CN113379747B - 木材的缺陷检测方法、电子装置、装置及存储介质 - Google Patents

木材的缺陷检测方法、电子装置、装置及存储介质 Download PDF

Info

Publication number
CN113379747B
CN113379747B CN202110938715.1A CN202110938715A CN113379747B CN 113379747 B CN113379747 B CN 113379747B CN 202110938715 A CN202110938715 A CN 202110938715A CN 113379747 B CN113379747 B CN 113379747B
Authority
CN
China
Prior art keywords
wood
sub
image
defect detection
subimage
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.)
Active
Application number
CN202110938715.1A
Other languages
English (en)
Other versions
CN113379747A (zh
Inventor
李勇军
黄雪峰
朱琦
杨光
杨超
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.)
Shenzhen Xinrun Fulian Digital Technology Co Ltd
Original Assignee
Shenzhen Xinrun Fulian Digital Technology Co Ltd
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 Shenzhen Xinrun Fulian Digital Technology Co Ltd filed Critical Shenzhen Xinrun Fulian Digital Technology Co Ltd
Priority to CN202110938715.1A priority Critical patent/CN113379747B/zh
Publication of CN113379747A publication Critical patent/CN113379747A/zh
Application granted granted Critical
Publication of CN113379747B publication Critical patent/CN113379747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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

Abstract

本发明提出的一种木材的缺陷检测方法、电子装置、装置及存储介质，所述方法包括步骤：接收缺陷检测信号，获取与所述缺陷检测信号对应的待检测的木材图像；将所述木材图像依据颜色进行划分得到至少一个木材子图像；基于所述木材子图像对所述木材图像进行缺陷检测操作。通过木材的颜色对木材图像进行划分，以针对性地对同类颜色的木材子图像进行缺陷检测操作，使得能够避免木材的颜色对缺陷检测造成影响，提高了缺陷检测的准确性。

