CN105466950A - 一种基于视觉的竹块在线检测方法及系统 - Google Patents

Abstract

本发明公开了一种基于视觉的竹块在线检测方法，包括以下步骤：1）待检测竹块通过第二传送带运动，图像触发采集模块拍照采集图像并编号；2）图像送至PC机进行白平衡处理，以获得符合人眼视觉的图像，再根据竹块缺陷检测算法来判断待检测竹块图像是否存在缺陷并剔除具有缺陷的待检测竹块；具体包括轮廓缺陷检测、白斑检测及棕斑检测；本发明能实现竹块的自动化传送及自动翻面，利用图像触发采集模块采集待检测竹片图像信息，并通过定义的竹块缺陷检测算法，利用PC机实现对竹块外观缺陷、白斑缺陷、棕斑缺陷的在线检测判定，剔除缺陷竹片；显著减少人工挑拣成本，提高竹块检测效率，增加产品合格率，投入小，便于操作，具有极大的市场前景。

Description

一种基于视觉的竹块在线检测方法及系统

技术领域

本发明涉及竹块检测技术领域，具体是一种基于视觉的竹块在线检测方法及系统。

背景技术

竹块在加工过程中会产生两种主要缺陷：外形缺陷和斑纹缺陷，这两种缺陷会影响竹块制品的美观，必须在穿线前将其筛选出来；传统的竹块缺陷检测主要是利用人工进行检测，但是人工检测不仅成本高、效率低，准确性也难以长时间保证，而且不能很好的将缺陷数据进行统计分析，给前一道工序提供参考；近年来，各竹席生产企业已经能够在竹块的加工上实现自动化，但唯有其缺陷检测在国内依然主要采用人工的方法，因此迫切需要一个自动的缺陷检测系统，来代替人工筛选。

发明内容

本发明的目的在于提供一种减少人工成本，检测效率高，产品合格率高的基于视觉的竹块在线检测方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于视觉的竹块在线检测方法，包括以下步骤：

1）待检测竹块通过振盘排队送上第二传送带，在其通过环形光源前的第一对图像触发采集模块时，STM32会向摄像头输送一个触发信号，并记录此触发信号的序号；

2）摄像头获得触发信号后，抓取一帧彩色图像，并向PC机传送获得的图像，PC机获得图像信号后对获得的图像进行白平衡处理，以获得符合人眼视觉的图像，再根据竹块缺陷检测算法来判断待检测竹块图像是否存在缺陷；

2.1）当判断待检测竹块有缺陷时，PC机向STM32反馈竹片图像的序号，STM32检测到反馈的序号，判断反馈的序号和由第二对图像触发采集模块触发获得的图像信号的序号一致时，STM32向步进电机发出转动指令，剔除具有缺陷的待检测竹块；

2.2）当判断待检测竹块没有缺陷时，待检测竹块经过翻面后继续重复步骤2的检测过错，筛选出合格的竹块。

作为本发明进一步的方案：所述基于视觉的竹块在线检测方法采用的检测系统包括步进电机、图像触发采集模块、振盘喂料部件，还包括第一传送带、第二传送带、传动轮及从动轮，其中图像触发采集模块包括激光触发装置、摄像头和环形光源；第一传送带连接两个传动轮，第二传送带连接一个传动轮和三个从动轮，第一传送带和第二传送带均通过步进电机驱动实现传送，第一传送带和第二传送带具有实现竹片翻面的接触部分，第一传送带与第二传送带的传动方向相反；所述第一传送带设置在振盘喂料部件的出料口处，竹片经出料口落入第一传送带上，第一传送带上间隔设置有多个图像触发采集模块，第二传送带上也设置有图像触发采集模块；图像触发采集模块与PC机通讯连接。

作为本发明再进一步的方案：所述竹块缺陷检测算法，包括以下步骤：

1）将由白平衡处理后的图像进行灰度化，通过实验阈值二值化后，判断其中是否存在竹块信息，没有竹块信息则不做任何处理，存在竹块信息则进入下一步骤；

2）对二值图像进行边缘检测，获得其质心和最小外接矩形，通过质心和矩形角度中心旋转到标准的水平位置，定位竹块ROI区域并裁剪出来，用于下一步骤的检测；

3）竹块轮廓缺陷检测：对竹块的外轮廓长度和竹块ROI区域的面积进行统计分析，分别得出合格竹块上下限阈值，再将竹块外轮廓进行水平投影，通过投影的高度判断竹块轮廓的完整性，进一步判断竹块是否具有轮廓缺陷，存在轮廓缺陷时向STM32发送当前竹块图像序号，无竹块轮廓缺陷时进入下一步骤；

