一种基于工业视觉的木制品加工质量检测方法与流程

摘要: 本技术涉及图像数据处理,且更为具体地,涉及一种基于工业视觉的木制品加工质量检测方法。背景技术:1、基于工业视觉的木制品加工质量检测技术逐步取代人工目视成为产线质...
一种基于工业视觉的木制品加工质量检测方法与流程

本技术涉及图像数据处理,且更为具体地,涉及一种基于工业视觉的木制品加工质量检测方法。

背景技术:

1、基于工业视觉的木制品加工质量检测技术逐步取代人工目视成为产线质控的主流方案,其中线阵ccd配合编码器同步采集的长带状图像处理方法,因适配实木板材连续化生产节拍,现有成熟方案多采用固定步长滑窗分块策略将超长二维图像序列切分为适配深度学习模型输入的子块,结合卷积神经网络实现表面缺陷自动化识别,相关技术已在实木地板、家具拼接板材的批量检测中实现规模化落地。

2、现有固定步长滑窗分块策略未考量木材天然纹理走向与缺陷形态的关联性,木材常见的纵裂、贯通虫道等长条形缺陷的长度往往超过单滑窗尺寸,易在分块边界处被截断为多个特征片段,即便通过重叠区域非极大值抑制进行结果融合,仍易出现片段特征置信度低于判定阈值导致的漏检问题。此外,现有方案多在笛卡尔坐标系下开展缺陷识别,木材年轮、节疤天然纹理与缺陷的灰度特征耦合度高,限制了识别精度的提升空间。

3、因此,急需要一种基于工业视觉的木制品加工质量检测方法。

技术实现思路

1、为了解决上述技术问题,提出了本技术。本技术的第一方面提供了一种基于工业视觉的木制品加工质量检测方法,包括以下具体步骤:采集实木板材表面的光信号并进行预处理,得到原始二维图像序列及位置编码信息;

2、基于原始二维图像序列及位置编码信息分析原始二维图像序列,获取纹理分布特征,根据纹理分布特征识别潜在缺陷区域,得到标注后的图像数据块及潜在缺陷区域位置坐标;

3、基于潜在缺陷区域位置坐标为参考规划分块切割线,避让潜在缺陷区域,生成图像子块序列;

4、通过图像子块序列,识别每个图像子块中的特征中心点并设定为坐标原点,建立坐标转换关系对图像子块进行坐标转换,得到转换后图像序列;

5、将转换后图像序列输入至预训练的深度学习缺陷检测模型进行推理计算,获得检测结果集;

6、基于坐标转换关系对检测结果集进行坐标逆映射与融合处理,获得最终缺陷检测结果;

7、依据预设木制品质量标准对最终缺陷检测结果进行等级判定,获得控制信号驱动分拣机构完成质量检测流程。

8、优选的,所述原始二维图像序列及位置编码信息包括,

9、采集实木板材表面的光信号,对光信号依次进行暗电流校正、镜头阴影校正、非均匀性校正及白平衡处理,将处理后光信号转换为数字格式,获得原始二维图像序列;

10、读取编码器反馈的脉冲计数信息,将原始二维图像序列与脉冲计数信息建立对应关系,得到原始二维图像序列及位置编码信息。

11、优选的,所述纹理分布特征包括,

12、将位置编码信息与原始二维图像序列逐帧绑定后执行灰度化处理,获得绑定位置编码信息的灰度化二维图像序列;

13、对绑定位置编码信息的灰度化二维图像序列中每个像素点采用sobel算子计算水平方向和垂直方向的梯度幅值,获得绑定位置编码信息的梯度幅值序列;

14、对绑定位置编码信息的梯度幅值序列中每个像素点计算梯度方向,获得绑定位置编码信息的梯度方向序列,将绑定位置编码信息的梯度方向序列中每个像素点的梯度方向映射为纹理流向,结合梯度幅值生成绑定位置编码信息的纹理流矢量场;

15、对绑定位置编码信息的纹理流矢量场执行局部区域积分运算,统计不同方向的纹理流向占比,获得纹理分布特征。

16、优选的,所述标注后的图像数据块及潜在缺陷区域位置坐标包括,

17、基于纹理分布特征,计算纹理分布特征中每个局部区域的纹理流向汇聚度,得到带汇聚度标记的纹理分布特征;

18、将带汇聚度标记的纹理分布特征中汇聚度高于预设阈值的连通区域判定为潜在缺陷区域,获得潜在缺陷区域及对应位置编码信息;

19、将潜在缺陷区域在绑定位置编码信息的灰度化二维图像序列的对应帧上实施掩膜标注,得到标注后的图像数据块,并提取潜在缺陷区域在绑定位置编码信息的灰度化二维图像序列中的像素坐标,获得潜在缺陷区域位置坐标。

20、优选的,所述图像子块序列包括,

21、基于标注后的图像数据块及潜在缺陷区域位置坐标,以潜在缺陷区域位置坐标为中心向四周扩展例如设定比例的缓冲距离划定禁区范围,获得带禁区标记的标注后图像数据块;

22、在带禁区标记的标注后图像数据块的非禁区区域内规划分块切割线,使分块切割线完全避开禁区范围,得到带切割线标记的标注后图像数据块;

23、基于带切割线标记的标注后图像数据块,沿带切割线标记的标注后图像数据块中的分块切割线对标注后的图像数据块进行切割,在相邻切割生成的初始子块之间保留例如设定比例的重叠区域,得到带重叠区域的初始图像子块序列;

24、将带重叠区域的初始图像子块序列按对应位置编码信息排序整理,获得图像子块序列。

25、优选的,所述转换后图像序列包括,

26、对每个图像子块采用自适应高斯阈值方法执行自适应阈值分割以分离前景纹理与背景,得到带前景纹理标记的图像子块,对每个带前景纹理标记的图像子块执行连通域分析,将面积大于预设面积阈值的连通域判定为节疤轮廓或年轮纹理密集区,得到带轮廓标记的图像子块;

27、对每个带轮廓标记的图像子块计算节疤轮廓的密度中心,将密度中心设定为特征中心点,得到带特征中心点标记的图像子块;

28、以特征中心点为原点建立直角坐标系与极坐标系的映射关系,极坐标的角度采样间隔例如根据需要设定,得到坐标转换关系及带特征中心点标记的图像子块;

29、依据坐标转换关系对带特征中心点标记的图像子块内的所有像素执行坐标重采样与双线性插值,得到转换后图像。

30、优选的,所述检测结果集包括,

31、对转换后图像序列中的每个转换后图像执行尺寸归一化处理以匹配预训练的深度学习缺陷检测模型的输入规格,得到归一化后图像序列;

32、将归一化后图像序列逐帧输入至预训练的深度学习缺陷检测模型,获得预训练的深度学习缺陷检测模型生成的中间特征图序列,通过预训练的深度学习缺陷检测模型的检测头对中间特征图序列执行缺陷类别识别与边界框回归计算,得到缺陷类别标签、置信度分数及极坐标边界框坐标的初步检测结果;

33、对初步检测结果执行置信度过滤以剔除置信度低于例如预设阈值的无效结果,得到过滤后检测结果,将过滤后检测结果按对应位置编码信息归类整合,获得检测结果集。

34、优选的,所述最终缺陷检测结果包括,

35、基于检测结果集及坐标转换关系,提取检测结果集中每个缺陷的极坐标边界框坐标、置信度分数及对应位置编码信息,得到带位置编码信息的极坐标缺陷信息集合;

36、基于坐标转换关系的逆运算将极坐标缺陷信息集合中的每个极坐标边界框坐标转换为直角坐标系下的边界框坐标,得到带位置编码信息的直角坐标缺陷信息集合;

37、依据位置编码信息匹配属于同一物理区域的重复缺陷边界框,输出待融合直角坐标缺陷信息集合,对待融合直角坐标缺陷信息集合中重叠度高于例如预设重叠度阈值的重复缺陷边界框执行非极大值抑制处理,得到非冗余直角坐标缺陷信息集合;

38、对非冗余直角坐标缺陷信息集合中属于同一潜在缺陷区域的断裂缺陷边界框执行几何拼接与融合处理,得到融合后缺陷信息集合,将融合后缺陷信息集合按位置编码信息排序整合,获得最终缺陷检测结果。

39、优选的,所述控制信号驱动分拣机构完成质量检测流程包括,

40、基于最终缺陷检测结果,调取预设木制品质量标准,提取最终缺陷检测结果中的缺陷类型、几何尺寸及对应位置编码信息,得到带缺陷参数及位置编码信息的判定基础数据;

41、依据预设木制品质量标准中对应表面等级区域的缺陷允收规则,对带缺陷参数及位置编码信息的判定基础数据执行合规性比对,得到带判定结论及位置编码信息的等级判定结果;

42、将带判定结论及位置编码信息的等级判定结果转换为包含分拣路径、执行时序及对应位置编码信息的分拣控制指令,得到分拣控制信号;

43、将分拣控制信号发送至分拣机构的控制器,驱动分拣机构按分拣控制信号中的执行时序及分拣路径对携带对应位置编码信息的实木板材执行物理分拣,完成质量检测流程。

44、本发明的第二方面提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现上述的基于工业视觉的木制品加工质量检测方法的步骤。

45、与现有技术相比,本技术提供的基于工业视觉的木制品加工质量检测方法,通过以潜在缺陷区域位置坐标为参考规划避让式分块切割线,避免长条形缺陷被分块截断引发的漏检问题,同时基于图像子块特征中心点建立极坐标转换关系弱化木材天然纹理对缺陷识别的干扰,有效提升实木板材连续化产线视觉检测的准确率与分拣可靠性。