|
板材是木材應(yīng)用需求量最大的品種，板材表面質(zhì)量是評(píng)定板材質(zhì)量的重要指標(biāo)之一。隨著木材加工業(yè)向機(jī)械化、自動(dòng)化的大規(guī)模生產(chǎn)方向發(fā)展，人們對(duì)板材的加工質(zhì)量，尤其是表面缺陷給予了越來(lái)越多的重視，因而表面缺陷檢測(cè)技術(shù)變得越來(lái)越重要。 本文基于機(jī)器視覺(jué)理論對(duì)木材表面缺陷進(jìn)行了深入研究，結(jié)合數(shù)字圖像處理技術(shù)和人工神經(jīng)網(wǎng)絡(luò)模式識(shí)別技術(shù)，研究了木材表面缺陷圖像預(yù)處理、特征提取、模式識(shí)別問(wèn)題，以Visual C＋＋程序設(shè)計(jì)環(huán)境，開(kāi)發(fā)了用于檢測(cè)板材表面缺陷的定位和識(shí)別等圖像處理算法。 圖像預(yù)處理是檢測(cè)的第一步，對(duì)圖像缺陷特征的正確提取是非常關(guān)鍵的。論文通過(guò)三種方式對(duì)圖像的灰度直方圖進(jìn)行分析統(tǒng)計(jì)：(1)對(duì)每一像素作256級(jí)灰度直方圖分析；(2)對(duì)4×4像素塊作256級(jí)灰度直方圖分析；(3)4×4像素塊作16級(jí)灰度直方圖分析。 特征提取直接影響木材缺陷檢測(cè)系統(tǒng)的識(shí)別率。論文首先從灰度直方圖中根據(jù)是否有顏色突變來(lái)判斷圖片是否存在缺陷，缺陷圖片在直方圖中表現(xiàn)出雙峰特征，通常次波峰即為缺陷部位，但這不是絕對(duì)的。若直方圖曲線只有一個(gè)波峰，則可能是正常木材圖片。經(jīng)過(guò)實(shí)驗(yàn)統(tǒng)計(jì)，當(dāng)次波峰值比主波峰的值大于1／10時(shí)，次波峰即是代表缺陷顏色。實(shí)現(xiàn)了缺陷檢測(cè)的第一步，即把圖像分為有缺陷和無(wú)缺陷兩類(lèi)。 基于人工神經(jīng)網(wǎng)絡(luò)的模式識(shí)別具有對(duì)數(shù)據(jù)類(lèi)型和分布函數(shù)沒(méi)有限制、容忍度更高等優(yōu)點(diǎn)，相適應(yīng)于木材表面缺陷的復(fù)雜性，有很好的應(yīng)用前景。論文以缺陷灰度均值、缺陷灰度方差和缺陷形狀作為缺陷類(lèi)型識(shí)別的特征量為輸入，缺陷類(lèi)型為輸出，構(gòu)建了系統(tǒng)的BP網(wǎng)絡(luò)系統(tǒng)模型。論文以4種缺陷類(lèi)型為輸出，選用LMS對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對(duì)設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行了檢測(cè)，實(shí)驗(yàn)結(jié)果表明系統(tǒng)的平均識(shí)別率為97％，證實(shí)了所設(shè)計(jì)系統(tǒng)的可行性和有效性。 QCROBOT可提供此機(jī)器視覺(jué)模塊及工程解決方案。 |