4）竹块表面缺陷检测：主要包括正反面检测、白斑缺陷检测和棕斑缺陷检测；传送带采用深绿色传送带，深绿色Hue值大，将竹块彩色图像转换到HSV空间，求出前景目标区域ROI=Hue-Value，其效果比OTSU阈值更具有鲁棒性。

作为本发明再进一步的方案：所述正反面检测：对Hue空间求灰度均值，所得的值大于实验值Th1则判断竹块为反面，小于Th1则判断竹块为正面，其中Th1的值为50。

作为本发明再进一步的方案：所述白斑缺陷检测：对于正面竹块首先进行白斑检测，然后分别将色调通道和饱和度通道进行直方图均衡化，再求出初步的种子图像diff=α*Hue-Saturation，其中，α系数去0.8，种子图像凸显白斑区域，选取diff2中灰度值最大的10个梯度为种子点，进行区域生长，所得区域为疑似白斑区域，当疑似白斑区域面积大于阈值0.5%，灰度均值大于155时判定竹块具有白斑缺陷；对于反面竹块检测无白斑缺陷，直接进入下一步骤。

作为本发明再进一步的方案：所述棕斑缺陷检测：由于排除了白斑的干扰，棕斑的Hue小于正常的竹块，对于正面竹块求出其Hue空间的灰度均值，小于Th2时判定为疑似棕斑，Th2的值为45；对于反面竹块，求出其灰度值的方差，方差大于20时判定其分布不均，具有疑似棕斑，对有疑似棕斑的竹块选取其灰度值最小的10个梯度为种子点，进行区域生长，所得区域为疑似棕斑区域，当疑似棕斑区域面积大于阈值0.5%，灰度均值小于60判定竹块具有棕斑缺陷。

与现有技术相比，本发明的有益效果是：本发明通过将两组传送带传动设置，实现竹块的自动化传送，且能实现竹块自动翻面，利用图像触发采集模块采集待检测竹片图像信息，并通过定义的竹块缺陷检测算法，利用PC机实现对竹块外观缺陷、白斑缺陷、棕斑缺陷的判定，剔除缺陷竹片，实现对竹片的自动在线检测，本发明的竹块在线检测方法和系统能显著减少人工挑拣的成本，提高竹块检测效率，增加产品合格率，且投入小，便于操作使用，具有极大的市场前景。

附图说明

图1为本发明中检测方法的流程框图。

图2为本发明中检测系统的结构示意图。

图3为采用本发明检测方法采集的正常竹片正面示意图。

图4为采用本发明检测方法采集的正常竹片反面示意图。

图5为采用本发明检测方法采集的具有外形缺陷的竹片的示意图。

图6为采用本发明检测方法采集的具有白斑缺陷的竹片的示意图。

图7为采用本发明检测方法采集的具有另一种白斑缺陷的竹片的示意图。

图8为采用本发明检测方法采集的具有棕斑缺陷的竹片的示意图。

图9为采用本发明检测方法采集的具有另一种棕斑缺陷的竹片的示意图。

其中，1-传动轮；2-第一传送带；3-图像触发采集模块；4-第二传送带；5-从动轮。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-9，本发明实施例中，一种基于视觉的竹块在线检测方法，包括以下步骤：

1）待检测竹块通过振盘排队送上第二传送带4，在其通过环形光源前的第一对图像触发采集模块3时，STM32会向摄像头输送一个触发信号，并记录此触发信号的序号；

2）摄像头获得触发信号后，抓取一帧彩色图像，并向PC机传送获得的图像，PC机获得图像信号后对获得的图像进行白平衡处理，以获得符合人眼视觉的图像，再根据竹块缺陷检测算法来判断待检测竹块图像是否存在缺陷；

2.1）当判断待检测竹块有缺陷时，PC机向STM32反馈竹片图像的序号，STM32检测到反馈的序号，判断反馈的序号和由第二对图像触发采集模块3触发获得的图像信号的序号一致时，STM32向步进电机发出转动指令，剔除具有缺陷的待检测竹块；

2.2）当判断待检测竹块没有缺陷时，待检测竹块经过翻面后继续重复步骤2的检测过错，筛选出合格的竹块。

其中，所述基于视觉的竹块在线检测方法采用的检测系统包括步进电机、图像触发采集模块3、振盘喂料部件，还包括第一传送带2、第二传送带4、传动轮1及从动轮5，其中图像触发采集模块3包括激光触发装置、摄像头和环形光源；第一传送带2连接两个传动轮1，第二传送带4连接一个传动轮1和三个从动轮5，第一传送带2和第二传送带4均通过步进电机驱动实现传送，第一传送带2和第二传送带4具有实现竹片翻面的接触部分，第一传送带2与第二传送带4的传动方向相反；所述第一传送带2设置在振盘喂料部件的出料口处，竹片经出料口落入第一传送带2上，第一传送带2上间隔设置有多个图像触发采集模块3，第二传送带4上也设置有图像触发采集模块3；图像触发采集模块3与PC机通讯连接。

所述竹块缺陷检测算法，包括以下步骤：

1）将由白平衡处理后的图像进行灰度化，通过实验阈值二值化后，判断其中是否存在竹块信息，没有竹块信息则不做任何处理，存在竹块信息则进入下一步骤；

2）对二值图像进行边缘检测，获得其质心和最小外接矩形，通过质心和矩形角度中心旋转到标准的水平位置，定位竹块ROI区域并裁剪出来，用于下一步骤的检测；

3）竹块轮廓缺陷检测：对竹块的外轮廓长度和竹块ROI区域的面积进行统计分析，分别得出合格竹块上下限阈值，再将竹块外轮廓进行水平投影，通过投影的高度判断竹块轮廓的完整性，进一步判断竹块是否具有轮廓缺陷，存在轮廓缺陷时向STM32发送当前竹块图像序号，无竹块轮廓缺陷时进入下一步骤；

4）竹块表面缺陷检测：主要包括以下步骤：

4.1）传送带采用深绿色传送带，深绿色Hue值大，将竹块彩色图像转换到HSV空间，求出前景目标区域ROI=Hue-Value，其效果比OTSU阈值更具有鲁棒性；

4.2）正反面检测：对Hue空间求灰度均值，所得的值大于实验值Th1则判断竹块为反面，小于Th1则判断竹块为正面，其中Th1的值为50；

4.3）白斑缺陷检测：对于正面竹块首先进行白斑检测，然后分别将色调通道和饱和度通道进行直方图均衡化，再求出初步的种子图像diff=α*Hue-Saturation，其中，α系数去0.8，种子图像凸显白斑区域，选取diff2中灰度值最大的10个梯度为种子点，进行区域生长，所得区域为疑似白斑区域，当疑似白斑区域面积大于阈值0.5%，灰度均值大于155时判定竹块具有白斑缺陷；对于反面竹块检测无白斑缺陷，直接进入下一步骤；

4.4）棕斑缺陷检测：由于排除了白斑的干扰，棕斑的Hue小于正常的竹块，对于正面竹块求出其Hue空间的灰度均值，小于Th2时判定为疑似棕斑，Th2的值为45；对于反面竹块，求出其灰度值的方差，方差大于20时判定其分布不均，具有疑似棕斑，对有疑似棕斑的竹块选取其灰度值最小的10个梯度为种子点，进行区域生长，所得区域为疑似棕斑区域，当疑似棕斑区域面积大于阈值0.5%，灰度均值小于60判定竹块具有棕斑缺陷。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种基于视觉的竹块在线检测方法，其特征在于，包括以下步骤：

1）获取至少一帧待检测竹块的彩色图像；

2）通过该待检测竹块的彩色图像对竹块进行轮廓缺陷检测、白斑缺陷检测和棕斑缺陷检测；

2.1）进行轮廓缺陷检测时，对获取的彩色图像进行灰度化和二值化处理，得到二值图像后对所述二值图像进行边缘检测提取出竹块ROI区域并将所述ROI区域的轮廓特征值与预设值进行比对；

2.2）进行白斑缺陷检测时，将提取出的RGB彩色OI图像转换到HSV空间（Hue,Saturation,Value），再将色调通道和饱和度通道进行直方图均衡化，求出初步的种子图像，给后期的区域生长提供参考，计算公式为：

diff=α*Hue-Saturation；

其中，α系数=0.8，选取diff中灰度值最大的10个梯度为种子点，在种子图像中进行区域生长，从种子点开始，通过判断相邻像素的相似性，成长成一个相似的区域集合，所得区域为疑似白斑区域，当所述疑似白斑区域的面积大于阈值0.5%，灰度均值大于155时判定待检测竹块具有白斑缺陷；

2.3）进行棕斑缺陷检测时，求出彩色ROI图像色调Hue空间的灰度均值，当灰度均值小于Th2时判定存在疑似棕斑，在具有疑似棕斑的竹块上选取灰度值最小的10个梯度为种子点，进行区域生长，所得区域为疑似棕斑区域，当疑似棕斑区域面积大于阈值0.5%，灰度均值小于60时判定竹块具有棕斑缺陷。

2.根据权利要求1所述的基于视觉的竹块在线检测方法，其特征在于，竹块彩色图像的获取及处理，包括以下步骤：

1）待检测竹块通过振盘排队送上第二传送带（4），在竹块通过环形光源前的第一对图像触发采集模块（3）时，STM32会向摄像头输送一个触发信号，并记录此触发信号的序号；

2）摄像头获得触发信号后，抓取一帧彩色图像，并向PC机传送获得的图像，PC机获得图像信号后对获得的图像进行白平衡处理，以获得符合人眼视觉的图像，再根据竹块缺陷检测算法来判断待检测竹块图像是否存在缺陷。

3.根据权利要求1所述的基于视觉的竹块在线检测方法，其特征在于，当判断待检测竹块有缺陷时，PC机向STM32反馈竹片图像的序号，STM32检测到反馈的序号，判断反馈的序号和由第二对图像触发采集模块（3）触发获得的图像信号的序号一致时，STM32向步进电机发出转动指令，剔除具有缺陷的待检测竹块；当判断待检测竹块没有缺陷时，待检测竹块经过翻面后继续重复步骤（2）的检测过错，筛选出合格的竹块。

4.根据权利要求1所述的基于视觉的竹块在线检测方法，其特征在于，所述方法采用的检测系统包括步进电机、图像触发采集模块（3）、振盘喂料部件，还包括第一传送带（2）、第二传送带（4）、传动轮（1）及从动轮（5），图像触发采集模块（3）包括激光触发装置、摄像头和环形光源；第一传送带（2）连接两个传动轮（1），第二传送带（4）连接一个传动轮（1）和三个从动轮（5），第一传送带（2）和第二传送带（4）均通过步进电机驱动实现传送，第一传送带（2）和第二传送带（4）具有实现竹片翻面的接触部分，第一传送带（2）与第二传送带（4）的传动方向相反；所述第一传送带（2）设置在振盘喂料部件的出料口处，竹片经出料口落入第一传送带（2）上，第一传送带（2）上间隔设置有多个图像触发采集模块（3），第二传送带（4）上也设置有图像触发采集模块（3）；图像触发采集模块（3）与PC机通讯连接。

5.根据权利要求2所述的基于视觉的竹块在线检测方法，其特征在于，所述竹块缺陷检测算法，包括以下步骤：

1）将由白平衡处理后的图像进行灰度化，通过实验阈值二值化后，判断图像中是否存在竹块信息，没有竹块信息则不做任何处理，存在竹块信息则进入下一步骤；

2）对二值图像进行边缘检测，获得其质心和最小外接矩形，通过质心和矩形角度中心旋转到标准的水平位置，定位竹块ROI区域并裁剪出来，用于下一步骤的检测；

3）竹块轮廓缺陷检测：对竹块的外轮廓长度和竹块ROI区域的面积进行统计分析，分别得出合格竹块上下限阈值，再将竹块外轮廓进行水平投影，通过投影的高度判断竹块轮廓的完整性，进一步判断竹块是否具有轮廓缺陷，存在轮廓缺陷时向STM32发送当前竹块图像序号，无竹块轮廓缺陷时进入下一步骤；

4）竹块表面缺陷检测：主要包括以下步骤：

4.1）传送带采用深绿色传送带，将竹块彩色图像转换到HSV空间，求出前景目标区域ROI=Hue-Value；

4.2）正反面检测：对Hue空间求灰度均值，所得的值大于实验值Th1则判断竹块为反面，小于Th1则判断竹块为正面，其中Th1的值为50；

4.3）白斑缺陷检测：对于正面竹块首先进行白斑检测，然后分别将色调通道和饱和度通道进行直方图均衡化，再求出初步的种子图像diff=α*Hue-Saturation，其中，α系数去0.8，种子图像凸显白斑区域，选取diff2中灰度值最大的10个梯度为种子点，进行区域生长，所得区域为疑似白斑区域，当疑似白斑区域面积大于阈值0.5%，灰度均值大于155时判定竹块具有白斑缺陷；对于反面竹块检测无白斑缺陷，直接进入下一步骤；

4.4）棕斑缺陷检测：由于排除了白斑的干扰，棕斑的Hue小于正常的竹块，对于正面竹块求出其Hue空间的灰度均值，小于Th2时判定为疑似棕斑，Th2的值为45；对于反面竹块，求出其灰度值的方差，方差大于20时判定其分布不均，具有疑似棕斑，对有疑似棕斑的竹块选取其灰度值最小的10个梯度为种子点，进行区域生长，所得区域为疑似棕斑区域，当疑似棕斑区域面积大于阈值0.5%，灰度均值小于60判定竹块具有棕斑缺陷。