CN115239714A - 一种用于地板生产的原木材料分级评价方法 - Google Patents
一种用于地板生产的原木材料分级评价方法 Download PDFInfo
- Publication number
- CN115239714A CN115239714A CN202211154320.3A CN202211154320A CN115239714A CN 115239714 A CN115239714 A CN 115239714A CN 202211154320 A CN202211154320 A CN 202211154320A CN 115239714 A CN115239714 A CN 115239714A
- Authority
- CN
- China
- Prior art keywords
- hole
- direction vector
- defect
- area
- hole area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 42
- 239000002023 wood Substances 0.000 title claims abstract description 32
- 238000011156 evaluation Methods 0.000 title claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 23
- 239000013598 vector Substances 0.000 claims abstract description 104
- 230000007547 defect Effects 0.000 claims abstract description 89
- 238000000034 method Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 6
- 230000011218 segmentation Effects 0.000 description 5
- 241000233866 Fungi Species 0.000 description 4
- 240000007829 Haematoxylum campechianum Species 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 229920002522 Wood fibre Polymers 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229920005610 lignin Polymers 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- QVRVXSZKCXFBTE-UHFFFAOYSA-N n-[4-(6,7-dimethoxy-3,4-dihydro-1h-isoquinolin-2-yl)butyl]-2-(2-fluoroethoxy)-5-methylbenzamide Chemical compound C1C=2C=C(OC)C(OC)=CC=2CCN1CCCCNC(=O)C1=CC(C)=CC=C1OCCF QVRVXSZKCXFBTE-UHFFFAOYSA-N 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000002025 wood fiber Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30161—Wood; Lumber
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种用于地板生产的原木材料分级评价方法,包括:采集原木材料图像,获取孔洞区域,提取孔洞区域像素点的方向向量,进一步得到孔洞区域的延伸方向,根据所有孔洞区域的延伸方向获取整体延伸相似性;根据孔洞区域内像素点的灰度值以及位置获取像素点的中心表征,进一步获取孔洞区域的中心;根据所有孔洞区域的中心获取整体密度均匀性;根据整体延伸相似性与整体密度均匀性得到缺陷区分系数。本发明通过分析孔洞区域内像素点的分布以及不同孔洞区域之间的相对位置关系获取整体延伸相似性以及整体密度均匀性,可准确区分虫洞缺陷与白腐缺陷,实现了更精确的缺陷识别,提高了对原木材料进行分级评价的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种用于地板生产的原木材料分级评价方法。
背景技术
