一种刨花板图像缺陷分类检测方法及装置

技术领域

本发明属于刨花板缺陷检测领域，具体地说，涉及一种刨花板图像缺陷分类检测方法及装置。

背景技术

在连续压机刨花板生产线的运行过程中，会有个别刨花板的表面出现缺陷，主要包括胶斑、石蜡斑、油污、大刨花、杂物、松软、漏砂、断痕、边角缺损等几种类型。表面缺陷会降低板材强度、影响二次加工，给生产企业带来经济损失。目前，我国企业都是依靠工人肉眼对刨花板表面缺陷进行检测。在检测过程中，连续压机生产线一直处于运行状态，刨花板在生产线上的运动速度可以达到1500mm/s，工人长时间连续观察容易产生视觉疲劳，使得漏检率和误检率较高。

机器视觉技术是目前表面缺陷无损检测技术的主流，使用机器视觉技术检测刨花板表面缺陷的难点在于，一张四八尺的刨花板板面面积约为3m

有鉴于此特提出本发明。

发明内容

本发明要解决的技术问题在于克服现有技术的不足，提供一种刨花板图像缺陷分类检测方法及装置，能够快速、准确地定位出刨花板缺陷。

为解决上述技术问题，本发明采用技术方案的基本构思是：

一种刨花板图像缺陷分类检测方法，包括以下几个步骤：

S1：获取待检测刨花板图像；

S2：将待检测刨花板图像划分成多个检测单元，计算每个检测单元内所有像素点灰度值的平均值；

S3：遍历所有检测单元，如果所述检测单元内所有像素点灰度值的平均值大于高阈值或者小于低阈值，标记所述检测单元，记为灰度均值标记单元；

S4：计算每个检测单元内所有像素点灰度值的方差；

S5：遍历所有检测单元，如果所述检测单元内所有像素点灰度值的方差大于方差阈值，标记所述检测单元，记为灰度方差标记单元。

优选的，所述步骤S2中将待检测刨花板图像划分成多个边长为Cell

优选的，所述步骤S4中，将待检测刨花板图像重新划分成多个检测单元，每一行最后一个检测单元大小为(W mod Cell

优选的，所述步骤S5中，计算所有检测单元灰度值方差的平均值，根据预先设定的方差阈值比例系数计算出方差阈值。

优选的，还包括步骤S6：以所述灰度方差标记单元或者灰度均值标记单元为中心，如果其八邻域内存在灰度方差标记单元或者灰度均值标记单元，那么将所述灰度方差标记单元或者灰度均值标记单元与其八邻域内的灰度方差标记单元或者灰度均值标记单元连通，计算出连通后的灰度方差标记单元或者灰度均值标记单元的最小外接矩形，所述最小外接矩形记为缺陷区域。

优选的，还包括步骤S7：如果两个所述最小外接矩形相交，那么合并这两个最小外接矩形，计算出合并后图形的最小外接矩形，所述合并后图形的最小外接矩形记为缺陷区域。

本发明的另一目的在于提供一种刨花板图像缺陷分类检测装置，包括图像输入模块，用于获取待检测刨花板图像；缺陷检测模块，用于标记待检测刨花板图像中的缺陷区域；结果输出模块，用于显示最终缺陷区域的标记结果。

优选的，所述缺陷检测模块还包括灰度均值缺陷检测模块和灰度方差缺陷检测模块，所述灰度均值缺陷检测模块用于标记灰度均值缺陷区域，所述灰度方差缺陷检测模块用于标记灰度方差缺陷区域。

优选的，所述缺陷检测模块还包括缺陷区域连通模块，所述缺陷区域连通模块将所述灰度均值缺陷区域或者灰度方差缺陷区域与其八邻域内存在的灰度均值缺陷区域或者灰度方差缺陷区域进行连通，计算连通后的灰度方差标记单元或者灰度均值标记单元的最小外接矩形。

优选的，如果两个所述最小外接矩形相交，那么合并这两个最小外接矩形，计算出合并后图形的最小外接矩形。

采用上述技术方案后，本发明与现有技术相比具有以下有益效果：

本发明中通过使用灰度均值缺陷检测方法，将每个检测单元内的所有像素点的灰度值的平均值与设定的阈值进行比较，如果灰度均值不在给定的阈值范围内，那么对该检测单元进行标记，可以快速、准确地识别出刨花板图像中的大刨花、胶斑和油污缺陷。通过使用灰度方差缺陷检测方法，将每个检测单元内的所有像素点的灰度值的方差与设定的阈值进行比较，如果灰度方差不在给定的阈值范围内，那么对该检测单元进行标记，可以迅速、精准地识别出刨花板图像中的松软和漏砂缺陷。结合使用两种不同的缺陷检测方法，可以完整地识别出刨花板图像中的所有缺陷，降低了漏检率和误减率。使用机器对待检测刨花板图像进行检测，能够提高检测效率，同时降低人工成本。

