一种基于图像处理的实木颗粒板板材质量评价方法及系统与流程

1.本技术涉及人工智能领域，具体涉及一种基于图像处理的实木颗粒板板材质量评价方法及系统。


背景技术：

2.目前对颗粒板进行检测主要是通过人工检测来对获取到的颗粒板进行质量评定，人工检测方法容易受到检测人员经验、人员状态及观察角度等多方面因素干扰，检测过程具有主观性、精度不高检测效率低下。


技术实现要素：

3.针对上述技术问题，本发明提出了一种基于图像处理的实木颗粒板板材质量评价方法及系统。
4.第一方面，本文提出了一种基于图像处理的实木颗粒板板材质量评价方法，包括：对采集到的木板截面图像进行语义分割得到木板切面图像；将所述木板切面图像转换得到木材切面hsv图像，并提取出木板色调通道图像，计算色调通道图像的色调方差，将所述色调方差作为色调一致性指标；对所述木板切面图像进行灰度变换得到灰度图像，并对所述灰度图像进行层次划分，得到不同层次灰度图像；对所述不同层次灰度图像进行阈值分割得到阈值分割图像，对所述阈值分割图像进行反向阈值处理，得到不同层次反向阈值图像，将反向阈值图像中像素值为1的作为孔洞；计算所述不同层次反向阈值图像的孔洞影响值，根据孔洞影响值及所述色调一致性指标得到木板质量评价值，利用质量评价值对颗粒板板材质量进行评价；其中，木板质量评价值的计算模型为：式中指的是木板色调通道图像的色调一致性评价值，为第个层次反向阈值图像中孔洞的影响值；所述孔洞包括大孔洞和小孔洞；每一层次所述反向阈值图像中孔洞的影响值的计算模型为：式中为第个层次反向阈值图像中小孔洞总数，为第个层次反向阈值图像中
大孔洞的总数，指第个大孔洞的面积，指第个大孔洞与第个大孔洞之间的最短距离，指所有大孔洞的平均面积，大孔洞指的是面积大于所有连通域平均面积的连通域，小孔洞指的是面积不大于所有连通域平均面积的连通域，，其中指大孔洞之间的最长距离。
5.进一步地，对所述灰度图像进行层次划分方法包括：计算所述灰度图像的方差值，然后用一条平行于水平方向的直线从图像的上方逐像素向下移动，每次移动一个像素后，分别计算直线两侧的类内方差和；，表示类间方差，当类间方差最大时，使得类内方差最小，此时该直线为分割线，完成上部图像与下部图像的层次划分，并对下部图像再次进行分割直至分割完所述灰度图像，最终得到不同层次灰度图像。
6.进一步地，所述色调一致性评价值的计算模型为：式中代表每一个像素标号，代表像素总数，代表第个像素值，代表像素均值。
7.第二方面，本发明提出了一种基于图像处理的实木颗粒板板材质量评价系统，包括：木材切片图像获取单元，对采集到的木板截面图像进行语义分割得到木板切面图像；色调一致性计算单元，将所述木板切面图像转换得到木材切面hsv图像，并提取出木板色调通道图像，计算色调通道图像的色调方差，将所述色调方差作为色调一致性指标；灰度图像层次划分单元，对所述木板切面图像进行灰度变换得到灰度图像，并对所述灰度图像进行层次划分，得到不同层次灰度图像；图像反向阈值处理单元，对所述不同层次灰度图像进行阈值分割得到阈值分割图像，对所述阈值分割图像进行反向阈值处理，得到不同层次反向阈值图像，将反向阈值图像中像素值为1的作为孔洞；质量评价值计算单元，计算所述不同层次反向阈值图像的孔洞影响值，根据孔洞影响值及所述色调一致性指标得到木板质量评价值，利用所述质量评价值对颗粒板板材质量进行评价；其中，木板质量评价值的计算模型为：式中指的是木板色调通道图像的色调一致性评价值，为第个层次反向阈
值图像中孔洞的影响值；所述孔洞包括大孔洞和小孔洞；每一层次所述反向阈值图像中孔洞的影响值的计算模型为：式中为第个层次反向阈值图像中小孔洞总数，为第个层次反向阈值图像中大孔洞的总数，指第个大孔洞的面积，指第个大孔洞与第个大孔洞之间的最短距离，指所有大孔洞的平均面积，大孔洞指的是面积大于所有连通域平均面积的连通域，小孔洞指的是面积不大于所有连通域平均面积的连通域，，其中指大孔洞之间的最长距离。
