CN105344618A

CN105344618A - 矩形竹片缺棱缺陷及颜色分拣方法

Info

Publication number: CN105344618A
Application number: CN201510680844.XA
Authority: CN
Inventors: 赵章荣; 隋晓梅; 傅万四; 张雷; 杨光; 陈忠加; 杨建华; 张端
Original assignee: Beijing Forest Machinery Institute of State Forest Bureau
Current assignee: Research Institute of Wood Industry of Chinese Academy of Forestry
Priority date: 2015-10-21
Filing date: 2015-10-21
Publication date: 2016-02-24
Anticipated expiration: 2035-10-21
Also published as: CN105344618B

Abstract

本发明具体为一种矩形竹片缺陷及颜色分拣方法，解决了现有竹片检测和分选方法还未实现依缺陷和颜色自动分拣的问题。矩形竹片缺陷及颜色分拣方法，包括以下步骤，竹片经过四面精铣机加工成为矩形竹片；矩形竹片由传送装置沿长度方向输送经过分色霉斑检测箱进行颜色、虫眼、留青以及霉点检测，并将数据记录；矩形竹片由传送装置沿长度方向输送经过四边缺棱检测装置进行四边缺棱检测，最后送入自动分拣装置中，先将有虫眼、留青、霉点和缺棱的有缺陷的矩形竹片分入缺陷竹片分拣箱体存放，然后根据颜色数据，按照灰度分别存入六个不同的分拣箱体存放。本发明设计合理、检测准确、效率高、人工成本低。

Description

矩形竹片缺棱缺陷及颜色分拣方法

技术领域

本发明涉及农林行业中竹加工领域，具体为一种矩形竹片缺陷及颜色分拣方法。

背景技术

我国是世界上最主要的产竹国，竹类资源、竹林面积、竹材蓄积和产量均居世界首位。竹产业除了生态意义外，还具有重要的经济和社会价值。竹材人造板产品达数十种，主要产品有竹编胶合板、竹材胶合板、竹材层压板、竹席竹帘胶合板、竹材纤维板和竹材刨花板等.目前，以竹片胶合而成的竹材人造板是我国竹材加工的主要产品，它主要用于工程结构材料和装饰材料。作为竹材人造板主要半成品原料的竹片由不同产地及热处理会导致不同的颜色，且在加工中会发现虫眼、塌边、裂纹、霉变、局部竹青竹黄等缺陷。这些竹片不同颜色变化及缺陷直接影响竹材人造板质量。在竹材人造板生产过程中，为保证人造板色系一致性，涂胶组坯前需要对竹片进行分色及剔除有缺陷竹片，将同一颜色等级的竹片选配组坯。目前，国内在竹片分选时仅靠检测人员的感官评定，检测精度低。

国内外利用机器视觉方法对竹片及木板材料颜色分类及缺陷检测研究已取得了一定成果，这方面研究具有代表性的有：浙江大学郑传详发明了一种电脑分色设备，由传输部分将竹片传送至3个光电传感器采集颜色输入电脑进行分类。泰宁县伟熙科技有限公司郑熙等发明提供一种竹片自动分选系统，包括一检测传送装置、一分类装置和一电控柜，通过色度传感器来分类颜色。顾学民[4]建立了基于HIS算法和灰度值的竹片颜色在线分检系统。丁幼春研究了一种基于竹片图像颜色特征与纹路特征和Bayes分类器的颜色分类方法。罗玉娟利用CIE1976L*a*b*颜色空间的等距性和高分辨率的特点，将竹片的RGB颜色特征转换成L*a*b*空间颜色特征进行分析，选取能恰当表征竹片颜色的特征参数，再结合BP神经网络分类器对竹片进行细分类。黄紫嫣提出了采用机器视觉技术对竹地板原料竹片的颜色进行自动检测分等的方法，并进行了初步设计。在实现颜色分类的基础上，一些学者进行理论上部分缺陷分检研究。宋昕理论上构建了基于机器视觉的竹片缺陷检测与颜色分检平台，研究了竹片缺陷与颜色检测过程中图像采集、光学成像、光学照明等关键问题，但缺乏实际系统检验。何利平研究和设计基于LabView和Matlab混合编程的竹片检测系统，实现竹片表面缺陷实时准确的检测。经测试，竹片正确识别率达90％，检测速率8片/s以上，满足精度要求和生产需要。与竹片在线检测相类似的是木板材表面检测。随着电子技术的飞速发展，计算机视觉技术、模式识别技术和数字图像处理技术在木板材表面缺陷识别领域得到了广泛的应用，优必选公司的夏拥军公布了一种根据颜色和木纹分选木材的方法和设备，其步骤包括建立类别数据、采集木材图像、确定木材类别、启动分选装置。根据程序生成包括颜色的RGB、木纹倾斜角度、色斑占版面比例木材图像特征数据，其中木纹倾斜角度、色斑占版面比例可以直接判断，颜色数据需计算与类别数据各水平标定颜色相似度确定。王业琴利用RGB三个颜色矩阵融合成一个特征矩阵作为木材表面颜色分类的特征参数对样品进行分类。W.Kurdthongmee利用数字图像处理和自组织特征映射神经网络依据颜色对橡胶木指榫进行分类，其分类正确率达到95％。戴天虹等提出了一种基于HSV颜色空间的颜色特征提取方法对样本图像进行了分类仿真。谢永华主要以木材的死节、活节和虫眼三种常见缺陷为研究对象，对木材的缺陷图像分割和模式识别方法进行了深入的研究。上述研究在竹片分检上主要实现竹片颜色分类，还未实现缺陷(如缺边缺棱等缺陷)分拣。

