二次漂白需求分析平台

技术领域

本发明涉及木材处理领域，尤其涉及一种二次漂白需求分析平台。

背景技术

木材是能够次级生长的植物，如乔木和灌木，所形成的木质化组织。这些植物在初生生长结束后，根茎中的维管形成层开始活动，向外发展出韧皮，向内发展出木材。

木材是维管形成层向内的发展出植物组织的统称，包括木质部和薄壁射线。木材对于人类生活起着很大的支持作用。根据木材不同的性质特征，人们将它们用于不同途径。

当前，对于木材原料的加工通常需要进行切割、漂白以及再加工逐项程序，其中，漂白程序一般采用一次漂白模式，即不考虑漂白效果，只要经过一次漂白处理，木材就可以拿去进行各种木材制品的再加工，这种操作模式容易导致因为材料差异以及漂白工艺差异形成的泛黄木材流入市场，而且一旦执行了后续再加工，就很难再进行漂白工艺的补救。

发明内容

为了解决相关领域的技术问题，本发明提供了一种二次漂白需求分析平台，能够对经过切割和漂白处理后的木材表面执行基于定制视觉处理模式的整体泛黄分析，以基于分析结果判断木材是否漂白合格，并对不合格的木材发送二次漂白请求以避免劣质产品流入市场。

为此，本发明至少需要具备以下几处关键的发明点：

(1)对经过切割和漂白处理后的木材表面执行基于定制视觉处理模式的整体泛黄分析，以在木材整体泛黄时，请求执行二次漂白处理，以保证最终漂白木材的成品质量；

(2)在具体的整体泛黄分析中，获取木材成像区域中各个像素的各个G颜色分量，对所述各个G颜色分量执行去除最大值和最小值后的算术平均值的计算，以获得对应的参考黄色分量，在接收到的参考黄色分量超过预设黄色分量阈值时，发出再次漂白信号以请求执行二次漂白处理。

根据本发明的一方面，提供了一种二次漂白需求分析平台，所述平台包括：

木材切割机械，包括主动带轮、钢带、第一电动机、从动带轮、张紧气缸、第二电动机、减速箱、传送带、调节螺母，床体、齿状锯体、基座、升降导轨、轴承座、蜗杆涡轮和滑座。

更具体地，在所述二次漂白需求分析平台中：

在所述木材切割机械中，所述第一电动机与所述主动带轮连接用于驱动所述主动带轮，所述从动带轮通过所述钢带与所述主动带轮连接，所述张紧气缸设置在所述第一电动机的右侧。

更具体地，在所述二次漂白需求分析平台中：

在所述木材切割机械中，所述主动带轮、所述钢带、所述第一电动机、所述从动带轮和所述张紧气缸都设置在所述滑座上。

更具体地，在所述二次漂白需求分析平台中，所述平台还包括：

漂白执行机械，内置漂白剂喷头，用于对所述传送带传送过来的待漂白木材片段执行漂白处理以获得已漂白木材片段；

枪型抓拍机构，用于对下方所述传送带传送过来的已漂白木材片段的表面执行抓拍操作，以获得现场传送图像；

首端执行机构，设置在所述基座内，与所述枪型抓拍机构连接，用于对接收到的现场传送图像执行组合滤波操作，以获得对应的首端执行图像；

末端执行机构，设置在所述基座内，与所述首端执行机构连接，用于对接收到的首端执行图像执行基于空域微分模式的图像信号锐化处理，以获得对应的末端执行图像；

内容分割设备，与所述末端执行机构连接，用于基于所述木材切割机械设定的木材切割形状在所述末端执行图像中搜索与所述设定的木材切割形状一致的多个图像区域；

区域选择设备，与所述内容分割设备连接，用于在所述末端执行图像的多个图像区域中选择靠近所述末端执行图像中央位置且面积超限的图像区域作为木材成像区域输出；

分量提取设备，与所述末端执行机构连接，用于提取所述木材成像区域中每一个像素在RGB颜色空间下的R颜色分量、G颜色分量和B颜色分量；

数值鉴定机构，与所述分量提取设备连接，用于获取所述木材成像区域中各个像素的各个G颜色分量，对所述各个G颜色分量执行去除最大值和最小值后的算术平均值的计算，以获得对应的参考黄色分量；

信号解析机构，与所述数值鉴定机构连接，用于在接收到的参考黄色分量超过预设黄色分量阈值时，发出再次漂白信号；

其中，所述信号解析机构还用于在接收到的参考黄色分量超过预设黄色分量阈值时，发出漂白有效信号；

其中，在所述木材切割机械中，所述第二电动机与所述减速箱连接，所述传送带设置在所述床体上，用于传送待切割的木材原料，所述床体设置在所述基座上，所述齿状锯体垂直设置在所述轴承座上，用于对下方的所述传送带传送过来的木材原料进行切割以获得待漂白木材片段，所述升降导轨设置在所述床体上且上方安置所述轴承座，所述蜗杆涡轮设置在所述轴承座上。