地板作为现代家具行业中最为常见的产品之一,其本身根据原材料的不同价格也不同,而对于不同价格的地板,除却制造地板的原木木材本身种类的名贵与否,其还与原木材料本身存在的缺陷有关,对制造木制地板的原木材料进行分级是衡量地板产品价格的重要手段,同时对原木材料进行分级并根据分级结果选择更好加工的方式也是为了更好的利用原木材料进行地板等家具制品的生产。
对原木材料的分级评价与原木木材本身存在的缺陷有关,现有的国家标准根据原木木材单位体积上各种类缺陷的数量等指标对原木木材进行分级,而现有对原木缺陷的检查一般依赖人工检验,这种方式耗费人力成本较高且检查结果不稳定。而随着当前图像处理领域的发展,利用对原木材料表面图像进行图像处理进而识别原木缺陷的方法应用越来越广泛,而现有的图像处理技术识别木材缺陷时容易将木材表面的虫洞缺陷与白腐缺陷(白腐菌腐朽)混淆,这是由于虫洞缺陷的外在表现为大小不一的孔洞,而白腐缺陷外在表现也是木材出现蜂窝状的大小不一的筛孔缺陷,这就导致现有的利用阈值分割等方式将孔洞识别出来并进行虫洞缺陷检测的方法无法很好的将白腐缺陷与虫洞缺陷区分开,而白腐缺陷说明原木木材已经出现腐朽的状况,不能保证整个原木木材的强度,而虫洞缺陷只是洞本身位置为空洞,木材未出现孔洞缺陷的地方是完好的。因此区分白腐缺陷与虫洞缺陷是实现对原木材料进行分级的重要过程。
发明内容
本发明提供一种用于地板生产的原木材料分级评价方法,以解决现有的问题。
本发明的一种用于地板生产的原木材料分级评价方法采用如下技术方案:
本发明一个实施例提供了一种用于地板生产的原木材料分级评价方法,该方法包括以下步骤:
获取原木材料的灰度归一化图像,根据第一预设阈值获取灰度归一化图像上的所有孔洞区域;
根据每个孔洞区域内每个像素点以及邻域内所有孔洞点获取每个孔洞区域内每个像素点的所有方向向量,将每个孔洞区域内所有像素点的所有方向向量合并得到每个孔洞区域的延伸方向;计算任意两个孔洞区域的延伸方向的相似度,将所有孔洞区域两两之间的延伸方向的相似度的均值作为整体延伸相似性;
根据每个孔洞区域内每个像素点的灰度值、所有像素点的个数以及像素点之间的欧式距离计算每个孔洞区域内每个像素点的中心表征,将每个孔洞区域内中心表征最小的像素点作为所述孔洞区域的中心;获取每个孔洞区域的中心的邻居区域中心,计算每个孔洞区域的中心与所述邻居区域中心的欧式距离作为每个孔洞区域的第一距离;根据所有孔洞区域的第一距离获取整体密度均衡性;
根据整体延伸相似性以及整体密度均衡性获取缺陷区分系数;根据缺陷区分系数以及第二预设阈值获取孔洞缺陷类别。
优选的,所述获取原木材料的灰度归一化图像,根据第一预设阈值获取灰度归一化图像上的所有孔洞区域包括:
采集原木材料的表面灰度图像,对表面灰度图像进行最大值最小值归一化得到原木材料的归一化图像,将归一化图像中灰度值小于等于第一预设阈值的像素点作为孔洞点,所有相邻的孔洞点构成一个孔洞区域。
优选的,所述根据每个孔洞区域内每个像素点以及邻域内所有像素点获取每个孔洞区域内每个像素点的所有方向向量包括:
以每个孔洞区域内每个像素点为起点,以所述像素点八邻域内灰度值较所述像素点大的每个孔洞点为终点,构建多个单位向量,作为所述像素点的所有方向向量。
优选的,所述将每个孔洞区域内所有像素点的所有方向向量合并得到每个孔洞区域的延伸方向包括:
获取每个孔洞区域内所有像素点的所有方向向量,构成每个孔洞区域的方向向量集合,获取每个孔洞区域的方向向量集合中任意两个方向向量作为第一方向向量和第二方向向量,将第一方向向量从所述方向向量集合中删除;对第一方向向量和第二方向向量进行合并操作,包括:
计算第一方向向量和第二方向向量的加和,得到第三方向向量,将第三方向向量的模置为1作为新的第一方向向量;将第二方向向量从所述方向向量集合中删除;获取所述方向向量集合中任意一个方向向量作为新的第二方向向量;
重复对新的第一方向向量与新的第二方向向量进行合并操作,直到所述方向向量集合为空时停止迭代,将新的第一方向向量作为所述孔洞区域的延伸方向。
优选的,所述计算任意两个孔洞区域的延伸方向的相似度包括:
优选的,所述中心表征的表达式为:
其中为第个孔洞区域中第个像素点的中心表征;为第个孔洞区域内像
素点的个数;为第个孔洞区域中第个像素点的灰度值;为第个孔洞区域内第
个像素点与第个孔洞区域的欧式距离;为第个孔洞区域内欧式距离最大的两个像素点
之间的欧式距离。
优选的,所述获取每个孔洞区域的中心的邻居区域中心包括:
计算每个孔洞区域的中心到其他孔洞区域的中心的欧式距离,选择最小的欧式距离对应的孔洞区域的中心作为所述每个孔洞区域的中心的邻居区域中心。
优选的,所述整体密度均衡性的表达式为:
优选的,所述缺陷区分系数的表达式为:
优选的,所述根据缺陷区分系数以及第二预设阈值获取孔洞缺陷类别包括:
当缺陷区分系数大于第二预设阈值时,孔洞缺陷为虫洞缺陷;当缺陷区分系数小于等于第二预设阈值时,孔洞缺陷为白腐缺陷。
