CN106097368A - 一种单板裂缝的识别方法 - Google Patents

一种单板裂缝的识别方法 Download PDF

Info

Publication number
CN106097368A
CN106097368A CN201610456028.5A CN201610456028A CN106097368A CN 106097368 A CN106097368 A CN 106097368A CN 201610456028 A CN201610456028 A CN 201610456028A CN 106097368 A CN106097368 A CN 106097368A
Authority
CN
China
Prior art keywords
image
recognition methods
carried out
gray level
crack
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610456028.5A
Other languages
English (en)
Other versions
CN106097368B (zh
Inventor
杨建华
傅万四
杨全文
杨光
张端
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Forestry Machinery Research Institute Of State Forestry And Prairie Administration
Research Institute of Wood Industry of Chinese Academy of Forestry
Original Assignee
Beijing Forest Machinery Institute of State Forest Bureau
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Forest Machinery Institute of State Forest Bureau filed Critical Beijing Forest Machinery Institute of State Forest Bureau
Priority to CN201610456028.5A priority Critical patent/CN106097368B/zh
Publication of CN106097368A publication Critical patent/CN106097368A/zh
Application granted granted Critical
Publication of CN106097368B publication Critical patent/CN106097368B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Veneer Processing And Manufacture Of Plywood (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种单板裂缝的识别方法。利用机器视觉系统采集到的单板彩色图像，将彩色图像灰度化；通过设计的图像灰度变换方法将图像进行灰度变换处理，然后对图像通过设计公式进行二值化处理得到二值图像；对二值图像进行去除黑边、形态学处理等设计操作，优化图像；对各连通区域进行统计学分析，并提取特征；对特征进行分析识别，检测出裂缝区域。本发明能有效检测出裂缝缺陷区域，裂缝检测误差较小。