根据本发明的另一方面，还提供了一种二次漂白需求分析方法，所述方法包括使用一种如上述的二次漂白需求分析平台，用于基于单次漂白后的木材表面的泛黄分析结果判断是否需要执行二次漂白处理。

本发明的二次漂白需求分析平台设计紧凑、逻辑可靠。由于能够在针对性硬件结构以及图像处理机制的基础上，对经过切割和漂白处理后的木材的漂白效果执行判断，从而保证了成品木材的漂白质量。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为根据本发明实施方案示出的二次漂白需求分析平台的结构示意图。

具体实施方式

下面将参照附图对本发明的二次漂白需求分析平台的实施方案进行详细说明。

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。现阶段图像识别技术一般分为人脸识别与商品识别，人脸识别主要运用在安全检查、身份核验与移动支付中；商品识别主要运用在商品流通过程中，特别是无人货架、智能零售柜等无人零售领域。

图像的传统识别流程分为四个步骤：图像采集→图像预处理→特征提取→图像识别。图形刺激作用于感觉器官，人们辨认出它是经验过的某一图形的过程，也叫图像再认。在图像识别中，既要有当时进入感官的信息,也要有记忆中存储的信息。只有通过存储的信息与当前的信息进行比较的加工过程，才能实现对图像的再认。

当前，对于木材原料的加工通常需要进行切割、漂白以及再加工逐项程序，其中，漂白程序一般采用一次漂白模式，即不考虑漂白效果，只要经过一次漂白处理，木材就可以拿去进行各种木材制品的再加工，这种操作模式容易导致因为材料差异以及漂白工艺差异形成的泛黄木材流入市场，而且一旦执行了后续再加工，就很难再进行漂白工艺的补救。

为了克服上述不足，本发明搭建了一种二次漂白需求分析平台，能够有效解决相应的技术问题。

图1为根据本发明实施方案示出的二次漂白需求分析平台的结构示意图，所述平台包括：

木材切割机械，包括主动带轮、钢带、第一电动机、从动带轮、张紧气缸、第二电动机、减速箱、传送带、调节螺母，床体、齿状锯体、基座、升降导轨、轴承座、蜗杆涡轮和滑座。

接着，继续对本发明的二次漂白需求分析平台的具体结构进行进一步的说明。

所述二次漂白需求分析平台中：

在所述木材切割机械中，所述第一电动机与所述主动带轮连接用于驱动所述主动带轮，所述从动带轮通过所述钢带与所述主动带轮连接，所述张紧气缸设置在所述第一电动机的右侧。

所述二次漂白需求分析平台中：

在所述木材切割机械中，所述主动带轮、所述钢带、所述第一电动机、所述从动带轮和所述张紧气缸都设置在所述滑座上。

所述二次漂白需求分析平台中还可以包括：

漂白执行机械，内置漂白剂喷头，用于对所述传送带传送过来的待漂白木材片段执行漂白处理以获得已漂白木材片段；

枪型抓拍机构，用于对下方所述传送带传送过来的已漂白木材片段的表面执行抓拍操作，以获得现场传送图像；

首端执行机构，设置在所述基座内，与所述枪型抓拍机构连接，用于对接收到的现场传送图像执行组合滤波操作，以获得对应的首端执行图像；

末端执行机构，设置在所述基座内，与所述首端执行机构连接，用于对接收到的首端执行图像执行基于空域微分模式的图像信号锐化处理，以获得对应的末端执行图像；

内容分割设备，与所述末端执行机构连接，用于基于所述木材切割机械设定的木材切割形状在所述末端执行图像中搜索与所述设定的木材切割形状一致的多个图像区域；

区域选择设备，与所述内容分割设备连接，用于在所述末端执行图像的多个图像区域中选择靠近所述末端执行图像中央位置且面积超限的图像区域作为木材成像区域输出；

分量提取设备，与所述末端执行机构连接，用于提取所述木材成像区域中每一个像素在RGB颜色空间下的R颜色分量、G颜色分量和B颜色分量；

数值鉴定机构，与所述分量提取设备连接，用于获取所述木材成像区域中各个像素的各个G颜色分量，对所述各个G颜色分量执行去除最大值和最小值后的算术平均值的计算，以获得对应的参考黄色分量；