本发明的有益效果是:采集原木材料图像,获取孔洞区域,提取孔洞区域像素点的方向向量,进一步得到孔洞区域的延伸方向,根据所有孔洞区域的延伸方向获取整体延伸相似性;根据孔洞区域内像素点的灰度值以及位置获取每个像素点的中心表征,进一步获取每个孔洞区域的中心;根据所有孔洞区域的中心获取整体密度均匀性;根据整体延伸相似性与整体密度均匀性得到缺陷区分系数。相对于现有的利用阈值分割进行虫洞缺陷识别的图像处理方法,本发明通过分析孔洞区域内像素点的分布以及不同孔洞区域之间的相对位置关系获取整体延伸相似性以及整体密度均匀性,可准确区分虫洞缺陷与白腐缺陷,解决了现有利用阈值分割进行缺陷识别的方法不能有效区分虫洞缺陷与白腐缺陷的缺点,实现了更精确的缺陷识别,提高了对原木材料进行分级评价的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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他的附图。
图1为本发明的一种用于地板生产的原木材料分级评价方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明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,对依据本发明提出的一种用于地板生产的原木材料分级评价方法,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。
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。
下面结合附图具体的说明本发明所提供的一种用于地板生产的原木材料分级评价方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于地板生产的原木材料分级评价方法的步骤流程图,该方法包括以下步骤:
101.获取原木材料的灰度归一化图像,根据第一预设阈值获取灰度归一化图像上的所有孔洞区域。
利用工业相机拍摄原木传送带上原木材料的表面灰度图像,将灰度图像上各像素点的灰度值按照最小值与最大值进行归一化,得到原木材料的归一化图像。
需要说明的是,孔洞区域在灰度图像上一般表现为灰度值较低的区域。因此在本
实施例中设置第一预设阈值,将归一化图像中灰度值大于第一预设阈值的像素点标记
为非孔洞点,将灰度值小于等于第一预设阈值的像素点标记为孔洞点。本实施例中第一预
设阈值,在其他实施例中,实施人员可根据需要设置的值。
如此得到了所有孔洞点,将直接或间接相邻的孔洞点标记为一个孔洞区域。本实施例中,直接相邻是指一个孔洞点位于另外一个孔洞点的八邻域内时,则此两个孔洞点直接相邻。间接相邻是指一个孔洞点与另外一个孔洞点不直接相邻,但此两个孔洞点之间存在直接相邻的一个或多个孔洞点使得此两个孔洞点可达。
至此,获取了归一化图像上的所有孔洞区域。
102.获取每个孔洞区域的延伸方向,计算整体延伸相似性。
需要说明的是,对于一个孔洞区域,其包含的孔洞点的灰度值虽然均为灰度值较低的像素点,但互相之间还是存在一些较小的差别,这些差别可以表示孔洞的深浅(灰度值小则说明该像素点位置的孔洞较深,反之较浅。),也即孔洞在被观察面的延伸方向,对于一个孔洞区域若以较深的地方至较浅的地方的延伸趋势作为该孔洞区域的延伸方向,则就需要根据孔洞区域内像素点的灰度值以及位置信息进行孔洞区域延伸方向的计算,具体方式如下:
将图像上第个孔洞区域中的第个像素点将其记为,对于像素点,考虑该
像素点与其八邻域内的其他的孔洞点(非孔洞点不考虑)之间的灰度值大小关系,将像素点作为起点,将像素点八邻域内灰度值大于像素点的灰度值的一个孔洞点作为终
点,构建一个方向向量,则对于像素点,其可以与八邻域内各灰度值大于像素点灰度
值的所有孔洞点构建多个方向向量,作为像素点的方向向量。需要说明的是,每个方向
向量的模均为1,即每个方向向量均为一个单位向量。每个像素点的方向向量的个数在
的范围内。
同理,获取第个孔洞区域内的所有像素点的方向向量,构成第个孔洞区域的方
向向量集合。获取第个孔洞区域的方向向量集合中任意两个方向向量作为第一方向向量
和第二方向向量,将第一方向向量从第个孔洞区域的方向向量集合中删除;对第一方向向
量和第二方向向量进行合并操作,合并操作具体为:
1.计算第一方向向量和第二方向向量的加和,得到第三方向向量,将第三方向向量的模置为1作为新的第一方向向量;
重复对新的第一方向向量与新的第二方向向量进行合并操作,直到第个孔洞区
域的方向向量集合为空时停止迭代,此时,实现了第个孔洞区域内的所有像素点的方向向
量的合并,最终得到的新的第一方向向量为第个孔洞区域内的所有像素点的方向向量的
合并向量,将其作为第个孔洞区域的延伸方向,记为。需要说明的是,延伸方向的模为1,
