旋切机及旋切单板表面缺陷在线视觉检测方法与流程

本技术涉及旋切单板，更具体地说，本技术涉及一种旋切机及旋切单板表面缺陷在线视觉检测方法。

背景技术：

1、旋切单板是胶合板、木质复合地板、建筑模板等木制品的核心基材，其表面缺陷（活节、死节、裂纹、虫眼等）会直接降低下游产品的力学性能与外观品质，表面缺陷在线视觉检测因具备非接触、检测速度快、不影响产线连续运行的优势，已成为旋切产线的标配质控环节，但旋切产线单板输送速度普遍可达1~3m/s，工业相机单次曝光周期内单板位移可达数毫米至十余毫米，采集图像必然存在沿送料方向的运动模糊，模糊会导致缺陷边缘丢失、纹理混淆，大幅降低后续缺陷识别的准确率，是制约在线检测精度提升的核心瓶颈。

2、现有旋切单板运动模糊复原方案主要分为两类，一类依赖真实场景采集的清晰-模糊配对数据训练深度学习模型，但产线单板始终处于高速运动状态，无法同时获取同一视场的清晰与模糊图像，配对数据获取成本极高、工况覆盖性差，另一类采用通用运动模糊核合成训练数据，但未结合旋切产线的工艺参数与单板纹理特性，合成的模糊图像与真实工况退化特征偏差大，且通用复原网络未针对单板缺陷的方向性纹理优化，复原后边缘纹理丢失严重，仍无法满足高精度缺陷识别要求，因此，如何在高速运动的旋切产线中减少方向性纹理和运动模糊对旋切单板表面缺陷识别的干扰成为了业界面临的难题。

技术实现思路

1、本技术提供一种旋切机及旋切单板表面缺陷在线视觉检测方法，可在高速运动的旋切产线中减少方向性纹理和运动模糊对旋切单板表面缺陷识别的干扰。

2、第一方面，本技术提供一种旋切单板表面缺陷在线视觉检测方法，包括：

3、获取旋切单板的样本图像；

4、基于旋切工艺参数构建不同旋切线速度下的运动模糊核，通过所有的运动模糊核对所述样本图像进行处理，生成包含不同模糊程度的合成图像数据集；

5、嵌入可将图像特征分解至低频子带及多方向高频子带的小波节点，并引入由水平高频子带与垂直高频子带联合引导的空间注意力机制，进而构建出适配旋切单板纹理的运动模糊复原网络，利用所述合成图像数据集训练所述运动模糊复原网络，获得训练后的模糊复原模型；

6、基于旋切单板的缺陷样本图像及其缺陷标注，以实时目标检测算法‌为基础检测框架，并在骨干网络中引入动态蛇形卷积模块构建表面缺陷识别模型并完成预训练；

7、在线采集旋切单板表面的模糊图像，将所述模糊图像输入至所述模糊复原模型，输出复原图像，将所述复原图像输入至预训练的表面缺陷识别模型中进行缺陷识别。

8、在一些实施例中，基于旋切工艺参数构建不同旋切线速度下的运动模糊核具体包括：

9、获取旋切产线的旋切工艺参数；

10、从所述旋切工艺参数中旋切产线的旋切线速度取值范围选定一个旋切线速度作为选定旋切线速度；

11、基于所述旋切工艺参数、结合随机方向偏差与尺度扰动确定选定旋切线速度下旋切单板的运动模糊核；

12、从所述旋切工艺参数中旋切产线的旋切线速度取值范围选定另一个旋切线速度作为新的选定旋切线速度，并重复上述步骤，得到多个不同旋切线速度下的运动模糊核。

13、在一些实施例中，通过所有的运动模糊核对所述样本图像进行处理，生成包含不同模糊程度的合成图像数据集具体包括：

14、根据所述旋切工艺参数生成模拟旋切产线设备振动的随机噪声；

15、将所述旋切单板的样本图像、所述随机噪声与各运动模糊核结合，得到包含不同模糊程度的合成图像数据集。

16、在一些实施例中，嵌入可将图像特征分解至低频子带及多方向高频子带的小波节点，并引入由水平高频子带与垂直高频子带联合引导的空间注意力机制，进而构建出适配旋切单板纹理的运动模糊复原网络具体包括：