下面结合附图对本发明的具体实施方式作进一步详细的描述。

附图说明

附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。在附图中：

图1是本发明中刨花板图像缺陷分类检测方法流程图；

图2是本发明中矩阵区域连通的示意图；

图3是本发明实施例中刨花板图像缺陷分类检测装置的功能模块图；

图4是本发明实施例中具有大刨花缺陷的刨花板图像；

图5是用灰度均值缺陷检测方法对图4进行缺陷标记后的结果图；

图6是用灰度方差缺陷检测方法对图4进行缺陷标记后的结果图；

图7是对图5进行区域连通后的结果图；

图8是对图6进行区域连通后的结果图；

图9是本发明实施例中具有胶斑缺陷的刨花板图像；

图10是用灰度均值缺陷检测方法对图9进行缺陷标记后的结果图；

图11是用灰度方差缺陷检测方法对图9进行缺陷标记后的结果图；

图12是对图10进行区域连通后的结果图；

图13是对图11进行区域连通后的结果图；

图14是本发明实施例中具有油污缺陷的刨花板图像；

图15是用灰度均值缺陷检测方法对图14进行缺陷标记后的结果图；

图16是用灰度方差缺陷检测方法对图14进行缺陷标记后的结果图；

图17是对图15进行区域连通后的结果图；

图18是对图16进行区域连通后的结果图；

图19是本发明实施例中具有松软缺陷的刨花板图像；

图20是用灰度均值缺陷检测方法对图19进行缺陷标记后的结果图；

图21是用灰度方差缺陷检测方法对图19进行缺陷标记后的结果图；

图22是对图20进行区域连通后的结果图；

图23是对图21进行区域连通后的结果图；

图24是本发明实施例中具有漏砂缺陷区域的刨花板图像；

图25是用灰度均值缺陷检测方法对图24进行缺陷标记后的结果图；

图26是用灰度方差缺陷检测方法对图24进行缺陷标记后的结果图；

图27是对图25进行区域连通后的结果图；

图28是对图26进行区域连通后的结果图。

需要说明的是，这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1所示，本发明中所述的一种刨花板图像缺陷分类检测方法，包括以下步骤：

S1：获取待检测刨花板图像；

S2：将待检测刨花板图像划分成多个检测单元，计算每个检测单元内所有像素点灰度值的平均值；

S3：遍历所有检测单元，如果所述检测单元内所有像素点灰度值的平均值大于高阈值或者小于低阈值，标记所述检测单元，记为灰度均值标记单元；

S4：计算每个检测单元内所有像素点灰度值的方差；

S5：遍历所有检测单元，如果所述检测单元内所有像素点灰度值的方差大于方差阈值，标记所述检测单元，记为灰度方差标记单元。

在本发明的一个实施例中，待检测刨花板图像G的宽度为W，待检测刨花板图像高度为H。将待检测刨花板图像G划分成M

用Cell

在本发明的一个实施例中，将待检测刨花板图像G划分成M

其中i∈[0，M

在本发明的一个实施例中，取灰度均值连通区域CON

取灰度均值标识矩阵MAT

m

n

m

n

取灰度方差标识矩阵MAT

s

t

s

t

则灰度均值映射区域CON_RECT

如图3所示，本发明实施例中介绍了一种刨花板图像缺陷分类检测装置，包括图像输入模块、灰度均值缺陷检测模块、灰度方差缺陷检测模块、缺陷区域连通模块、结果输出模块。

图像输入模块可以获取到待检测刨花板图像G。

例如，在本发明的一个实施例中，待检测刨花板图像G的宽度为W，高度为H。

灰度均值缺陷检测模块中，待检测刨花板图像G的宽度为W，待检测刨花板图像高度为H。将待检测刨花板图像G划分成M

用Cell

灰度方差缺陷检测模块中，将待检测刨花板图像G划分成M

其中i∈[0，M

缺陷区域连通模块中，取灰度均值连通区域CON

取灰度均值标识矩阵MAT

m

n

m

n

取灰度方差标识矩阵MAT

s

t

s

t

则灰度均值映射区域CON_RECT

本发明中通过使用灰度均值缺陷检测方法，将每个检测单元内的所有像素点的灰度值的平均值与设定的阈值进行比较，如果灰度均值不在给定的阈值范围内，那么对该检测单元进行标记，可以快速、准确地识别出刨花板图像中的大刨花、胶斑和油污缺陷。通过使用灰度方差缺陷检测方法，将每个检测单元内的所有像素点的灰度值的方差与设定的阈值进行比较，如果灰度方差不在给定的阈值范围内，那么对该检测单元进行标记，可以迅速、精准地识别出刨花板图像中的松软和漏砂缺陷。结合使用两种不同的缺陷检测方法，可以完整地识别出刨花板图像中的所有缺陷，降低了漏检率和误减率。使用机器对待检测刨花板图像进行检测，能够提高检测效率，同时降低人工成本。

实施例一

如图4至图8所示，本实施例中，待检测刨花板图像中的缺陷种类为大刨花类型，灰度均值缺陷检测模块中对待检测刨花板图像划分后的检测单元边长Cell

实施例二

如图9至图13所示，本实施例中，所述待检测刨花板图像中的缺陷种类为为胶斑类型，灰度均值缺陷检测模块中对待检测刨花板图像划分后的检测单元边长Cell

实施例三

如图14至图18所示，本实施例中，所述待检测刨花板图像中的缺陷种类为油污类型，灰度均值缺陷检测模块中对待检测刨花板图像划分后的检测单元边长Cell

实施例四

如图19至图23所示，本实施例中，所述待检测刨花板图像中的缺陷种类为松软类型，灰度均值缺陷检测模块中对待检测刨花板图像划分后的检测单元边长Cell

实施例五

如图24至图28所示，本实施例中，所述待检测刨花板图像中的缺陷种类为漏砂类型，灰度均值缺陷检测模块中对待检测刨花板图像划分后的检测单元边长Cell

以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，上述实施例中的实施方案可以进一步组合或者替换，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。