南大學