信号解析机构，与所述数值鉴定机构连接，用于在接收到的参考黄色分量超过预设黄色分量阈值时，发出再次漂白信号；

其中，所述信号解析机构还用于在接收到的参考黄色分量超过预设黄色分量阈值时，发出漂白有效信号；

其中，在所述木材切割机械中，所述第二电动机与所述减速箱连接，所述传送带设置在所述床体上，用于传送待切割的木材原料，所述床体设置在所述基座上，所述齿状锯体垂直设置在所述轴承座上，用于对下方的所述传送带传送过来的木材原料进行切割以获得待漂白木材片段，所述升降导轨设置在所述床体上且上方安置所述轴承座，所述蜗杆涡轮设置在所述轴承座上。

所述二次漂白需求分析平台中：

所述内容分割设备、所述区域选择设备、所述分量提取设备、所述数值鉴定机构和所述信号解析机构都设置在所述基座内。

所述二次漂白需求分析平台中还可以包括：

并行数据总线，分别与所述内容分割设备、所述区域选择设备、所述分量提取设备、所述数值鉴定机构和所述信号解析机构连接；

其中，所述并行数据总线用于提供所述内容分割设备、所述区域选择设备、所述分量提取设备、所述数值鉴定机构和所述信号解析机构相互之间的数据的发送和接收。

所述二次漂白需求分析平台中：

获取所述木材成像区域中各个像素的各个G颜色分量，对所述各个G颜色分量执行去除最大值和最小值后的算术平均值的计算，以获得对应的参考黄色分量包括：对所述木材成像区域中各个像素的各个G颜色分量进行从大到小的排序，将最小序号对应的G颜色分量以及最大序号对应的G颜色分量去除以获得剩余多个G颜色分量。

所述二次漂白需求分析平台中：

获取所述木材成像区域中各个像素的各个G颜色分量，对所述各个G颜色分量执行去除最大值和最小值后的算术平均值的计算，以获得对应的参考黄色分量还包括：对所述剩余多个G颜色分量执行算术平均值的计算，以获得对应的参考G颜色分量即参考黄色分量。

同时，为了克服上述不足，本发明还搭建了一种二次漂白需求分析方法，所述方法包括使用一种如上述的二次漂白需求分析平台，用于基于单次漂白后的木材表面的泛黄分析结果判断是否需要执行二次漂白处理。

另外，在所述二次漂白需求分析平台中，所述内容分割设备、所述区域选择设备、所述分量提取设备、所述数值鉴定机构和所述信号解析机构为不同运算能力和数据处理速率的GPU芯片。GPU在几个主要方面有别于DSP(Digital Signal Processing，简称DSP，数字信号处理)架构。其所有计算均使用浮点算法，而且此刻还没有位或整数运算指令。此外，由于GPU专为图像处理设计，因此存储系统实际上是一个二维的分段存储空间，包括一个区段号(从中读取图像)和二维地址(图像中的X、Y坐标)。此外，没有任何间接写指令。输出写地址由光栅处理器确定，而且不能由程序改变。这对于自然分布在存储器之中的算法而言是极大的挑战。最后一点，不同碎片的处理过程间不允许通信。实际上，碎片处理器是一个SIMD数据并行执行单元，在所有碎片中独立执行代码。尽管有上述约束，但是GPU还是可以有效地执行多种运算，从线性代数和信号处理到数值仿真。虽然概念简单，但新用户在使用GPU计算时还是会感到迷惑，因为GPU需要专有的图形知识。这种情况下，一些软件工具可以提供帮助。两种高级描影语言CG和HLSL能够让用户编写类似C的代码，随后编译成碎片程序汇编语言。Brook是专为GPU计算设计，且不需要图形知识的高级语言。因此对第一次使用GPU进行开发的工作人员而言，它可以算是一个很好的起点。Brook是C语言的延伸，整合了可以直接映射到GPU的简单数据并行编程构造。经GPU存储和操作的数据被形象地比喻成“流”(stream)，类似于标准C中的数组。核心(Kernel)是在流上操作的函数。在一系列输入流上调用一个核心函数意味着在流元素上实施了隐含的循环，即对每一个流元素调用核心体。Brook还提供了约简机制，例如对一个流中所有的元素进行和、最大值或乘积计算。Brook还完全隐藏了图形API的所有细节，并把GPU中类似二维存储器系统这样许多用户不熟悉的部分进行了虚拟化处理。用Brook编写的应用程序包括线性代数子程序、快速傅立叶转换、光线追踪和图像处理。利用ATI的X800XT和Nvidia的GeForce 6800 Ultra型GPU，在相同高速缓存、SSE汇编优化Pentium 4执行条件下，许多此类应用的速度提升高达7倍之多。

虽然参考示例性实施例说明了本发明，但是应当理解，本发明不限于所公开的示例性实施例。所附权利要求的范围符合最宽的解释以包含全部此类修改、等同结构和功能。