|
板材是木材應(yīng)用需求量最大的品種，板材表面質(zhì)量是評定板材質(zhì)量的重要指標(biāo)之一。隨著木材加工業(yè)向機械化、自動化的大規(guī)模生產(chǎn)方向發(fā)展，人們對板材的加工質(zhì)量，尤其是表面缺陷給予了越來越多的重視，因而表面缺陷檢測技術(shù)變得越來越重要。 本文基于機器視覺理論對木材表面缺陷進(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、模式識別問題，以Visual C＋＋程序設(shè)計環(huán)境，開發(fā)了用于檢測板材表面缺陷的定位和識別等圖像處理算法。 圖像預(yù)處理是檢測的第一步，對圖像缺陷特征的正確提取是非常關(guān)鍵的。論文通過三種方式對圖像的灰度直方圖進(jìn)行分析統(tǒng)計：(1)對每一像素作256級灰度直方圖分析；(2)對4×4像素塊作256級灰度直方圖分析；(3)4×4像素塊作16級灰度直方圖分析。 特征提取直接影響木材缺陷檢測系統(tǒng)的識別率。論文首先從灰度直方圖中根據(jù)是否有顏色突變來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，但這不是絕對的。若直方圖曲線只有一個波峰，則可能是正常木材圖片。經(jīng)過實驗統(tǒng)計，當(dāng)次波峰值比主波峰的值大于1／10時，次波峰即是代表缺陷顏色。實現(xiàn)了缺陷檢測的第一步，即把圖像分為有缺陷和無缺陷兩類。 基于人工神經(jīng)網(wǎng)絡(luò)的模式識別具有對數(shù)據(jù)類型和分布函數(shù)沒有限制、容忍度更高等優(yōu)點，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型識別的特征量為輸入，缺陷類型為輸出，構(gòu)建了系統(tǒng)的BP網(wǎng)絡(luò)系統(tǒng)模型。論文以4種缺陷類型為輸出，選用LMS對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對設(shè)計的神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行了檢測，實驗結(jié)果表明系統(tǒng)的平均識別率為97％，證實了所設(shè)計系統(tǒng)的可行性和有效性。 QCROBOT可提供此機器視覺模塊及工程解決方案。 |