发明内容

本发明为了解决现有竹片检测和分选方法还未实现依缺陷和颜色自动分拣的问题，提供了一种矩形竹片缺陷及颜色分拣方法。

本发明是采用如下技术方案实现的：矩形竹片缺陷及颜色分拣方法，包括以下步骤，

(1)竹片经过四面精铣机加工成为长1000～2000mm、宽15～25mm、高4～7mm的矩形竹片；

(2)矩形竹片由传送装置沿长度方向输送经过分色霉斑检测箱进行颜色、虫眼、留青以及霉点检测，并将数据记录；

(3)矩形竹片由传送装置沿长度方向输送经过四边缺棱检测装置进行四边缺棱检测，四边缺棱检测装置利用机械滚轮检测方式结合拉线传感器监测是否有缺棱，并记录数据；

(4)矩形竹片最后送入自动分拣装置中，根据上述步骤检测数据，先将有虫眼、留青、霉点和缺棱的有缺陷的矩形竹片分入缺陷竹片分拣箱体存放，然后根据颜色数据，按照灰度分为0～60、60～120、120～145、145～170、170～191、191～255六类，分别存入六个不同的分拣箱体存放。

上述步骤(2)和步骤(3)中记录数据以及步骤(4)中对于自动分类装置的控制利用PLC实现。四面精铣机加工竹片为现有技术，分色霉斑检测箱对于矩形竹片的颜色、虫眼、留青以及霉点检测具体为采用图像识别技术即机器视觉，即在暗箱中设光电传感器、视觉传感器等图像采集装置用于采集数据，并利用图像识别算法识别出矩形竹片的颜色、虫眼、留青以及霉点的具体参数，并根据获得的参数以及分类依据进行分类。拉线传感器配合机械滚轮用于检测矩形竹片四边在长度方向上棱边是否发生位移，从而检测出是否发生缺棱现象。颜色分类主要依据是矩形竹片颜色相近和美观程度以及形竹片的应用领域。自动分类装置一般采用电机、提升链轮、提升机架等结构实现矩形竹片的提升，并利用若干高度不同的分拣箱体组合成顶部在同一斜面上的分拣槽，每个分拣槽顶部的盖板采用自动控制，依据上述步骤的检测数据，在矩形竹片由上至下的输送过程中将对应竹片分别放入不同的分拣箱体内，实现竹片最终的分拣。分拣流程大致分为两个环节，第一环节为分拣出带有虫眼、留青、霉点和缺棱的有缺陷的矩形竹片单独存放，第二环节为将剩余没有虫眼、留青、霉点和缺棱的无缺陷的矩形竹片按颜色灰度分为0～60、60～120、120～145、145～170、170～191、191～255六类分别存放。

本发明的有益效果如下：利用分色霉斑检测箱、四边缺棱检测装置和自动分拣装置的合理布置和流程设计，实现了矩形竹片的缺陷检测和全自动分拣。本发明设计合理、检测准确，采用合适的检测设备和先进的算法保证虫眼、留青、霉点和缺棱缺陷的检测准确率高于95％，完全自动化的进给装置和分拣设备可以保证矩形竹片的分选速度达到30个/分钟，效率高、人工成本低。

具体实施方式

矩形竹片缺陷及颜色分拣方法，包括以下步骤，

(4)矩形竹片最后送入自动分拣装置中，根据上述步骤检测数据，先将有虫眼、留青、霉点和缺棱的有缺陷的矩形竹片分入缺陷竹片箱存放，然后根据颜色数据，按照灰度分为0～60、60～120、120～145、145～170、170～191、191～255六类，分别存入六个不同的箱体存放。

具体实施过程中，步骤(3)中四边缺棱检测装置的检测标准为四边任意一边缺棱尺寸大于1mm即视为带有缺棱缺陷的矩形竹片。步骤(2)中分色霉斑检测箱的监测标准为虫眼、霉点任意直径大于1mm或留青宽度大于1mm即视为带有虫眼或留青或霉点缺陷的矩形竹片。

步骤(2)和步骤(3)的传送装置采用减速电机配合双辊输送机的结构，在保证定位准确的基础上，完全达到所需的进给速度。

Claims

1.一种矩形竹片缺陷及颜色分拣方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的矩形竹片缺陷及颜色分拣方法，其特征在于：步骤(3)中四边缺棱检测装置的检测标准为四边任意一边缺棱尺寸大于1mm即视为带有缺棱缺陷的矩形竹片。

3.根据权利要求1所述的矩形竹片缺陷及颜色分拣方法，其特征在于：步骤(2)中分色霉斑检测箱的监测标准为虫眼、霉点任意直径大于1mm或留青宽度大于1mm即视为带有虫眼或留青或霉点缺陷的矩形竹片。