即延伸方向为一个单位向量。
同理,可获得每个孔洞区域的延伸方向。
需要说明的是,一个孔洞区域的延伸方向可以表示该孔洞区域的深浅延伸方向性,而对于虫洞来说,由于其为虫蛀引起,虫蛀具有随机性,所以各不同孔洞区域的深浅程度是不尽相同的。而对于由白腐菌引起的白腐缺陷,由于白腐菌分解纤维素以及木质素引起的孔洞是顺着木质纤维的生长方向而延伸的,这就导致白腐缺陷中孔洞区域的深浅延伸方向均趋于一致,也即各个延伸方向均趋于相似。因此,以上述逻辑,计算孔洞区域整体的延伸相似性,具体方式如下:
第个孔洞区域的延伸方向为,第个孔洞区域的延伸方向为,首先计算与的夹角角度,由于向量的夹角角度范围为,因此将与的夹角角度除以进行归
一化,将归一化结果作为第个孔洞区域与第个孔洞区域的延伸方向相似度,记为。
同理,计算任意两个孔洞区域的延伸方向的相似度,将所有孔洞区域两两之间延
伸方向的相似度的均值记为,以该均值作为所有孔洞区域的整体延伸相似性。在获取的
过程中经过了归一化操作,因此也为归一化的值,越趋近于1,说明所有孔洞区域两两之
间越不相似。
103.获取每个孔洞区域的中心,计算整体密度均衡性。
需要说明的是,对于一个孔洞区域,若其中心定义为孔洞区域的形心,则孔洞区域的中心完全由孔洞区域边缘来确定,这样会导致不准确,因为白腐缺陷生成的孔洞是由木材腐朽而成的,其在观察面上的形态可能存在稍微的不同,为了准确定义一个孔洞区域的中心,可将各孔洞区域在当前观察视角下深度最深的点所处位置进行进一步的筛选确定,选取一个中心点。计算方式如下:
对于图像上第个孔洞区域,计算其内第个像素点的中心表征,当像素点为中心点时,其周围与其距离较近的第个孔洞区域内其他像素点越应为灰度值较小的
像素点,与其距离越远的第个孔洞区域内其他像素点越应为灰度值较大的像素点。以此逻
辑进行中心表征的计算:
其中为第个孔洞区域中第个像素点的中心表征;为第个孔洞区域内像
素点的个数;为第个孔洞区域中第个像素点的灰度值;为第个孔洞区域内第
个像素点与第个孔洞区域的欧式距离;为第个孔洞区域内欧式距离最大的两个像素点
之间的欧式距离。
在中心表征的计算中,距离像素点欧式距离越远的像素点的灰度值越不受关
注,反之距离像素点欧式距离越近的像素点的灰度值越受关注,而若距离像素点的
欧式距离较近的像素点的灰度值越小,越说明像素点处在孔洞区域内较深的位置,此时对应的中心表征越小。
同理,获取每个孔洞区域的中心。
需要说明的是,对于虫洞缺陷,由于其为虫蛀所致,因此,相互之间的距离具有很大的随机性,而对于白腐缺陷,由于其为白腐菌腐朽木材所致,白腐缺陷是根据木材本身的致密结构进行蔓延的,因此,白腐缺陷形成的孔洞具有一定的密度均衡性,也即各相邻孔洞之间的距离较为一致,也即孔洞区域均衡分布在图像中。根据上述逻辑计算孔洞区域的整体密度均衡性。方式如下:
对于第个孔洞区域的中心,计算第个孔洞区域的中心到其他孔洞区域的中心的
欧式距离,选择最小的欧式距离对应的孔洞区域的中心作为第个孔洞区域的中心的邻居
区域中心。将第个孔洞区域的中心与其邻居区域中心之间的欧式距离作为第个孔洞区域
的第一距离。
同理,获取所有孔洞区域的第一距离,若所有孔洞区域的第一距离两两之间均相似,则说明所有孔洞区域整体的密度分布较为均衡。则所有孔洞区域的整体密度均衡性为:
其中为整体密度均衡性;为第个孔洞区域的第一距离与第个孔洞区域
的第一距离之间的差值绝对值,其中;为所有孔洞区域两两之
间第一距离的差值绝对值中的最大值;为所有孔洞区域的个数。整体密度均衡性越趋近
于1,越说明所有孔洞区域整体的密度分布不均衡,越趋近于0说明所有孔洞区域整体的密
度分布越均衡。
104.获取缺陷区分系数,进行孔洞缺陷类别识别以及原木材料分级。
若所有孔洞区域的整体延伸相似性趋近于0、整体密度均衡性趋近于0,则说明所
有孔洞区域两两之间的延伸方向越相似且孔洞分布均衡,越说明所有孔洞区域整体越可能
是白腐缺陷,反之,整体延伸相似性趋近于1、整体密度均衡性趋近于1越说明孔洞区域整体
越可能是虫洞缺陷。根据以上述逻辑计算缺陷区分系数如下:
通过以上步骤,完成了原木木材上孔洞缺陷的类别识别以及原木木材的分级评价。
本发明实施例通过采集原木材料图像,获取孔洞区域,提取孔洞区域像素点的方向向量,进一步得到孔洞区域的延伸方向,根据所有孔洞区域的延伸方向获取整体延伸相似性;根据孔洞区域内像素点的灰度值以及位置获取每个像素点的中心表征,进一步获取每个孔洞区域的中心;根据所有孔洞区域的中心获取整体密度均匀性;根据整体延伸相似性与整体密度均匀性得到缺陷区分系数。相对于现有的利用阈值分割进行虫洞缺陷识别的图像处理方法,本发明通过分析孔洞区域内像素点的分布以及不同孔洞区域之间的相对位置关系获取整体延伸相似性以及整体密度均匀性,可准确区分虫洞缺陷与白腐缺陷,解决了现有利用阈值分割进行缺陷识别的方法不能有效区分虫洞缺陷与白腐缺陷的缺点,实现了更精确的缺陷识别,提高了对原木材料进行分级评价的准确性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于地板生产的原木材料分级评价方法,其特征在于,该方法包括以下步骤:
获取原木材料的灰度归一化图像,根据第一预设阈值获取灰度归一化图像上的所有孔洞区域;
根据每个孔洞区域内每个像素点以及邻域内所有孔洞点获取每个孔洞区域内每个像素点的所有方向向量,将每个孔洞区域内所有像素点的所有方向向量合并得到每个孔洞区域的延伸方向;计算任意两个孔洞区域的延伸方向的相似度,将所有孔洞区域两两之间的延伸方向的相似度的均值作为整体延伸相似性;
根据每个孔洞区域内每个像素点的灰度值、所有像素点的个数以及像素点之间的欧式距离计算每个孔洞区域内每个像素点的中心表征,将每个孔洞区域内中心表征最小的像素点作为所述孔洞区域的中心;获取每个孔洞区域的中心的邻居区域中心,计算每个孔洞区域的中心与所述邻居区域中心的欧式距离作为每个孔洞区域的第一距离;根据所有孔洞区域的第一距离获取整体密度均衡性;
根据整体延伸相似性以及整体密度均衡性获取缺陷区分系数;根据缺陷区分系数以及第二预设阈值获取孔洞缺陷类别。
2.根据权利要求1所述的一种用于地板生产的原木材料分级评价方法,其特征在于,所述获取原木材料的灰度归一化图像,根据第一预设阈值获取灰度归一化图像上的所有孔洞区域包括:
采集原木材料的表面灰度图像,对表面灰度图像进行最大值最小值归一化得到原木材料的归一化图像,将归一化图像中灰度值小于等于第一预设阈值的像素点作为孔洞点,所有相邻的孔洞点构成一个孔洞区域。
3.根据权利要求1所述的一种用于地板生产的原木材料分级评价方法,其特征在于,所述根据每个孔洞区域内每个像素点以及邻域内所有像素点获取每个孔洞区域内每个像素点的所有方向向量包括:
以每个孔洞区域内每个像素点为起点,以所述像素点八邻域内灰度值较所述像素点大的每个孔洞点为终点,构建多个单位向量,作为所述像素点的所有方向向量。
4.根据权利要求1所述的一种用于地板生产的原木材料分级评价方法,其特征在于,所述将每个孔洞区域内所有像素点的所有方向向量合并得到每个孔洞区域的延伸方向包括:
获取每个孔洞区域内所有像素点的所有方向向量,构成每个孔洞区域的方向向量集合,获取每个孔洞区域的方向向量集合中任意两个方向向量作为第一方向向量和第二方向向量,将第一方向向量从所述方向向量集合中删除;对第一方向向量和第二方向向量进行合并操作,包括:
计算第一方向向量和第二方向向量的加和,得到第三方向向量,将第三方向向量的模置为1作为新的第一方向向量;将第二方向向量从所述方向向量集合中删除;获取所述方向向量集合中任意一个方向向量作为新的第二方向向量;
重复对新的第一方向向量与新的第二方向向量进行合并操作,直到所述方向向量集合为空时停止迭代,将新的第一方向向量作为所述孔洞区域的延伸方向。
7.根据权利要求1所述的一种用于地板生产的原木材料分级评价方法,其特征在于,所述获取每个孔洞区域的中心的邻居区域中心包括:
计算每个孔洞区域的中心到其他孔洞区域的中心的欧式距离,选择最小的欧式距离对应的孔洞区域的中心作为所述每个孔洞区域的中心的邻居区域中心。
10.根据权利要求1所述的一种用于地板生产的原木材料分级评价方法,其特征在于,所述根据缺陷区分系数以及第二预设阈值获取孔洞缺陷类别包括:
当缺陷区分系数大于第二预设阈值时,孔洞缺陷为虫洞缺陷;当缺陷区分系数小于等于第二预设阈值时,孔洞缺陷为白腐缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211154320.3A CN115239714B (zh) | 2022-09-22 | 2022-09-22 | 一种用于地板生产的原木材料分级评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211154320.3A CN115239714B (zh) | 2022-09-22 | 2022-09-22 | 一种用于地板生产的原木材料分级评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115239714A true CN115239714A (zh) | 2022-10-25 |
CN115239714B CN115239714B (zh) | 2022-12-06 |
Family