8.相较于传统技术方案，本公开的一个方面带来的有益效果是：1.基于图像处理对实木颗粒板进行质量评价，能够提高检测效率及精度。
9.2.针对实木颗粒板中的孔洞进行分类并分别考虑其对板材质量的影响，能够有效得到更精确的质量检测结果。
附图说明
10.在下文中，将参考附图仅作为举例来对本文的实施例进行更加详细的描述，在附图中：图1是本发明的一种基于图像处理的实木颗粒板板材质量评价方法的框图。
11.图2是本发明的实施例中颗粒板木材的灰度图。
12.图3是本发明的实施例中对灰度图像进行层次划分的示意图。
13.图4是本发明的实施例中木板质量评价值的流程图。
14.图5是本发明的实施例中大孔洞面积及路径示意图。
15.图6是本发明的一种基于图像处理的实木颗粒板板材质量评价系统的框图。
具体实施方式
16.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
17.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
18.术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者
隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
19.图1是本实施例的基于图像处理的实木颗粒板板材质量评价方法框图，如图1所示基于图像处理的实木颗粒板板材质量评价方法包括如下步骤：步骤s101、对采集到的木板截面图像进行语义分割得到木板切面图像，具体包括以下内容；该步骤目的为：通过语义分割对木板截面图像分割目标和背景，得到木板切面图像，排除背景等无关因素对图像处理可能造成的干扰。
20.本实施例通过dnn进行语义分割，使用的数据集为俯视采集的木板截面图像数据集，将需要分割的像素分为两类，即训练集对应的标签标注过程为单通道的语义标签，对应位置像素属于背景类的标注为0，对应位置像素属于木板的标注为1。
21.步骤s102、将所述木板切面图像转换得到木材切面hsv图像，并提取得到木板色调通道图像，计算所述色调通道图像的色调方差，并将所述色调方差作为色调一致性指标。
22.该步骤目的为获得木材色调通道图像，为后续色调一致性指标计算提供依据，考虑颗粒板板材色调一致性指标对板材质量的影响，本实施例中好的颗粒板色泽较为一致，色调图像方差越大则板材质量越差；相反，色调图像方差越小则板材质量越好。
23.木板切面图像为rgb图像，但rgb色彩空间的友好性远不及hsv色彩空间，在hsv色彩空间更容易对不同颜色进行区分，将木材切片图像由rgb转换到hsv色彩空间，得到的hsv图像共有三个通道：色调通道、饱和度通道和明亮度通道，提取得到色调通道图像。
24.计算色调图像的方差，将色调图像的方差作为色调一致性指标，，式中代表每一个像素标号，代表像素总数，代表第个像素值，代表像素均值。
25.步骤s103、对所述木板切面图像进行灰度变换得到灰度图像，并对所述灰度图像进行层次划分，得到不同层次灰度图像，具体包括以下内容：该步骤的目的是对颗粒板木板切面图像进行灰度变换后，对灰度图像进行纵向的层次划分，将灰度图像划分为不同层次，以便后续对每个层次内木板质量评价值进行计算。
26.图2示出了本实施例中颗粒板木材的灰度图，如图2所示，本实施例中颗粒板的上下两层使用细密木纤维，中间夹层使用长质木纤维，因此上下两层的颗粒较小、孔洞较小且较为平整，中间部分的颗粒大，木板灰度图像上下层之间形成明显的层次感。
