本發(fā)明涉及板材檢測，具體涉及一種基于視覺識別的木板檢測方法及系統(tǒng)。

背景技術(shù)：

1、目前，在定制家具行業(yè)，板式家具是使用各種不同尺寸的板件裝拼而成的，板件大小尺寸是其中最關(guān)鍵的質(zhì)量指標之一，板件尺寸過大會導致各個部件之間產(chǎn)生干涉導致組裝不上，尺寸過小會導致部件之間縫隙過大影響美觀?，F(xiàn)有的尺寸檢測設(shè)備主要分為兩種：通過卡式尺寸檢測，相機固定、板件在平穩(wěn)運行的過程中進行檢測，通過式檢測對機械輸送系統(tǒng)平穩(wěn)性要求極高，機械成本很高且占地較大，輸送平臺需要2倍以上的板件長度；固定式尺寸檢測，將板件輸送或放置在設(shè)備中，通過移動相機掃描板件、或移動相機到板件四個邊角拍照檢測尺寸，檢測速度比較慢。因此，設(shè)計一種能夠高效進行木板檢測的方案成為本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、針對所述缺陷，本發(fā)明實施例公開了一種基于視覺識別的木板檢測方法，其能夠?qū)崿F(xiàn)木板的高效檢測，提升整體檢測效率。

2、本發(fā)明實施例第一方面公開了基于視覺識別的木板檢測方法，包括：

3、通過紅外攝像頭來獲取設(shè)置于第一檢測平臺處的第一檢測圖像，所述第一檢測圖像包括木板板材圖像和第一圖像分辨率；并對所述第一檢測圖像信息進行灰度值變化以得到第一灰度圖像；

4、對所述第一灰度圖像進行圖像增強處理以得到增強檢測圖像；并將所述增強檢測圖像輸入至圖像識別模型中來進行圖像識別處理以確定增強檢測圖像中各個木板板材的輪廓圖像信息；

5、通過輪廓識別算法來對各個木板板材的輪廓圖像信息進行圖像識別處理以確定各個木板板材的輪廓圖像信息的輪廓特征參數(shù)，所述輪廓特征參數(shù)包括輪廓尺寸信息；

6、將增強檢測圖像中各個木板板材的輪廓圖像信息輸入至預(yù)先構(gòu)建完成的板材缺陷識別模型中進行識別以得到各個木板板材的紅外缺陷識別結(jié)果；并輸出相應(yīng)的紅外缺陷識別結(jié)果。

7、作為一種可選的實施方式，在本發(fā)明實施例第一方面中，所述木板檢測方向應(yīng)用于板材檢測系統(tǒng)，所述板材檢測系統(tǒng)包括紅外檢測系統(tǒng)和可見光檢測系統(tǒng)；所述紅外檢測系統(tǒng)包括紅外攝像頭、第一檢測框架和第一檢測平臺，所述第一檢測平臺和紅外攝像頭均設(shè)置于所述第一檢測框架處，所述紅外攝像頭用于獲取第一檢測平臺處的紅外圖像信息；所述可見光檢測系統(tǒng)包括可見光攝像頭、第二檢測框架和第二檢測平臺；所述第二檢測平臺和可見光攝像頭均設(shè)置于所述第二檢測框架處，所述可見光攝像頭用于獲取第二檢測平臺處的可見光圖像信息；

8、所述木板檢測方法，還包括：

9、通過可見光攝像頭來獲取設(shè)置于第二檢測平臺處的第二檢測圖像，所述第二檢測圖像包括木板板材圖像和第二圖像分辨率，且所述第一圖像分辨率和第二圖像分辨率相匹配；

10、將所述第二檢測圖像輸入至預(yù)先構(gòu)建完成的外觀缺陷識別模型中進行識別以得到各個木板板材的外觀缺陷識別結(jié)果，所述外觀缺陷識別結(jié)果包括缺陷類型以及缺陷位置，其中，所述缺陷位置為缺陷中心點距離各個邊角點的長度信息；

11、根據(jù)各個木板板材的紅外缺陷識別結(jié)果和外觀缺陷識別來確定最終缺陷結(jié)果，并對所述最終缺陷結(jié)果進行輸出。

12、作為一種可選的實施方式，在本發(fā)明實施例第一方面中，所述將所述第二檢測圖像輸入至預(yù)先構(gòu)建完成的外觀缺陷識別模型中進行識別以得到各個木板板材的外觀缺陷識別結(jié)果，包括：

13、將所述第二檢測圖像輸入構(gòu)建完成的外觀缺陷識別模型以得到初步識別結(jié)果，初步識別結(jié)果包括缺陷的類型及缺陷的置信度；確定置信度大于對應(yīng)缺陷類型所預(yù)設(shè)的置信度閾值的全部缺陷；