ID=83667161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211154320.3A Active CN115239714B (zh) | 2022-09-22 | 2022-09-22 | 一种用于地板生产的原木材料分级评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115239714B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6031567A (en) * | 1996-05-01 | 2000-02-29 | Cae Electronics Ltd. Cae Electronique Ltee | Method and apparatus for video lumber grading |
CA2355557A1 (en) * | 2000-08-23 | 2002-02-23 | Lmi Technologies, Inc. | High speed and reliable determination of lumber quality using grain influenced distortion effects |
EP1491879A2 (de) * | 2003-06-10 | 2004-12-29 | hema electronic GmbH | Verfahren zur adaptiven Fehlererkennung auf einer strukturierten Oberfläche |
CN104361352A (zh) * | 2014-11-13 | 2015-02-18 | 东北林业大学 | 基于压缩感知的实木板材缺陷分选方法 |
CN106373127A (zh) * | 2016-09-14 | 2017-02-01 | 东北林业大学 | 用于木材树种及表面缺陷的激光扫描并行检测方法 |
CN108537153A (zh) * | 2018-03-27 | 2018-09-14 | 华南农业大学 | 一种基于椭圆拟合的原木板材孔洞缺陷检测与定位方法 |
CN113012124A (zh) * | 2021-03-15 | 2021-06-22 | 大连海事大学 | 一种鞋印孔洞和嵌入物特征检测及描述方法 |
CN113066079A (zh) * | 2021-04-19 | 2021-07-02 | 北京滴普科技有限公司 | 木材缺陷自动检测方法、***及其存储介质 |
CN114842010A (zh) * | 2022-07-04 | 2022-08-02 | 南通东方雨虹建筑材料有限公司 | 一种基于高斯滤波的建筑防火木材缺陷检测方法 |
CN114897896A (zh) * | 2022-07-11 | 2022-08-12 | 南通东方雨虹建筑材料有限公司 | 基于灰度变换的建筑木材缺陷检测方法 |
CN114897898A (zh) * | 2022-07-13 | 2022-08-12 | 江苏绿泉装饰工程有限公司 | 一种基于图像处理的木板质量分类方法 |
CN115082719A (zh) * | 2022-07-22 | 2022-09-20 | 南通东方雨虹建筑材料有限公司 | 一种木材质量分级方法 |
-
2022
- 2022-09-22 CN CN202211154320.3A patent/CN115239714B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6031567A (en) * | 1996-05-01 | 2000-02-29 | Cae Electronics Ltd. Cae Electronique Ltee | Method and apparatus for video lumber grading |
CA2355557A1 (en) * | 2000-08-23 | 2002-02-23 | Lmi Technologies, Inc. | High speed and reliable determination of lumber quality using grain influenced distortion effects |
EP1491879A2 (de) * | 2003-06-10 | 2004-12-29 | hema electronic GmbH | Verfahren zur adaptiven Fehlererkennung auf einer strukturierten Oberfläche |
CN104361352A (zh) * | 2014-11-13 | 2015-02-18 | 东北林业大学 | 基于压缩感知的实木板材缺陷分选方法 |
CN106373127A (zh) * | 2016-09-14 | 2017-02-01 | 东北林业大学 | 用于木材树种及表面缺陷的激光扫描并行检测方法 |
