一種視頻檢測地板正反面的方法

2023-08-07 04:33:46 1

一種視頻檢測地板正反面的方法
【專利摘要】本發明公開了一種視頻檢測地板正反面的方法，利用攝像機採集生產線上地板的圖像信息，對採集到的地板圖像信息進行分塊，通過灰度化，顏色提取算法的處理，獲取圖像信息的紅色分量平均值和灰度分布的最大值作為特徵，利用監督學習算法識別獲取圖像中地板的正反面信息，之後利用攝像機持續採集生產線上地板的圖像信息，並利用監督學習算法識別地板的正反面。本發明可以有效的識別生產線上地板的正反面，降低工人勞動強度，有助於提高生產效率。
【專利說明】一種視頻檢測地板正反面的方法
【技術領域】
[0001]本發明屬於數字圖像處理技術和計算機【技術領域】，涉及一種視頻檢測地板正反面的方法。
【背景技術】
[0002]檢測地板的正反面是地板生產線上必須的一道工序，直接關係到最終產品的質量。目前，常用的檢測方法是人工檢測，這種方法需要工人24小時值守在生產線旁對生產線上運動的地板的正反面進行判斷，故而勞動單一重複，效率低下，極大的浪費了人力資源。吳長慶等提出過一種使用色差計的木板顏色分等檢測方法，該方法可以對顏色差異較大的木板進行分等，但是在木板顏色較為相近時使用色差計的效果尚未可知，同時利用色差計的方法目前只用於三種不同顏色木板的分類中。
[0003]近年來計算機視覺有了很大的發展，目前針對木材的計算機視覺研究更多側重於木材表面缺陷檢測方面。結合模式識別技術，通過引入基於人工神經網絡等分類算法，以顏色特徵進行分類，構建板材表面缺陷的識別算法，重點論述的對缺陷分類識別的實現過程及方法。使用計算機視覺和數字圖像處理技術可以取代現有的人工檢測方法，大大的提高生產效率，但是，而對於地板的正反面檢測的視頻檢測方法還少有涉及。

【發明內容】

[0004]技術問題:本發明提供一種檢測正確率高、提高了檢測效率的地板正反面的視頻檢測方法。
[0005]技術方案:本發明的地板正反面的`視頻檢測方法，包括以下步驟:
[0006]I)利用攝像機分別採集地板的正面圖像信息和反面圖像信息；
[0007]2)將採集到的地板正面圖像信息和反面圖像信息分別分為N個子圖像，並從每個子圖像中提取出灰度圖像和紅色分量圖像，其中N為大於等於3的奇數，且N小於圖像像素點的總個數；
[0008]3)計算灰度圖像的灰度分布概率並提取灰度分布概率的最大值，計算紅色分量圖像的平均值；
[0009]4)利用監督學習算法進行地板正反面圖像信息的參數學習；
[0010]5)利用攝像機持續採集生產線上地板的圖像信息，然後利用監督學習算法識別地板的正反面。
[0011]本發明方法中，步驟2)的具體流程為:將地板圖像信息f(x，y)分成N幅子圖像，記為fi(x, y)，i = 1，2，…，N,其中(x，y)為像素點的坐標,然後提取出每幅子圖像fjx，y)的灰度分量值作為灰度圖像gi(x，y)，提取出fi(x，y)的紅色分量圖像巧0^7)。上述地板圖像A U，y)是對地板正面圖像信息和反面圖像信息的統稱。
[0012]本發明方法的一個優選方案中，步驟2)中將地板圖像信息f(x，y)分成均等的N幅子圖像；[0013]本發明方法中，步驟3)的具體流程為:
[0014]根據下式計算灰度圖像gi (χ, y)的灰度分布概率:
【權利要求】
1.一種視頻檢測地板正反面的方法，其特徵在於，該方法包括以下步驟: 1)利用攝像機分別採集地板的正面圖像信息和反面圖像信息； 2)將採集到的地板正面圖像信息和反面圖像信息分別分為N個子圖像，並從每個子圖像中提取出灰度圖像和紅色分量圖像，其中N為大於等於3的奇數，且N小於圖像像素點的總個數； 3)計算灰度圖像的灰度分布概率並提取所述灰度分布概率的最大值，計算紅色分量圖像的平均值； 4)利用監督學習算法進行地板正反面圖像信息的參數學習； 5)利用攝像機持續採集生產線上地板的圖像信息，然後利用監督學習算法識別地板的正反面。
2.根據權利要求1所述的視頻檢測地板正反面的方法，其特徵在於，所述步驟2)的具體流程為: 將地板圖像信息f (χ, y)分成N幅子圖像,記為=其中(x，y)為像素點的坐標，然後提取出每幅子圖像fi(x，y)的灰度分量值作為灰度圖像gi(x，y)，提取出fi (X，y)的紅色分量圖像η (χ, y)。
3.根據權利要求2所述的視頻檢測地板正反面的方法，其特徵在於，所述步驟2)中，將地板圖像信息f (X，y)分成均等的N幅子圖像。
4.根據權利要求1、2或3所述的視頻檢測地板正反面的方法，其特徵在於，所述步驟4)和5)中使用的監督學習算法為最小`平方誤差判別算法或高斯判別分析算法。
5.根據權利要求1、2或3所述的視頻檢測地板正反面的方法，其特徵在於，所述步驟3)的具體流程為: 根據下式計算灰度圖像gi(x，y)的灰度分布概率:
χΣhi("z"?).'(A(in,n) ^k) P;{k) = ^^-—-,^ = 0,1,...,255,/ = 1,2,---,iV

W _ H 其中PiGO為灰度值為k的像素點的灰度分布概率，k代表灰度圖像gi(x，y)的灰度值，hi (m, η)為灰度圖像gi(x，y)在坐標(m，η)處的值，W為子圖像的寬度，H為子圖像的高度，符號I Oii (m, n) = k)表示:如果Iii (m, η)等於k,貝丨J I Qii (m, n) = k)為I,否則為O ； 提取出灰度分布概率Pi (k)的最大值，記為HiaxPi ; 根據下式計算紅色分量圖像A (x, y)的平均值:—噸= …，N
m=\ η-1 ^ ^ 其中，HieanRi為紅色分量圖像η (χ, y)的平均值，Ii (m, η)為紅色分量圖像η (x, y)在坐標(m，n)處的值。
6.根據權利要求5所述的視頻檢測地板正反面的方法，其特徵在於，所述步驟4)和5)中使用的監督學習算法為最小平方誤差判別算法或高斯判別分析算法。
【文檔編號】G06K9/62GK103559486SQ201310554764
【公開日】2014年2月5日 申請日期:2013年11月11日 優先權日:2013年11月11日
【發明者】尚進, 李志超, 費樹岷, 沈捷 申請人:東南大學