Description

一种单板裂缝的识别方法
技术领域
本发明涉及木材缺陷技术领域，尤其涉及一种单板裂缝的识别方法。
背景技术
随着单板在表面装饰中的广泛应用，人们对单板的质量要求也不断提高。我国目前单板的生产过程主要还是半自动化，需要人工配合，有的甚至是完全由人工生产。裂缝作为单板上最为常见的一种缺陷，会严重影响单板的质量和性能，降低单板的利用率和使用价值。因此，这就要求工人检测出单板的缺陷，以免在二次加工时，影响产品的品质。但由于人为因素的误差和疏漏，并不能完全保证缺陷检测识别的准确性，而且还浪费人力物力，提高了生产成本。
近年来，随着计算机视觉技术的飞速发展，越来越多的领域利用相机和计算机来模拟视觉系统，对目标进行检测识别。基于视觉技术对单板裂缝进行识别，具有高效率、高准确率、低成本等优点，同时，还能提高单板生产加工的自动化程度。
发明内容
本发明提供一种单板裂缝的识别方法，能够快速准确的检测出裂缝区域，并提取裂缝的特征信息。
本发明的目的是通过以下技术方案实现的：
一种单板裂缝的识别方法，包括以下步骤：
（1）利用视觉系统采集单板图像，并对图像进行处理得到灰度图像；
（2）对灰度图像进行灰度变换；
（3）对灰度图像进行图像分割得到二值图像；
（4）对二值图像进行形态学处理，提取连通区域边界；
（5）对各连通区域进行统计学分析，并提取特征；
（6）对所提取的特征进行分析识别，检测出裂缝区域。
一种单板裂缝的识别方法，其特征在于，所述的视觉系统主要由工业相机和无影灯组成，且可以使无影灯安装在相机的上方，无影灯的照度和色温恒定，亮度可调。
一种单板裂缝的识别方法，其特征在于，其特征在于，所述的对图像进行预处理得到灰度图像，采用分段线性法将需要的图像细节灰度级拉伸，增强对比度，不需要的细节灰度级压缩。两转折点坐标为（variance /255，0.1）和（(mean- variance)/255，0.9）。其中，variance为灰度图像的方差；mean为灰度图像的均值。
一种单板裂缝的识别方法，其特征在于，所述的对灰度图像进行图像分割得到二值图像，包括：采用阈值分割法对图像进行分割，计算图形二值化所取的阈值，其公式为：Threshold=0.8*thresh，其中，Threshold为最终阈值，thresh为通过最大类间方差法计算的初选值；对二值图像进行去除黑边处理，黑边宽度为3个像素。
一种单板裂缝的识别方法，其特征在于，所述的对二值图像进行形态学处理，提取连通区域边界，包括：开运算，开运算，填充孤立的黑点，去除小的毛刺，去除图像中孤立的亮点，断开图像中的H型连接，采用对角线填充；图像非运算（取反），二值图像孔洞填充。
一种单板裂缝的识别方法，其特征在于，所述的对各连通区域进行统计学分析，并提取特征，包括：图像非运算（取反），标注二进制图像中已连接的区域；分别提取像素意义上的面积、质心、长轴长度、短轴长度、离心率、逻辑矩阵、索引对应的像素坐标基本特征信息。
一种单板裂缝的识别方法，其特征在于，所述的对所提取的特征进行分析识别，其裂缝区域识别标准为：长宽比（长轴/短轴）大于9.09；离心率大于0.98；灰度均值小于180。
附图说明
图1 单板表面裂缝图像处理流程图。
图2灰度化图像。
图3灰度变换图。
图4二值图像。
图5图像去除黑边。
图6图像形态学处理。
以下结合附图和具体实施方式对本发明进行详细说明。
具体实施方式
为了便于本领域技术人员理解，下面结合实施例对本发明进行详细的描述。一种单板裂缝的识别方法流程图如图1所示，利用视觉系统采集单板的图像，并对图像进行预处理得到灰度图像。
本实施例中采用工业相机分别采集了四张带有裂缝的单板图像。采用RGB三分量进行加权平均来计算灰度值，采集的彩色图像就处理成了灰度图像，如图2所示。并采用分段线性法将需要的图像细节灰度级拉伸，增强对比度，不需要的细节灰度级压缩，两转折点坐标为（variance /255，0.1）和（(mean- variance)/255，0.9），灰度变换图像如图3所示。
对灰度图像进行图像分割得到二值图像。
本实施例中采用阈值分割法对上述灰度图像进行分割，计算图形二值化所取的阈值，将图像进行二值化，如图4所示。其公式为：Threshold=0.8*thresh，其中，Threshold为最终阈值；thresh为通过最大类间方差法计算的初选值；variance为灰度图像的方差；mean为灰度图像的均值。
对二值图像进行去除黑边处理，黑边宽度为3个像素，如图5所示。
对二值图像进行形态学处理，提取连通区域边界。
本实施例中对去除黑边的二值图像进行开运算，开运算，填充孤立的黑点，去除小的毛刺，去除图像中孤立的亮点，断开图像中的H型连接，采用对角线填充。再对图像进行非运算（取反），二值图像孔洞填充，得到形态学处理的二值图像，如图6所示。
对各连通区域进行统计学分析，并提取特征。
本实施例中对形态学处理后的图像进行非运算（取反），标注二进制图像中已连接的区域，并分别提取像素意义上的面积、质心、长轴长度、短轴长度、离心率、逻辑矩阵、索引对应的像素坐标基本特征信息。
对所提取的特征进行分析识别，检测出裂缝区域。
本实施例中对所提取的特征进行分析识别，依据所提取轮廓的长宽比（长轴/短轴）大于9.09、离心率大于0.98、灰度均值小于180来确定是否为裂缝区域。
通过以上步骤的处理，可对单板表面裂缝进行检测识别，并且可以根据设定的识别标准剔除干扰因素，提高裂缝识别的准确率。如若检测并识别为裂缝，可提取裂缝的基本特征，并能计算其所在的位置，将提取的轮廓还原到原图中显示出来，为后续对单板的使用提供依据，提高单板的利用率。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此。本领域的技术人员在本发明所披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (8)

1.一种单板裂缝的识别方法，包括以下步骤：
利用视觉系统采集单板的图像，并对图像进行预处理得到灰度图像；
对灰度图像进行图像分割得到二值图像；
对二值图像进行形态学处理，提取连通区域边界；
对各连通区域进行统计学分析，并提取特征；
对所提取的特征进行分析识别，检测出裂缝区域。
2.根据权利要求1所述的识别方法，其特征在于，所述的视觉系统主要由工业相机和无影灯组成，且可以使无影灯安装在相机的上方，无影灯的照度和色温恒定，亮度可调。
3.根据权利要求1所述的识别方法，其特征在于，所述的对图像进
行预处理得到灰度图像，包括：
采用对RGB三分量进行加权平均来计算灰度值；
采用分段线性法将需要的图像细节灰度级拉伸，增强对比度，不需要的细节灰度级压缩；
两转折点坐标为（variance /255，0.1）和（(mean- variance)/255，0.9），其中：variance为灰度图像的方差，mean为灰度图像的均值。
4.根据权利要求1或3所述的识别方法，其特征在于，所述的对灰度图像进行图像分割得到二值图像，包括：
采用阈值分割法对图像进行分割，计算图形二值化所取的阈值，其公式为：
Threshold=0.8*thresh，其中：Threshold为最终阈值，thresh为通过最大类间方差法计算的初选值。
5.根据权利要求1或4所述的识别方法，其特征在于，所述的二值图像，对二值图像进行去除黑边处理，黑边宽度为3个像素。
6.根据权利要求1或5所述的识别方法，其特征在于，所述的对二值图像进行形态学处理，提取连通区域边界，包括：
开运算，开运算，填充孤立的黑点，去除小的毛刺，去除图像中孤立的亮点，断开图像中的H型连接，采用对角线填充；
图像非运算（取反），二值图像孔洞填充。
7.根据权利要求1或6所述的识别方法，其特征在于，所述的对各连通区域进行统计学分析，并提取特征，包括：
图像非运算（取反），标注二进制图像中已连接的区域；
分别提取像素意义上的面积、质心、长轴长度、短轴长度、离心率、逻辑矩阵、索引对应的像素坐标基本特征信息。
8.根据权利要求1或7所述的识别方法，其特征在于，所述的对所提取的特征
进行分析识别，其裂缝区域识别标准为：
长宽比（长轴/短轴）大于9.09；
离心率大于0.98；
灰度均值小于180。
CN201610456028.5A 2016-06-22 2016-06-22 一种单板裂缝的识别方法 Expired - Fee Related CN106097368B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610456028.5A CN106097368B (zh) 2016-06-22 2016-06-22 一种单板裂缝的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610456028.5A CN106097368B (zh) 2016-06-22 2016-06-22 一种单板裂缝的识别方法

Publications (2)

Publication Number Publication Date
CN106097368A true CN106097368A (zh) 2016-11-09
CN106097368B CN106097368B (zh) 2019-05-31

Family

ID=57237511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610456028.5A Expired - Fee Related CN106097368B (zh) 2016-06-22 2016-06-22 一种单板裂缝的识别方法

Country Status (1)

Country Link
CN (1) CN106097368B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651893A (zh) * 2016-12-23 2017-05-10 贵州电网有限责任公司电力科学研究院 一种基于边缘检测的墙体裂缝识别方法
CN107084988A (zh) * 2017-03-21 2017-08-22 北京林业大学 基于图像的单板缺陷自动检测及挖补技术
CN107358603A (zh) * 2017-07-18 2017-11-17 京东方科技集团股份有限公司 基板检测方法、基板检测装置和计算机可读存储介质
CN108921828A (zh) * 2018-06-15 2018-11-30 湖南科技大学 一种复杂场景下不显著焊缝识别方法
CN109283201A (zh) * 2017-07-21 2019-01-29 中国石油化工股份有限公司 一种检验地震物理模型建模精度的方法及系统
CN109472788A (zh) * 2018-11-20 2019-03-15 成都信息工程大学 一种飞机铆钉表面的伤痕检测方法
CN109685061A (zh) * 2018-12-19 2019-04-26 上海丕休智能科技有限公司 适用于结构化的数学公式的识别方法
CN109754378A (zh) * 2018-12-29 2019-05-14 重庆邮电大学 一种裂缝图像的毛刺去除方法
CN110085529A (zh) * 2018-01-25 2019-08-02 三星电子株式会社 检测方法、检测设备和计算机可读存储介质
CN112816545A (zh) * 2020-09-30 2021-05-18 中国石油天然气股份有限公司 确定储罐维修补板面积的方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101777121A (zh) * 2010-03-02 2010-07-14 中国海洋大学 一种无角毛类赤潮藻显微图像细胞目标提取方法
CN103761729A (zh) * 2013-12-31 2014-04-30 长安大学 一种基于邻域灰度相似性的钢球磨痕检测方法
CN103942803A (zh) * 2014-05-05 2014-07-23 北京理工大学 基于sar图像的水域自动检测方法
CN104700112A (zh) * 2015-02-02 2015-06-10 电子科技大学 一种基于形态特征的粪便中寄生虫虫卵检测方法
CN104751199A (zh) * 2013-12-30 2015-07-01 华中科技大学 一种棉花裂铃期自动检测方法
CN104846054A (zh) * 2015-05-22 2015-08-19 电子科技大学 一种基于形态学特征的白带中霉菌的自动检测方法
CN105004972A (zh) * 2015-06-25 2015-10-28 华北电力大学（保定） 基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法
CN105427320A (zh) * 2015-11-30 2016-03-23 威海北洋电气集团股份有限公司 一种图像分割提取方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101777121A (zh) * 2010-03-02 2010-07-14 中国海洋大学 一种无角毛类赤潮藻显微图像细胞目标提取方法
CN104751199A (zh) * 2013-12-30 2015-07-01 华中科技大学 一种棉花裂铃期自动检测方法
CN103761729A (zh) * 2013-12-31 2014-04-30 长安大学 一种基于邻域灰度相似性的钢球磨痕检测方法
CN103942803A (zh) * 2014-05-05 2014-07-23 北京理工大学 基于sar图像的水域自动检测方法
CN104700112A (zh) * 2015-02-02 2015-06-10 电子科技大学 一种基于形态特征的粪便中寄生虫虫卵检测方法
CN104846054A (zh) * 2015-05-22 2015-08-19 电子科技大学 一种基于形态学特征的白带中霉菌的自动检测方法
CN105004972A (zh) * 2015-06-25 2015-10-28 华北电力大学（保定） 基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法
CN105427320A (zh) * 2015-11-30 2016-03-23 威海北洋电气集团股份有限公司 一种图像分割提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
闫茂德 等: "一种基于形态学的路面裂缝图像检测与分析方法", 《工程图学学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651893A (zh) * 2016-12-23 2017-05-10 贵州电网有限责任公司电力科学研究院 一种基于边缘检测的墙体裂缝识别方法
CN107084988A (zh) * 2017-03-21 2017-08-22 北京林业大学 基于图像的单板缺陷自动检测及挖补技术
CN107358603A (zh) * 2017-07-18 2017-11-17 京东方科技集团股份有限公司 基板检测方法、基板检测装置和计算机可读存储介质
CN109283201A (zh) * 2017-07-21 2019-01-29 中国石油化工股份有限公司 一种检验地震物理模型建模精度的方法及系统
CN110085529A (zh) * 2018-01-25 2019-08-02 三星电子株式会社 检测方法、检测设备和计算机可读存储介质
CN108921828A (zh) * 2018-06-15 2018-11-30 湖南科技大学 一种复杂场景下不显著焊缝识别方法
CN108921828B (zh) * 2018-06-15 2022-04-22 湖南科技大学 一种复杂场景下不显著焊缝识别方法
CN109472788B (zh) * 2018-11-20 2022-03-22 成都信息工程大学 一种飞机铆钉表面的伤痕检测方法
CN109472788A (zh) * 2018-11-20 2019-03-15 成都信息工程大学 一种飞机铆钉表面的伤痕检测方法
CN109685061A (zh) * 2018-12-19 2019-04-26 上海丕休智能科技有限公司 适用于结构化的数学公式的识别方法
CN109754378B (zh) * 2018-12-29 2021-01-05 重庆邮电大学 一种裂缝图像的毛刺去除方法
CN109754378A (zh) * 2018-12-29 2019-05-14 重庆邮电大学 一种裂缝图像的毛刺去除方法
CN112816545A (zh) * 2020-09-30 2021-05-18 中国石油天然气股份有限公司 确定储罐维修补板面积的方法及装置

Also Published As

Publication number Publication date
CN106097368B (zh) 2019-05-31

Similar Documents

Publication Publication Date Title
CN106097368A (zh) 一种单板裂缝的识别方法
CN105067638B (zh) 基于机器视觉的轮胎胎膜表面字符缺陷检测方法
CN107578035B (zh) 基于超像素-多色彩空间的人体轮廓提取方法
CN106570511B (zh) 基于计算机视觉的键盘字符缺陷在线检测系统和方法
WO2020248439A1 (zh) 一种基于图像处理的皇冠盖表面缺陷在线检测方法
CN113592861B (zh) 一种基于动态阈值的桥梁裂缝检测方法
CN110309806B (zh) 一种基于视频图像处理的手势识别系统及其方法
CN109409355B (zh) 一种新型变压器铭牌识别的方法及装置
CN107490582B (zh) 一种流水线工件检测系统
KR20130105952A (ko) 차량 번호판 인식 방법과 그 장치
CN108133216B (zh) 基于机器视觉的可实现小数点读取的数码管读数识别方法
CN109472788B (zh) 一种飞机铆钉表面的伤痕检测方法
CN104574389A (zh) 基于彩色机器视觉的电池片色差分选控制方法
WO2017016448A1 (zh) 一种qr码特征检测方法及系统
CN113658131B (zh) 一种基于机器视觉巡游式环锭纺断纱检测方法
CN109146878A (zh) 一种基于图像处理的杂质检测方法
CN109540925B (zh) 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法
CN110032946B (zh) 一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法
CN111667475B (zh) 一种基于机器视觉的大枣分级检测方法
WO2023231262A1 (zh) 基于视觉振频识别的提升钢丝绳张力检测方法
CN110807763A (zh) 一种陶瓦表面鼓包检测方法及系统
CN110687122A (zh) 一种陶瓦表面裂纹检测方法及系统
CN110648330A (zh) 摄像头玻璃的缺陷检测方法
CN107256549B (zh) 一种基于机器视觉的竹条缺陷检测方法
CN117058182A (zh) 一种用于视觉测距的目标检测边框优化方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 100029, Beijing, Chaoyang District Court Road, No. 20 century Xingyuan building, seven floor

Patentee after: BEIJING FORESTRY MACHINERY Research Institute OF THE STATE FORESTRY AND PRAIRIE ADMINISTRATION

Address before: 100029, Beijing, Chaoyang District Court Road, No. 20 century Xingyuan building, seven floor

Patentee before: Beijing Forestry Machinery Research Institute of State Forestry Administration

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240116

Address after: 100091 No. 2 east mansion, Beijing, Haidian District

Patentee after: RESEARCH INSTITUTE OF WOOD INDUSTRY, CHINESE ACADEMY OF FORESTRY

Address before: 100029, Beijing, Chaoyang District Court Road, No. 20 century Xingyuan building, seven floor

Patentee before: BEIJING FORESTRY MACHINERY Research Institute OF THE STATE FORESTRY AND PRAIRIE ADMINISTRATION

CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190531