CN108537153A (zh) * | 2018-03-27 | 2018-09-14 | 华南农业大学 | 一种基于椭圆拟合的原木板材孔洞缺陷检测与定位方法 |
CN113012124A (zh) * | 2021-03-15 | 2021-06-22 | 大连海事大学 | 一种鞋印孔洞和嵌入物特征检测及描述方法 |
CN113066079A (zh) * | 2021-04-19 | 2021-07-02 | 北京滴普科技有限公司 | 木材缺陷自动检测方法、***及其存储介质 |
CN114842010A (zh) * | 2022-07-04 | 2022-08-02 | 南通东方雨虹建筑材料有限公司 | 一种基于高斯滤波的建筑防火木材缺陷检测方法 |
CN114897896A (zh) * | 2022-07-11 | 2022-08-12 | 南通东方雨虹建筑材料有限公司 | 基于灰度变换的建筑木材缺陷检测方法 |
CN114897898A (zh) * | 2022-07-13 | 2022-08-12 | 江苏绿泉装饰工程有限公司 | 一种基于图像处理的木板质量分类方法 |
CN115082719A (zh) * | 2022-07-22 | 2022-09-20 | 南通东方雨虹建筑材料有限公司 | 一种木材质量分级方法 |
Non-Patent Citations (2)
Title |
---|
MOHSEN M.等: "Feature extraction of wood-hole defects using empirical mode decomposition of ultrasonic signals", 《NDT & E INTERNATIONAL》 * |
程玉柱 等: "基于深度学习的木材缺陷图像检测方法", 《林业机械与木工设备》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115239714B (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114723701B (zh) | 基于计算机视觉的齿轮缺陷检测方法和*** | |
CN110286124B (zh) | 基于机器视觉的耐火砖测量*** | |
CN109978822B (zh) | 一种基于机器视觉的香蕉成熟度评判建模方法和评判方法 | |
CN114913365A (zh) | 基于机器视觉的人造板质量分类方法及*** | |
CN114445387A (zh) | 一种基于机器视觉的纤维板质量分类方法 | |
CN115294158A (zh) | 一种基于机器视觉的热连轧带钢图像分割方法 | |
CN114549522A (zh) | 基于目标检测的纺织品质量检测方法 | |
CN102324032B (zh) | 一种基于极坐标系下灰度共生矩阵的纹理特征提取方法 | |
CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN114897896B (zh) | 基于灰度变换的建筑木材缺陷检测方法 | |
CN115294159B (zh) | 金属紧固件腐蚀区域分割方法 | |
CN115082719B (zh) | 一种木材质量分级方法 | |
CN111160451A (zh) | 一种柔性材料检测方法及其储存介质 | |
CN115272305B (zh) | 一种纽扣孔洞缺陷检测方法 | |
CN114581376B (zh) | 基于图像识别的纺织用蚕茧自动拣选方法及*** | |
CN114119603A (zh) | 基于图像处理的快餐盒短射缺陷检测方法 | |
CN117689655B (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
CN102663422A (zh) | 基于颜色特征的地板层次分类方法 | |
CN115797361B (zh) | 一种铝模板表面缺陷检测方法 | |
CN114862855A (zh) | 基于模板匹配的纺织品缺陷检测方法及*** | |
CN115131356A (zh) | 一种基于丰富度的钢板缺陷分类方法 | |
CN116309577A (zh) | 一种高强传送带物料智能检测方法及*** | |
CN115239714B (zh) | 一种用于地板生产的原木材料分级评价方法 | |
US12025552B1 (en) | Quality detection method for porous metal material | |
CN107024416A (zh) | 结合相似性和不连续性的准圆形颗粒平均尺寸检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |