|
板材是木材應用需求量最大的品種，板材表面質量是評定板材質量的重要指標之一。隨著木材加工業向機械化、自動化的大規模生產方向發展，人們對板材的加工質量，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行了深入研究，結合數字圖像處理技術和人工神經網絡模式識別技術，研究了木材表面缺陷圖像預處理、特征提取、模式識別問題，以Visual C＋＋程序設計環境，開發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鍵的。論文通過三種方式對圖像的灰度直方圖進行分析統計：(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的識別率。論文首先從灰度直方圖中根據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。經過實驗統計，當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。 基于人工神經網絡的模式識別具有對數據類型和分布函數沒有限制、容忍度更高等優點，相適應于木材表面缺陷的復雜性，有很好的應用前景。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，構建了系統的BP網絡系統模型。論文以4種缺陷類型為輸出，選用LMS對BP神經網絡進行訓練，對設計的神經網絡系統進行了檢測，實驗結果表明系統的平均識別率為97％，證實了所設計系統的可行性和有效性。 QCROBOT可提供此機器視覺模塊及工程解決方案。 |