17、搭建单输入多输出的多尺度编解码基础架构；

18、在所述编解码基础架构的编码器特征融合段及解码器单元中嵌入可学习的离散小波变换节点，进而将输入特征自适应分解为低频子带与水平、垂直、对角方向的高频子带；

19、在解码路径中引入由水平方向的高频子带与垂直方向的高频子带联合引导的空间注意力机制；

20、对所述离散小波变换节点内的深度卷积层进行轻量化结构替换；

21、在所述编解码基础架构的解码器末端设置多尺度输出头，并配置对应多尺度的联合损失函数进行网络训练。

22、在一些实施例中，利用所述合成图像数据集训练所述运动模糊复原网络，获得训练后的模糊复原模型具体包括：

23、将所述合成图像数据集按清晰样本的归属划分为互斥的训练集、验证集与测试集；

24、对所述训练集内的图像进行标准化预处理，统一输入图像的尺寸与数据分布；

25、采用预训练权重对所述运动模糊复原网络的可学习参数进行初始化；

26、配置训练优化器、初始学习率与最大迭代轮次，将多尺度联合损失函数设为优化目标；

27、将所述训练集输入初始化后的运动模糊复原网络开展迭代训练，通过反向传播更新网络参数；

28、基于所述验证集的性能评估结果，选取综合性能最优的模型权重作为训练后的模糊复原模型。

29、在一些实施例中，将所述模糊图像输入至所述模糊复原模型，输出复原图像具体包括：

30、对在线采集的旋切单板模糊图像执行与训练集一致的尺寸缩放与归一化预处理；

31、将预处理后的模糊图像输入训练完成的模糊复原模型，通过前向传播计算得到多尺度复原图像输出；

32、从多尺度复原图像输出中选取与输入模糊图像分辨率一致的尺度，作为最终输出的复原图像。

33、在一些实施例中，通过工业相机采集所述旋切单板的样本图像。

34、第二方面，本技术提供一种旋切机，该旋切机包括有表面缺陷在线视觉检测单元，所述表面缺陷在线视觉检测单元包括：

35、采集模块，用于获取旋切单板的样本图像；

36、处理模块，用于基于旋切工艺参数构建不同旋切线速度下的运动模糊核，通过所有的运动模糊核对所述样本图像进行处理，生成包含不同模糊程度的合成图像数据集；

37、所述处理模块还用于嵌入可将图像特征分解至低频子带及多方向高频子带的小波节点，并引入由水平高频子带与垂直高频子带联合引导的空间注意力机制，进而构建出适配旋切单板纹理的运动模糊复原网络，利用所述合成图像数据集训练所述运动模糊复原网络，获得训练后的模糊复原模型；

38、所述处理模块还用于基于旋切单板的缺陷样本图像及其缺陷标注，以实时目标检测算法‌为基础检测框架，并在骨干网络中引入动态蛇形卷积模块构建表面缺陷识别模型并完成预训练；

39、执行模块，用于在线采集旋切单板表面的模糊图像，将所述模糊图像输入至所述模糊复原模型，输出复原图像，将所述复原图像输入至预训练的表面缺陷识别模型中进行缺陷识别。

40、第三方面，本技术提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的旋切单板表面缺陷在线视觉检测方法。

41、第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的旋切单板表面缺陷在线视觉检测方法。

42、本技术公开的实施例提供的技术方案具有以下有益效果：

43、本技术提供的旋切机及旋切单板表面缺陷在线视觉检测方法中，首先获取旋切单板的样本图像；基于旋切工艺参数构建不同旋切线速度下的运动模糊核，通过所有的运动模糊核对所述样本图像进行处理，生成包含不同模糊程度的合成图像数据集；嵌入可将图像特征分解至低频子带及多方向高频子带的小波节点，并引入由水平高频子带与垂直高频子带联合引导的空间注意力机制，进而构建出适配旋切单板纹理的运动模糊复原网络，利用所述合成图像数据集训练所述运动模糊复原网络，获得训练后的模糊复原模型；基于旋切单板的缺陷样本图像及其缺陷标注，以实时目标检测算法‌为基础检测框架，并在骨干网络中引入动态蛇形卷积模块构建表面缺陷识别模型并完成预训练；在线采集旋切单板表面的模糊图像，将所述模糊图像输入至所述模糊复原模型，输出复原图像，将所述复原图像输入至预训练的表面缺陷识别模型中进行缺陷识别。

44、由此可见，本技术通过旋切产线真实工艺参数构建不同线速度下的运动模糊核，叠加模拟设备振动的随机噪声生成合成训练数据集，既无需采集成本高昂的真实清晰-模糊配对数据，又通过工艺参数绑定与扰动叠加，使合成的模糊图像完全匹配产线不同速度档位、振动扰动的真实退化特征，从数据端规避了通用合成方案与真实工况的偏差；进一步地，本技术在构建的复原网络嵌入可学习离散小波变换节点，可将输入特征自适应分解至低频子带与水平、垂直、对角多方向高频子带，并针对性引入水平、垂直高频子带联合引导的空间注意力机制，恰好匹配旋切单板缺陷的纹理方向特性，重点增强缺陷边缘与纹理的恢复能力，相比通用去模糊网络更适配旋切单板场景；最终仅需将复原后的清晰图像输入现有表面缺陷识别模型即可完成识别，无需改动现有产线识别链路，即可大幅提升在线检测的全速域模糊适应性，保障缺陷识别准确率。综上所述，采用本技术的方案，能够在高速运动的旋切产线中减少方向性纹理和运动模糊对旋切单板表面缺陷识别的干扰。