14、所述根據(jù)各個木板板材的紅外缺陷識別結(jié)果和外觀缺陷識別來確定最終缺陷結(jié)果，包括：

15、確定紅外缺陷識別結(jié)果和外觀缺陷識別結(jié)果中相應(yīng)缺陷類型的先驗概率；

16、計算紅外缺陷識別結(jié)果和外觀缺陷識別結(jié)果的條件概率；

17、將紅外缺陷識別結(jié)果和外觀缺陷識別結(jié)果中相應(yīng)缺陷類型的先驗概率以及紅外缺陷識別結(jié)果和外觀缺陷識別結(jié)果的條件概率輸入至貝葉斯模型中以確定各類缺陷的后驗概率結(jié)果，并輸出所述后驗概率結(jié)果。

18、作為一種可選的實施方式，在本發(fā)明實施例第一方面中，所述對所述第一灰度圖像進行圖像增強處理以得到增強檢測圖像，包括：

19、獲取第一灰度圖像和第二灰度圖像，并通過高斯濾波器來對獲取到的第一灰度圖像和第二灰度圖像進行高斯濾波以得到濾波后的灰度圖像；

20、按照設(shè)定的下采樣規(guī)則來對濾波后的灰度圖像進行下采樣操作以得到相應(yīng)的下采樣圖像；

21、將上述得到的下采樣圖像作為圖像輸入再次進行低通濾波和下采樣，直至達到設(shè)定的第一采樣層數(shù)以得到一個包含多層分辨率且分辨率逐漸降低的第一處理圖像集合；所述第一處理圖像集合包括多層第一處理圖像；

22、對所述第一處理圖像集合中每一層進行上采樣處理以得到恢復(fù)其原始分辨率的上采樣圖像；所述上采樣通過雙線性插值方式進行處理；

23、將進行上采樣后的上采樣圖像與第一處理圖像集合中的下一層圖像進行像素相減以得到第二處理圖像集合的對應(yīng)層；所述第二處理圖像集合包括多層第二處理圖像；

24、對于每個像素位置，比較第一灰度圖像和第二灰度圖像中對應(yīng)位置的參數(shù)的最大絕對值作為融合后的參數(shù)，遍歷所述第二處理圖像集合中的每一層以得到融合后的第二處理圖像集合；

25、從融合后的第二處理圖像集合的最頂層開始逐層向下進行圖像重建；

26、對當前層的融合后拉普拉斯系數(shù)進行上采樣，以匹配下一層圖像的分辨率；并將上采樣后的圖像與下一層的融合后高斯金字塔圖像；對每一層都執(zhí)行上述操作，直到重建出完整的融合圖像以得到增強檢測圖像。

27、作為一種可選的實施方式，在本發(fā)明實施例第一方面中，所述通過輪廓識別算法來對各個木板板材的輪廓圖像信息進行圖像識別處理以確定各個木板板材的輪廓圖像信息的輪廓特征參數(shù)，包括：

28、通過梯度算子來對各個木板板材的輪廓圖像信息進行梯度計算，得到圖像在x方向和y方向上的梯度信息；

29、根據(jù)得到的梯度信息構(gòu)建每個像素點的角點響應(yīng)矩陣；

30、根據(jù)每個像素點的角點響應(yīng)矩陣，計算其角點響應(yīng)值，并對計算得到的角點響應(yīng)值進行閾值化處理，對閾值化處理后的角點進行非極大值抑制以消除冗余角點；

31、若角點響應(yīng)值超過第一設(shè)定閾值，則將相應(yīng)像素點確定為角點，通過計算相鄰角點之間的連線夾角以確定相應(yīng)的矩形輪廓圖像的邊角點；根據(jù)矩形輪廓圖像的邊角點來確定各個木板板材的輪廓圖像信息的輪廓特征參數(shù)；

32、或，通過梯度算子來對各個木板板材的輪廓圖像信息進行梯度計算，得到圖像在x方向和y方向上的梯度；

33、根據(jù)得到的梯度信息構(gòu)建每個像素點的角點響應(yīng)矩陣；

34、通過計算角點響應(yīng)矩陣的兩個最小特征值的差來判斷角點，通過計算相鄰角點之間的連線夾角以確定相應(yīng)的矩形輪廓圖像的邊角點；根據(jù)矩形輪廓圖像的邊角點來確定各個木板板材的輪廓圖像信息的輪廓特征參數(shù)。

35、作為一種可選的實施方式，在本發(fā)明實施例第一方面中，在紅外檢測系統(tǒng)與可見光檢測系統(tǒng)之間還設(shè)置有加熱系統(tǒng)，所有木板板材依次通過可見光系統(tǒng)、加熱系統(tǒng)以及紅外檢測系統(tǒng)；

