CN112070751A - 木地板缺陷检测方法和装置 - Google Patents
木地板缺陷检测方法和装置 Download PDFInfo
- Publication number
- CN112070751A CN112070751A CN202010944575.4A CN202010944575A CN112070751A CN 112070751 A CN112070751 A CN 112070751A CN 202010944575 A CN202010944575 A CN 202010944575A CN 112070751 A CN112070751 A CN 112070751A
- Authority
- CN
- China
- Prior art keywords
- wood floor
- wood
- channel image
- detected
- defects
- 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.)
- Pending
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30161—Wood; Lumber
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种木地板缺陷检测方法和装置,所述方法包括以下步骤:获取待检测木地板的图像数据和点云数据,其中,所述图像数据包括三通道图像和单通道图像;根据所述三通道图像和/或所述点云数据获取所述待检测木地板的木结木疤及划痕裂纹缺陷;根据所述单通道图像获取所述待检测木地板的颜色偏差缺陷;根据所述点云数据获取所述待检测木地板的平整度及厚度偏差缺陷。本发明能够方便、准确且全面地检测出木地板的缺陷。
Description
技术领域
本发明涉及机器视觉技术领域,具体涉及一种木地板缺陷检测方法、一种木地板缺陷检测装置、一种计算机设备、一种非临时性计算机可读存储介质和一种计算机程序产品。
背景技术
木地板的原材料为木材,受木材的种类、质地、颜色等具有差异性的影响,木地板成品常会存在一些缺陷,因此,有必要在投入市场前进行缺陷检测。
目前对于木地板缺陷的检测大多是通过人工视力观察的方式来完成的,速度慢,效率低下,人工成本高,而且所检测的缺陷种类不够全面,难以保证出厂木地板的质量。
发明内容
本发明为解决上述技术问题,提供了一种木地板缺陷检测方法和装置,能够方便、准确且全面地检测出木地板的缺陷。
本发明采用的技术方案如下:
一种木地板缺陷检测方法,包括以下步骤:获取待检测木地板的图像数据和点云数据,其中,所述图像数据包括三通道图像和单通道图像;根据所述三通道图像和/或所述点云数据获取所述待检测木地板的木结木疤及划痕裂纹缺陷;根据所述单通道图像获取所述待检测木地板的颜色偏差缺陷;根据所述点云数据获取所述待检测木地板的平整度及厚度偏差缺陷。
通过摄像头获取所述待检测木地板的三通道图像,通过对所述三通道图像进行灰度化处理以得到所述待检测木地板的单通道图像,通过线扫激光传感器获取所述待检测木地板的点云数据。
根据所述三通道图像和/或所述点云数据获取所述待检测木地板的木结木疤及划痕裂纹缺陷,具体包括:将所述三通道图像和/或所述点云数据输入第一神经网络检测模型,以判断所述待检测木地板是否存在木结木疤及划痕裂纹缺陷。
根据所述单通道图像获取所述待检测木地板的颜色偏差缺陷,具体包括:计算所述单通道图像的灰度值均值,并将每个像素点的灰度值与所述灰度值均值进行比较以判断每个像素点处是否存在颜色偏差。
根据所述单通道图像获取所述待检测木地板的颜色偏差缺陷,具体包括:在将所述三通道图像进行灰度化处理之前,通过神经网络目标检测模型检测出影响颜色判断的缺陷区域,并移除所述缺陷区域;计算移除了所述缺陷区域的单通道图像的灰度值均值,以将所述缺陷区域之外的每个像素点的灰度值与所述灰度值均值进行比较以判断每个像素点处是否存在颜色偏差。
根据所述点云数据获取所述待检测木地板的平整度及厚度偏差缺陷,具体包括:通过将所述点云数据中的厚度信息与标准厚度值进行比较以判断所述待检测木地板是否存在厚度偏差缺陷;将所述点云数据输入第二神经网络检测模型,以判断所述待检测木地板是否存在平整度缺陷。
一种木地板缺陷检测装置,包括:获取模块,所述获取模块用于获取待检测木地板的图像数据和点云数据,其中,所述图像数据包括三通道图像和单通道图像;检测模块,所述检测模块用于根据所述三通道图像和/或所述点云数据获取所述待检测木地板的木结木疤及划痕裂纹缺陷,并用于根据所述单通道图像获取所述待检测木地板的颜色偏差缺陷,以及用于根据所述点云数据获取所述待检测木地板的平整度及厚度偏差缺陷。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现上述木地板缺陷检测方法。
一种非临时性计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述木地板缺陷检测方法。
一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,执行上述木地板缺陷检测方法。
本发明的有益效果:
本发明通过获取待检测木地板的三通道图像、单通道图像和点云数据,并根据三通道图像、单通道图像和点云数据获取待检测木地板的木结木疤及划痕裂纹缺陷、颜色偏差缺陷、平整度及厚度偏差缺陷,由此,能够方便、准确且全面地检测出木地板的缺陷。
附图说明
图1为本发明实施例的木地板缺陷检测方法的流程图;
图2为本发明实施例的木地板缺陷检测装置的方框示意图。
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。
如图1所示,本发明实施例的木地板缺陷检测方法包括以下步骤:
S1,获取待检测木地板的图像数据和点云数据,其中,图像数据包括三通道图像和单通道图像。
在本发明的一个实施例中,可通过摄像头获取待检测木地板的三通道图像,通过对三通道图像进行灰度化处理以得到待检测木地板的单通道图像,通过线扫激光传感器获取待检测木地板的点云数据。
S2,根据三通道图像和/或点云数据获取待检测木地板的木结木疤及划痕裂纹缺陷。
具体地,可将三通道图像和/或点云数据输入第一神经网络检测模型,以判断待检测木地板是否存在木结木疤及划痕裂纹缺陷。
也就是说,在本发明的不同实施例中,可择一地根据三通道图像或点云数据,利用神经网络检测模型判断木结木疤及划痕裂纹缺陷,也可结合三通道图像和点云数据,利用神经网络检测模型判断木结木疤及划痕裂纹缺陷。
以结合三通道图像和点云数据为例,首先可以以大量的样本图像和样本点云数据训练第一神经网络检测模型,神经网络具体可为VGG网络或Inception网络等。然后,将待检测木地板的三通道图像输入训练好的第一神经网络检测模型,神经网络的特征提取层可对图像中的特征进行提取,目标检测层利用提取出来的特征图寻找原图中出现类似特征的区域组,最后通过筛选层,寻找以上特征相似度最高的一个区域,并屏蔽其他区域组。同样地,将待检测木地板的点云数据输入训练好的神经网络检测模型进行特征提取,由于木结木疤及划痕裂纹缺陷在几何上主要表现为厚度方向上的凹陷,此处主要提取点云数据中Z轴坐标数据,然后经特征比对、筛选,最终得出是否存在木结木疤及划痕裂纹缺陷特征的输出结果。通过三通道图像和点云数据的结合,二者的特征可进行双信互验,检测结果更为准确。
S3,根据单通道图像获取待检测木地板的颜色偏差缺陷。
具体地,可计算单通道图像的灰度值均值,并将每个像素点的灰度值与灰度值均值进行比较以判断每个像素点处是否存在颜色偏差。应当理解的是,如果某像素点的灰度值与灰度值均值之差偏离正常的范围,则可判定该像素点处存在颜色偏差。
由于木结木疤及划痕裂纹等缺陷区域,以及木纹区域,相对于其他区域而言颜色特征差异较大,会影响整体颜色的判断。因此,在本发明的优选实施例中,在进行颜色偏差缺陷的判断前,可将木纹和木疤等区域作为缺陷区域去除。具体地,在将三通道图像进行灰度化处理之前,可通过神经网络目标检测模型,例如one-stage目标检测模型检测出影响颜色判断的缺陷区域,并移除缺陷区域,然后计算移除了缺陷区域的单通道图像的灰度值均值,以将缺陷区域之外的每个像素点的灰度值与灰度值均值进行比较以判断每个像素点处是否存在颜色偏差。其中,one-stage目标检测模型是通过大量的存在缺陷区域和不存在缺陷区域的木地板图片训练得到的。
S4,根据点云数据获取待检测木地板的平整度及厚度偏差缺陷。
具体地,可通过将点云数据中的厚度信息与标准厚度值进行比较以判断待检测木地板是否存在厚度偏差缺陷。点云数据包含待检测木地板的几何坐标数据,根据厚度方向的坐标数据即可直接得到待检测木地板的厚度信息。
可通过将点云数据输入第二神经网络检测模型,以判断待检测木地板是否存在平整度缺陷。其中,第二神经网络检测模型是通过大量的样本点云数据训练得到的,样本点云数据可包含具有凹凸、波浪纹、起筋等平整度缺陷的木地板的点云数据,及正常木地板的点云数据。
综合上述步骤,最终可得出待检测木地板是否存在木结木疤及划痕裂纹缺陷、是否存在颜色偏差缺陷以及是否存在平整度及厚度偏差缺陷的检测结果。
根据本发明实施例的木地板缺陷检测方法,通过获取待检测木地板的三通道图像、单通道图像和点云数据,并根据三通道图像、单通道图像和点云数据获取待检测木地板的木结木疤及划痕裂纹缺陷、颜色偏差缺陷、平整度及厚度偏差缺陷,由此,能够方便、准确且全面地检测出木地板的缺陷。
对应上述实施例的木地板缺陷检测方法,本发明还提出一种木地板缺陷检测装置。
如图2所示,本发明实施例的木地板缺陷检测装置,包括获取模块10和检测模块20。其中,获取模块10用于获取待检测木地板的图像数据和点云数据,其中,图像数据包括三通道图像和单通道图像;检测模块20用于根据三通道图像和/或点云数据获取待检测木地板的木结木疤及划痕裂纹缺陷,并用于根据单通道图像获取待检测木地板的颜色偏差缺陷,以及用于根据点云数据获取待检测木地板的平整度及厚度偏差缺陷。
在本发明的一个实施例中,获取模块10可通过摄像头获取待检测木地板的三通道图像,通过对三通道图像进行灰度化处理以得到待检测木地板的单通道图像,通过线扫激光传感器获取待检测木地板的点云数据。
在本发明的一个实施例中,检测模块20可将三通道图像和/或点云数据输入第一神经网络检测模型,以判断待检测木地板是否存在木结木疤及划痕裂纹缺陷。
也就是说,在本发明的不同实施例中,可择一地根据三通道图像或点云数据,利用神经网络检测模型判断木结木疤及划痕裂纹缺陷,也可结合三通道图像和点云数据,利用神经网络检测模型判断木结木疤及划痕裂纹缺陷。
以结合三通道图像和点云数据为例,首先可以以大量的样本图像和样本点云数据训练第一神经网络检测模型,神经网络具体可为VGG网络或Inception网络等。然后,将待检测木地板的三通道图像输入训练好的第一神经网络检测模型,神经网络的特征提取层可对图像中的特征进行提取,目标检测层利用提取出来的特征图寻找原图中出现类似特征的区域组,最后通过筛选层,寻找以上特征相似度最高的一个区域,并屏蔽其他区域组。同样地,将待检测木地板的点云数据输入训练好的神经网络检测模型进行特征提取,由于木结木疤及划痕裂纹缺陷在几何上主要表现为厚度方向上的凹陷,此处主要提取点云数据中Z轴坐标数据,然后经特征比对、筛选,最终得出是否存在木结木疤及划痕裂纹缺陷特征的输出结果。通过三通道图像和点云数据的结合,二者的特征可进行双信互验,检测结果更为准确。
在本发明的一个实施例中,检测模块20可计算单通道图像的灰度值均值,并将每个像素点的灰度值与灰度值均值进行比较以判断每个像素点处是否存在颜色偏差。应当理解的是,如果某像素点的灰度值与灰度值均值之差偏离正常的范围,则可判定该像素点处存在颜色偏差。
由于木结木疤及划痕裂纹等缺陷区域,以及木纹区域,相对于其他区域而言颜色特征差异较大,会影响整体颜色的判断。因此,在本发明的优选实施例中,检测模块20在进行颜色偏差缺陷的判断前,可将木纹和木疤等区域作为缺陷区域去除。具体地,在将三通道图像进行灰度化处理之前,可通过神经网络目标检测模型,例如one-stage目标检测模型检测出影响颜色判断的缺陷区域,并移除缺陷区域,然后计算移除了缺陷区域的单通道图像的灰度值均值,以将缺陷区域之外的每个像素点的灰度值与灰度值均值进行比较以判断每个像素点处是否存在颜色偏差。其中,one-stage目标检测模型是通过大量的存在缺陷区域和不存在缺陷区域的木地板图片训练得到的。
在本发明的一个实施例中,检测模块20可通过将点云数据中的厚度信息与标准厚度值进行比较以判断待检测木地板是否存在厚度偏差缺陷。点云数据包含待检测木地板的几何坐标数据,根据厚度方向的坐标数据即可直接得到待检测木地板的厚度信息。
在本发明的一个实施例中,检测模块20可通过将点云数据输入第二神经网络检测模型,以判断待检测木地板是否存在平整度缺陷。其中,第二神经网络检测模型是通过大量的样本点云数据训练得到的,样本点云数据可包含具有凹凸、波浪纹、起筋等平整度缺陷的木地板的点云数据,及正常木地板的点云数据。
最终,检测模块20可得出待检测木地板是否存在木结木疤及划痕裂纹缺陷、是否存在颜色偏差缺陷以及是否存在平整度及厚度偏差缺陷的检测结果。
根据本发明实施例的木地板缺陷检测装置,通过获取待检测木地板的三通道图像、单通道图像和点云数据,并根据三通道图像、单通道图像和点云数据获取待检测木地板的木结木疤及划痕裂纹缺陷、颜色偏差缺陷、平整度及厚度偏差缺陷,由此,能够方便、准确且全面地检测出木地板的缺陷。
对应上述实施例,本发明还提出一种计算机设备。
本发明实施例的计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行该计算机程序时,可实现根据本发明上述实施例所述的木地板缺陷检测方法。
根据本发明实施例的计算机设备,处理器执行存储在存储器上的计算机程序时,通过获取待检测木地板的三通道图像、单通道图像和点云数据,并根据三通道图像、单通道图像和点云数据获取待检测木地板的木结木疤及划痕裂纹缺陷、颜色偏差缺陷、平整度及厚度偏差缺陷,由此,能够方便、准确且全面地检测出木地板的缺陷。
对应上述实施例,本发明还提出一种非临时性计算机可读存储介质。
本发明实施例的非临时性计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时可实现根据本发明上述实施例所述的木地板缺陷检测方法。
根据本发明实施例的非临时性计算机可读存储介质,处理器执行存储在其上的计算机程序时,通过获取待检测木地板的三通道图像、单通道图像和点云数据,并根据三通道图像、单通道图像和点云数据获取待检测木地板的木结木疤及划痕裂纹缺陷、颜色偏差缺陷、平整度及厚度偏差缺陷,由此,能够方便、准确且全面地检测出木地板的缺陷。
对应上述实施例,本发明还提出一种计算机程序产品。
当本发明实施例的计算机程序产品中的指令由处理器执行时,可执行根据本发明上述实施例所述的木地板缺陷检测方法。
根据本发明实施例的计算机程序产品,处理器执行其中的指令时,通过获取待检测木地板的三通道图像、单通道图像和点云数据,并根据三通道图像、单通道图像和点云数据获取待检测木地板的木结木疤及划痕裂纹缺陷、颜色偏差缺陷、平整度及厚度偏差缺陷,由此,能够方便、准确且全面地检测出木地板的缺陷。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种木地板缺陷检测方法,其特征在于,包括以下步骤:
获取待检测木地板的图像数据和点云数据,其中,所述图像数据包括三通道图像和单通道图像;
根据所述三通道图像和/或所述点云数据获取所述待检测木地板的木结木疤及划痕裂纹缺陷;
根据所述单通道图像获取所述待检测木地板的颜色偏差缺陷;
根据所述点云数据获取所述待检测木地板的平整度及厚度偏差缺陷。
2.根据权利要求1所述的木地板缺陷检测方法,其特征在于,通过摄像头获取所述待检测木地板的三通道图像,通过对所述三通道图像进行灰度化处理以得到所述待检测木地板的单通道图像,通过线扫激光传感器获取所述待检测木地板的点云数据。
3.根据权利要求1或2所述的木地板缺陷检测方法,其特征在于,根据所述三通道图像和/或所述点云数据获取所述待检测木地板的木结木疤及划痕裂纹缺陷,具体包括:
将所述三通道图像和/或所述点云数据输入第一神经网络检测模型,以判断所述待检测木地板是否存在木结木疤及划痕裂纹缺陷。
4.根据权利要求1或2所述的木地板缺陷检测方法,其特征在于,根据所述单通道图像获取所述待检测木地板的颜色偏差缺陷,具体包括:
计算所述单通道图像的灰度值均值,并将每个像素点的灰度值与所述灰度值均值进行比较以判断每个像素点处是否存在颜色偏差。
5.根据权利要求1或2所述的木地板缺陷检测方法,其特征在于,根据所述单通道图像获取所述待检测木地板的颜色偏差缺陷,具体包括:
在将所述三通道图像进行灰度化处理之前,通过神经网络目标检测模型检测出影响颜色判断的缺陷区域,并移除所述缺陷区域;
计算移除了所述缺陷区域的单通道图像的灰度值均值,以将所述缺陷区域之外的每个像素点的灰度值与所述灰度值均值进行比较以判断每个像素点处是否存在颜色偏差。
6.根据权利要求1或2所述的木地板缺陷检测方法,其特征在于,根据所述点云数据获取所述待检测木地板的平整度及厚度偏差缺陷,具体包括:
通过将所述点云数据中的厚度信息与标准厚度值进行比较以判断所述待检测木地板是否存在厚度偏差缺陷;
将所述点云数据输入第二神经网络检测模型,以判断所述待检测木地板是否存在平整度缺陷。
7.一种木地板缺陷检测装置,其特征在于,包括:
获取模块,所述获取模块用于获取待检测木地板的图像数据和点云数据,其中,所述图像数据包括三通道图像和单通道图像;
检测模块,所述检测模块用于根据所述三通道图像和/或所述点云数据获取所述待检测木地板的木结木疤及划痕裂纹缺陷,并用于根据所述单通道图像获取所述待检测木地板的颜色偏差缺陷,以及用于根据所述点云数据获取所述待检测木地板的平整度及厚度偏差缺陷。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现根据权利要求1-6中任一项所述的木地板缺陷检测方法。
9.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现根据权利要求1-6中任一项所述的木地板缺陷检测方法。
10.一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令由处理器执行时,执行根据权利要求1-6中任一项所述的木地板缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944575.4A CN112070751A (zh) | 2020-09-10 | 2020-09-10 | 木地板缺陷检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944575.4A CN112070751A (zh) | 2020-09-10 | 2020-09-10 | 木地板缺陷检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112070751A true CN112070751A (zh) | 2020-12-11 |
Family
ID=73663557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010944575.4A Pending CN112070751A (zh) | 2020-09-10 | 2020-09-10 | 木地板缺陷检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070751A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907531A (zh) * | 2021-02-09 | 2021-06-04 | 南京航空航天大学 | 一种多模态融合的铺丝机复合材料表面缺陷检测系统 |
CN112990392A (zh) * | 2021-05-20 | 2021-06-18 | 四川大学 | 基于改进YOLOv5算法的新材料地板缺陷目标检测系统 |
CN113240637A (zh) * | 2021-05-11 | 2021-08-10 | 杭州钱塘智慧城投资开发有限公司 | 一种基于机器学习的墙面平整度信息化检测方法和系统 |
CN114663882A (zh) * | 2022-05-24 | 2022-06-24 | 昆山斯沃普智能装备有限公司 | 基于深度学习的电动汽车底盘划痕三维检测方法 |
CN114882020A (zh) * | 2022-07-06 | 2022-08-09 | 深圳市信润富联数字科技有限公司 | 产品的缺陷检测方法、装置、设备及计算机可读介质 |
CN117274263A (zh) * | 2023-11-22 | 2023-12-22 | 泸州通源电子科技有限公司 | 一种显示器瘢痕缺陷检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105344618A (zh) * | 2015-10-21 | 2016-02-24 | 国家林业局北京林业机械研究所 | 矩形竹片缺棱缺陷及颜色分拣方法 |
CN106373127A (zh) * | 2016-09-14 | 2017-02-01 | 东北林业大学 | 用于木材树种及表面缺陷的激光扫描并行检测方法 |
CN109685793A (zh) * | 2018-12-25 | 2019-04-26 | 安徽科大智能物流系统有限公司 | 一种基于三维点云数据的管身缺陷检测方法及系统 |
CN111325713A (zh) * | 2020-01-21 | 2020-06-23 | 浙江省北大信息技术高等研究院 | 基于神经网络的木材缺陷检测方法、系统及存储介质 |
-
2020
- 2020-09-10 CN CN202010944575.4A patent/CN112070751A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105344618A (zh) * | 2015-10-21 | 2016-02-24 | 国家林业局北京林业机械研究所 | 矩形竹片缺棱缺陷及颜色分拣方法 |
CN106373127A (zh) * | 2016-09-14 | 2017-02-01 | 东北林业大学 | 用于木材树种及表面缺陷的激光扫描并行检测方法 |
CN109685793A (zh) * | 2018-12-25 | 2019-04-26 | 安徽科大智能物流系统有限公司 | 一种基于三维点云数据的管身缺陷检测方法及系统 |
CN111325713A (zh) * | 2020-01-21 | 2020-06-23 | 浙江省北大信息技术高等研究院 | 基于神经网络的木材缺陷检测方法、系统及存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907531A (zh) * | 2021-02-09 | 2021-06-04 | 南京航空航天大学 | 一种多模态融合的铺丝机复合材料表面缺陷检测系统 |
CN113240637A (zh) * | 2021-05-11 | 2021-08-10 | 杭州钱塘智慧城投资开发有限公司 | 一种基于机器学习的墙面平整度信息化检测方法和系统 |
CN112990392A (zh) * | 2021-05-20 | 2021-06-18 | 四川大学 | 基于改进YOLOv5算法的新材料地板缺陷目标检测系统 |
CN114663882A (zh) * | 2022-05-24 | 2022-06-24 | 昆山斯沃普智能装备有限公司 | 基于深度学习的电动汽车底盘划痕三维检测方法 |
CN114663882B (zh) * | 2022-05-24 | 2022-09-06 | 昆山斯沃普智能装备有限公司 | 基于深度学习的电动汽车底盘划痕三维检测方法 |
CN114882020A (zh) * | 2022-07-06 | 2022-08-09 | 深圳市信润富联数字科技有限公司 | 产品的缺陷检测方法、装置、设备及计算机可读介质 |
CN117274263A (zh) * | 2023-11-22 | 2023-12-22 | 泸州通源电子科技有限公司 | 一种显示器瘢痕缺陷检测方法 |
CN117274263B (zh) * | 2023-11-22 | 2024-01-26 | 泸州通源电子科技有限公司 | 一种显示器瘢痕缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112070751A (zh) | 木地板缺陷检测方法和装置 | |
CN109871895B (zh) | 电路板的缺陷检测方法和装置 | |
JP4675949B2 (ja) | 映像処理技法を利用した構造物及び製品のクラック幅測定方法および装置 | |
CN109671078B (zh) | 一种产品表面图像异常检测方法及装置 | |
CN116703890B (zh) | 极耳缺陷的检测方法和系统 | |
CN112070746A (zh) | 钢带缺陷检测方法和装置 | |
CN112070749A (zh) | 纸张缺陷检测方法和装置 | |
CN112070750A (zh) | 皮革制品缺陷检测方法和装置 | |
CN116071692A (zh) | 一种基于形态学图像处理的水尺水位识别方法及系统 | |
KR102242996B1 (ko) | 자동차 사출제품의 비정형 불량 검출 방법 | |
CN115731222A (zh) | 钢坯表面检测方法、装置、设备及计算机可读存储介质 | |
CN112102253A (zh) | 基于机器视觉的无纺布表面缺陷自动化检测方法及系统 | |
KR20080060851A (ko) | 목재표면의 결함검출방법 | |
CN113256608B (zh) | 工件缺陷检测方法和装置 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
JPH08189904A (ja) | 表面欠陥検出装置 | |
CN112070748A (zh) | 金属油管缺陷检测方法和装置 | |
US7646892B2 (en) | Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium | |
CN115861315B (zh) | 缺陷检测方法和装置 | |
JP7157380B2 (ja) | 外観検査方法及び電子部品の製造方法 | |
CN115205288B (zh) | 工业缺陷检测方法和装置 | |
CN115861220A (zh) | 基于改进的ssd算法的冷轧带钢表面缺陷检测方法和系统 | |
CN110634124A (zh) | 一种区域检测的方法及设备 | |
CN111504608B (zh) | 辉度均匀检测系统及辉度均匀检测方法 | |
CN114677331A (zh) | 基于灰度图像和深度数据融合的管材缺陷检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201211 |