27.首先获得灰度图像，对rgb格式的木板切片图像进行灰度变换，，式中r、g、b分别代表rgb图像的红色通道，绿色通道和蓝色通道的像素值。
28.本实施例中灰度图像有三个层次，为便于快速获得灰度图层次分布，不再采用从
上到下逐步分割完整个灰度图像以得到若干个层次的方法，直接从上到下找到第一分割线，然后从下到上找到第二分割线。
29.本实施例中类间方差 类内方差=图像方差，图3示出了本实施例中对灰度图像进行层次划分的示意图，当两个分割线位于如图3所示位置时，类内方差最小即类间方差最大，且此时层次划分较为明显。
30.首先寻找第一分割线，首先计算得到灰度图像的方差值。然后用一条平行于水平方向的直线从图像的上方逐像素向下移动，每次移动一个像素后，分别计算直线两侧的方差值和。
31.用来表示图像总方差与、的差值，的差值，表示直线两侧的类内方差，表示整幅图像的方差，表示类间方差，当类间方差最大时，类内方差最小，同种类别之间的方差最小，直线两侧像素间的相似度最大，该条直线即为第一分割线。
32.然后寻找第二分割线，第二分割线获取过程与第一分割线获取过程类似，用一条平行于水平方向的直线从图像的下方逐像素向上移动，每次移动一个像素后，分别计算直线两侧的方差值和，直到类间方差最大，，此时该直线为第二分割线，此时第一分割线和第二分割线将灰度图像划分为三个层次。
33.步骤s104、对所述不同层次灰度图像进行阈值分割得到阈值分割图像，对所述阈值分割图像进行反向阈值处理，得到不同层次反向阈值图像，将所述反向阈值图像中像素值为1的作为孔洞。
34.本步骤目的在于针对所有层次的灰度图像，通过反向阈值图像得到1连通域。本实施例通过大津法对灰度图像进行阈值分割，得到阈值图像r，然后通过得到反向阈值图像，此时反向阈值图像中的像素值为1的代表孔洞。
35.步骤s105、计算所述不同层次反向阈值图像的孔洞影响值，根据孔洞影响值及所述色调一致性指标得到木板质量评价值。本实施例中通过计算每一层次的孔洞影响值，最后综合所有层次的孔洞影响值以及整个木板的色调一致性指标，得到整个颗粒板板材的质量评价值，具体包括以下内容：图4示出了实施例中木板质量评价值的流程图，现结合图4详细描述木板质量评价值的计算过程，具体包括以下内容：计算每一层次的孔洞影响值，具体包括以下内容：
首先通过反向阈值图像中像素值为1的像素点总数得到1连通域面积s0，同时得到各个连通域的面积，通过八邻域标记算法得到连通域总数量并对连通域进行编号，同时得到连通域面积均值。
36.其次将各个连通域的面积与面积均值比较，孔洞包括大孔洞和小孔洞，将连通域面积大于的连通域标记为大孔洞，将连通域面积及小于等于的连通域标记为小孔洞。用小孔洞的数量表示小孔洞的对颗粒板的质量影响，将小孔洞数量记为并用来表示小孔洞的影响值，即。
37.然后计算大孔洞的之间的最短路径，得到最短路径向量和孔洞大小向量，得到大孔洞影响值。首先得到大孔洞的从小到大的编号序列和对应的面积序列，然后用相应的次序代替编号得到新的编号序列，例如：原本编号序列为[3，7，9]，用[1，2，3]代替原本的编号序列作为新的编号序列。
[0038]
用各个连通域的中心点代表连通域，中心点记为(编号，连通域面积)，例如：（3，50）代表该点代表编号为3的连通域，该连通域的面积为50。
[0039]
本实施例通过dijkstra算法计算各个连通域点间的最短路径，用编号为1的点作为起始点，以起始点为中心向外层层扩展，直到扩展到终点为止。从而得到了最短路径序列值，结合孔洞面积序列和最短路径序列得到面积路径图。
[0040]
图5示出了大孔洞面积及路径示意图，如图5所示，1、2、3、4、5代表连通域编号，方框值代表孔洞面积，方框之间的数字代表不同连通域之间的距离，面积路径图描述了孔洞的大小和分布。
[0041]
用k表示大孔洞的数量，用表示每个孔洞的面积，用表示第个孔洞与第个孔洞之间的最短距离，例如表示标号为1的孔洞的面积，表示编号为1和编号为2的孔洞之间的距离。
[0042]
本实施例中用相应孔洞面积和距离之间的乘积之和来表示大孔洞的影响值，然后综合计算得到孔洞影响值，每一层次的孔洞影响值可以用小孔洞影响值和大孔洞影响值的和表示，进一步可以得到所有层次孔洞的影响值，值越大孔洞的影响越大，同时颗粒板的质量越差。
[0043]
对孔洞影响值进行归一化处理，具体包括以下内容：由于不同评价值的值大小范围不一致，因此需要分别进行归一化之后再进行下一
步计算。
[0044]
色调一致性指标用色调方差来评估，值范围在0~1内，不需要施加额外操作；小孔洞的影响值用小孔洞数量表示，可以通过除以孔洞总数量进行归一化映射即。
[0045]
对进行归一化的方法是分别对两个参数和进行归一化，的归一化通过大孔洞在整个层次中的平均面积s来实现，s用该层次中大孔洞像素总数即所有大孔洞的面积除以大孔洞个数得到；对进行归一化的方法是通过bellman
‑
ford算法求得该层次下各大空洞之间的最长路径，然后用最长距离除以，得到各大孔洞之间的平均最长距离，经过归一化处理后具体表现为：，其中代表小孔洞数量，代表孔洞总数量。
[0046]
综合得到颗粒板质量评价值，具体包括以下内容：颗粒板每一层次的孔洞影响每一层次大孔洞影响值用和小孔洞影响值的和表示，。
[0047]
颗粒板的所有层次的孔洞影响值用所有层次的孔洞影响值、和的和表示，将所有层次的孔洞影响值加上色调一致性指标得到颗粒板质量评价值，计算公式如下：，值越小颗粒板质量越好。
[0048]
下面参考图6来描述本发明实施例的系统，图6示出了一种基于图像处理的实木颗粒板板材质量评价系统的框图，如图所示基于图像处理的实木颗粒板板材质量评价系统包括以下内容：木材切片图像获取单元201，用于对采集到的木板截面图像进行语义分割得到木板切面图像。
[0049]
色调一致性计算单元202，用于将所述木板切面图像转换得到木材切面hsv图像，并提取得到木板色调通道图像，计算所述色调通道图像的色调方差，将所述色调方差作为色调一致性指标。
[0050]
灰度图像层次划分单元203，对所述木板切面图像进行灰度变换得到灰度图像，并对所述灰度图像进行层次划分，得到不同层次灰度图像。
[0051]
图像反向阈值处理单元204，用于对所述不同层次灰度图像进行阈值分割得到阈值分割图像，对所述阈值分割图像进行反向阈值处理，得到不同层次反向阈值图像。
[0052]
质量评价值计算单元205，用于计算所述不同层次反向阈值图像的孔洞影响值，根据孔洞影响值及所述色调一致性指标得到木板质量评价值，利用所述质量评价值对颗粒板板材质量进行评价。
[0053]
综上所述相较于传统技术方案，本发明基于图像处理对实木颗粒板进行质量评价，能够提高检测效率及精度；针对实木颗粒板中的孔洞进行分类并分别考虑其对板材质量的影响，能够有效得到更精确的质量检测结果。
[0054]
本发明中涉及诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
[0055]
还需要指出的是，在本发明的方法和系统中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
[0056]
上述实施例仅仅是为清楚地说明所做的举例，并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。