36、在所述通過紅外攝像頭來獲取設(shè)置于第一檢測平臺處的第一檢測圖像之前，還包括：

37、通過加熱系統(tǒng)中的加熱組件實現(xiàn)對木板板材的加熱操作；

38、所述可見光檢測系統(tǒng)中的可見光攝像頭的數(shù)量至少為兩個，所述紅外檢測系統(tǒng)中的紅外攝像頭的數(shù)量至少為兩個；

39、所述通過紅外攝像頭來獲取設(shè)置于第一檢測平臺處的第一檢測圖像，包括：

40、通過設(shè)置于第一檢測框架處的多個紅外攝像頭來獲取設(shè)置于第一檢測平臺處的第一紅外圖像組，所述第一檢測圖像組包括多個第一紅外圖像；

41、獲取多個第一紅外圖像的兩側(cè)邊緣像素點數(shù)據(jù)并確定相鄰的第一紅外圖像是否重疊區(qū)域面積，并根據(jù)所述重疊區(qū)域面積來依次對多個第一紅外圖像進行拼接操作以得到第一檢測圖像；

42、和/或，所述紅外檢測系統(tǒng)包括進料輔助機構(gòu)、背光發(fā)光平臺、出料輔助機構(gòu)；其中，所述進料輔助機構(gòu)包括第一驅(qū)動電機和第一包膠輥棒，所述第一驅(qū)動電機用于驅(qū)動第一包膠輥棒滾動，所述出料輔助機構(gòu)包括第二驅(qū)動電機和第二包膠輥棒；所述第二驅(qū)動電機用于驅(qū)動第二包膠輥棒滾動；

43、所述背光發(fā)光平臺包括鋼化玻璃、發(fā)光燈組以及均光層，所述均光層位于所述鋼化玻璃之間發(fā)光燈組，所述發(fā)光燈組、第一驅(qū)動電機和第二電機均與工控機電性連接。

44、作為一種可選的實施方式，在本發(fā)明實施例第一方面中，所述紅外攝像頭和可見光攝像頭通過如下步驟進行標定：

45、將標定模板放置于檢測平面上，通過待標定紅外攝像頭或可見光攝像頭拍攝若干張模板圖像并檢測出圖像中的第一方向像素點和第二方向像素點；

46、根據(jù)所述第一方向像素點和第二方向像素點和像素-長度映射關(guān)聯(lián)來確定相應(yīng)標定模板的第一檢測參數(shù)和第二檢測參數(shù)；

47、根據(jù)所述第一檢測參數(shù)與標定模板的第一標定參數(shù)進行匹配以確定第一校正參數(shù)，根據(jù)所述第二檢測參數(shù)與標定模板的第二標定參數(shù)進行匹配以確定第二校正參數(shù)；并保存所述第一校正參數(shù)和第二校正參數(shù)。

48、本發(fā)明實施例第二方面公開一種基于視覺識別的木板檢測系統(tǒng)，包括：

49、獲取模塊：用于通過紅外攝像頭來獲取設(shè)置于第一檢測平臺處的第一檢測圖像，所述第一檢測圖像包括木板板材圖像和第一圖像分辨率；并對所述第一檢測圖像信息進行灰度值變化以得到第一灰度圖像；

50、增強處理模塊：用于對所述第一灰度圖像進行圖像增強處理以得到增強檢測圖像；并將所述增強檢測圖像輸入至圖像識別模型中來進行圖像識別處理以確定增強檢測圖像中各個木板板材的輪廓圖像信息；

51、參數(shù)確定模塊：用于通過輪廓識別算法來對各個木板板材的輪廓圖像信息進行圖像識別處理以確定各個木板板材的輪廓圖像信息的輪廓特征參數(shù)，所述輪廓特征參數(shù)包括輪廓尺寸信息；

52、缺陷識別模塊：用于將增強檢測圖像中各個木板板材的輪廓圖像信息輸入至預(yù)先構(gòu)建完成的板材缺陷識別模型中進行識別以得到各個木板板材的紅外缺陷識別結(jié)果；并輸出相應(yīng)的紅外缺陷識別結(jié)果。

53、本發(fā)明實施例第三方面公開一種電子設(shè)備，包括：存儲有可執(zhí)行程序代碼的存儲器；與所述存儲器耦合的處理器；所述處理器調(diào)用所述存儲器中存儲的所述可執(zhí)行程序代碼，用于執(zhí)行本發(fā)明實施例第一方面公開的基于視覺識別的木板檢測方法。

54、本發(fā)明實施例第四方面公開一種計算機可讀存儲介質(zhì)，其存儲計算機程序，其中，所述計算機程序使得計算機執(zhí)行本發(fā)明實施例第一方面公開的基于視覺識別的木板檢測方法。

55、與現(xiàn)有技術(shù)相比，本發(fā)明實施例具有以下有益效果：

56、本發(fā)明實施例中基于視覺識別的木板檢測方法通過紅外攝像頭獲取木板板材的圖像，這種方法能夠利用紅外線的特性，有效捕捉到木板表面的溫度分布差異，這對于檢測木板內(nèi)部的缺陷（如裂紋、腐朽等）尤為有效，因為這些缺陷往往會導致局部溫度異常。

57、通過圖像識別模型處理增強后的檢測圖像，能夠精確識別出各個木板板材的輪廓圖像信息。進一步利用輪廓識別算法，可以提取出輪廓特征參數(shù)，如輪廓尺寸信息，這對于木板板材的規(guī)格檢測和質(zhì)量控制至關(guān)重要。