Description

木材的缺陷检测方法、电子装置、装置及存储介质
技术领域
本发明涉及木材检测领域，尤其涉及一种木材的缺陷检测方法、电子装置、装置及存储介质。
背景技术
木材在生产过程中，由于铸造材料、温度、设备挤压、摩擦或传输过程中的碰撞等原因会导致木材表面缺陷；现有技术中为了检测出木材的缺陷，多采用对木材的图像进行特征分析以判断木材上是否存在缺陷；然而由于木材自身颜色的影响，使得不同的木材生成的图像质量不同，从而影响到缺陷判断的准确性。
发明内容
本发明的主要目的在于提出一种木材的缺陷检测方法、电子装置、装置及存储介质，旨在解决现有技术中对于木材的缺陷判断准确率不足的问题。
为实现上述目的，本发明提供一种木材的缺陷检测方法，所述方法包括步骤：
接收缺陷检测信号，获取与所述缺陷检测信号对应的待检测的木材图像；
将所述木材图像依据颜色进行划分得到至少一个木材子图像；
基于所述木材子图像对所述木材图像进行缺陷检测操作。
可选地，所述将所述木材图像依据颜色进行划分得到至少一个木材子图像的步骤包括：
获取所述木材图像中各像素的色值，并获取多个预设色值区间；
依次将各像素的色值与所述多个预设色值区间进行匹配；
将与同一所述预设色值区间匹配的像素的集合作为该预设色值区间对应的木材子图像。
可选地，所述基于所述木材子图像对所述木材图像进行缺陷检测操作的步骤包括：
获取与所述木材子图像对应的预设色值区间；
匹配与所述预设色值区间对应的缺陷检测数据；
根据所述缺陷检测数据基于所述木材子图像对所述木材图像进行缺陷检测操作。
可选地，所述根据所述缺陷检测数据基于所述木材子图像对所述木材图像进行缺陷检测操作包括：
选取一个木材子图像进行缺陷检测子操作，并在完成一个所述木材子图像的缺陷检测子操作时，将完成缺陷检测子操作的木材子图像标记为已检测子图像；
判断所述木材图像中是否存在未进行缺陷检测子操作的木材子图像；
若存在未进行缺陷检测子操作的木材子图像，则执行步骤：选取一个木材子图像进行缺陷检测子操作；
若不存在未进行缺陷检测子操作的木材子图像，则所述缺陷检测操作完成。
可选地，所述基于所述木材子图像对所述木材图像进行缺陷检测操作的步骤之后包括：
获取所述缺陷检测操作的检测结果，并根据所述检测结果获取存在缺陷的木材子图像；
将所述存在缺陷的木材子图像添加到缺陷检测数据中。
可选地，所述将所述木材图像依据颜色进行划分得到至少一个木材子图像的步骤之后包括：
获取各所述木材子图像中的像素数量，并判断是否存在像素数量小于预设数量阈值的木材子图像；
若存在像素数量小于预设数量阈值的木材子图像，则将像素数量小于预设数量阈值的木材子图像作为待合并子图像；
对所述待合并子图像执行合并操作。
可选地，所述对所述待合并子图像执行合并操作的步骤包括：
将与所述待合并子图像相邻的木材子图像作为吸收子图像；
判断与所述待合并子图像相邻的木材子图像的数量是否大于1；
若与所述待合并子图像相邻的木材子图像的数量小于或等于1，则将与所述待合并子图像相邻的木材子图像作为吸收子图像；
若所述吸收子图像的数量大于1，则将预设色值区间与所述合并子图像对应的预设色值区间最近的木材子图像作为所述吸收子图像；
将所述合并子图像与所述吸收子图像合并生成新的木材子图像。
为实现上述目的，本发明还提供一种电子装置，所述电子装置包括：
第一获取模块，用于接收缺陷检测信号，获取与所述缺陷检测信号对应的待检测的木材图像；
第一执行模块，用于将所述木材图像依据颜色进行划分得到至少一个木材子图像；
第二执行模块，用于基于所述木材子图像对所述木材图像进行缺陷检测操作。
可选地，所述第一执行模块包括：
第一获取单元，用于获取所述木材图像中各像素的色值，并获取多个预设色值区间；
第一执行单元，用于依次将各像素的色值与所述多个预设色值区间进行匹配；
第二执行单元，用于将与同一所述预设色值区间匹配的像素的集合作为该预设色值区间对应的木材子图像。
可选地，所述第二执行模块包括：
第二获取单元，用于获取与所述木材子图像对应的预设色值区间；
第三执行单元，用于匹配与所述预设色值区间对应的缺陷检测数据；
第四执行单元，用于根据所述缺陷检测数据基于所述木材子图像对所述木材图像进行缺陷检测操作。
可选地，所述第二执行单元包括：
第一执行子单元，用于选取一个木材子图像进行缺陷检测子操作，并在完成一个所述木材子图像的缺陷检测子操作时，将完成缺陷检测子操作的木材子图像标记为已检测子图像；
第一判断子单元，用于判断所述木材图像中是否存在未进行缺陷检测子操作的木材子图像；
第二执行子单元，用于若存在未进行缺陷检测子操作的木材子图像，则执行步骤：选取一个木材子图像进行缺陷检测子操作；
第三执行子单元，用于若不存在未进行缺陷检测子操作的木材子图像，则所述缺陷检测操作完成。
可选地，所述电子装置还包括：
第二获取模块，用于获取所述缺陷检测操作的检测结果，并根据所述检测结果获取存在缺陷的木材子图像；
第三执行模块，用于将所述存在缺陷的木材子图像添加到缺陷检测数据中。
可选地，所述电子装置还包括：
第一判断模块，用于获取各所述木材子图像中的像素数量，并判断是否存在像素数量小于预设数量阈值的木材子图像；
第四执行模块，用于若存在像素数量小于预设数量阈值的木材子图像，则将像素数量小于预设数量阈值的木材子图像作为待合并子图像；
第五执行模块，用于对所述待合并子图像执行合并操作。
可选地，所述第五执行模块包括：
第五执行单元，用于将与所述待合并子图像相邻的木材子图像作为吸收子图像；
第一判断单元，用于判断与所述待合并子图像相邻的木材子图像的数量是否大于1；
第六执行单元，用于若与所述待合并子图像相邻的木材子图像的数量小于或等于1，则将与所述待合并子图像相邻的木材子图像作为吸收子图像；
第七执行单元，用于若所述吸收子图像的数量大于1，则将预设色值区间与所述合并子图像对应的预设色值区间最近的木材子图像作为所述吸收子图像；
第八执行单元，用于将所述合并子图像与所述吸收子图像合并生成新的木材子图像。
为实现上述目的，本发明还提供一种缺陷检测装置，所述缺陷检测装置包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的木材的缺陷检测方法的步骤。
为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的木材的缺陷检测方法的步骤。
本发明提出的一种木材的缺陷检测方法、电子装置、装置及存储介质，接收缺陷检测信号，获取与所述缺陷检测信号对应的待检测的木材图像；将所述木材图像依据颜色进行划分得到至少一个木材子图像；基于所述木材子图像对所述木材图像进行缺陷检测操作。通过木材的颜色对木材图像进行划分，以针对性地对同类颜色的木材子图像进行缺陷检测操作，使得能够避免木材的颜色对缺陷检测造成影响，提高了缺陷检测的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明木材的缺陷检测方法第一实施例的流程示意图；
图2为本发明木材的缺陷检测方法第二实施例步骤S20的细化流程图；
图3为本发明缺陷检测装置的模块结构示意图。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
本发明提供一种木材的缺陷检测方法，参照图1，图1为本发明木材的缺陷检测方法第一实施例的流程示意图，所述方法包括步骤：
步骤S10，接收缺陷检测信号，获取与所述缺陷检测信号对应的待检测的木材图像；
缺陷检测信号为触发木材的缺陷检测流程的信号；缺陷检测信号可以由检测人员进行发送，还可以通过设置触发装置进行自动触发，如将木材通过传输装置运送到缺陷检测工位，缺陷检测工位上设置感应装置，如限位开关、传感器或摄像头等，感应装置检测到木材到达缺陷检测工位时，触发缺陷检测信号生效。
缺陷检测信号对应的待检测的木材图像可以由检测人员直接发送，还可以通过图像采集设备，如摄像头获取检测木材的图像，还可以对获取到的图像进行识别，以得到仅包含木材的木材图像。
步骤S20，将所述木材图像依据颜色进行划分得到至少一个木材子图像；
木材图像的颜色可以依据但不限于色阶、色相、亮度或其结合等。将木材图像按照颜色的相关性划分木材子图像。
步骤S30，基于所述木材子图像对所述木材图像进行缺陷检测操作。
缺陷检测操作为对木材进行缺陷检测的操作；缺陷检测操作可以通过深度学习模型、识别算法或人工的方式进行，可以根据实际应用场景以及需要进行选择，在此不进行赘述。
本实施例通过木材的颜色对木材图像进行划分，以针对性地对同类颜色的木材子图像进行缺陷检测操作，使得能够避免木材的颜色对缺陷检测造成影响，提高了缺陷检测的准确性。
进一步地，参见图2，在基于本发明的第一实施例所提出的本发明木材的缺陷检测方法第二实施例中，所述步骤S20包括步骤：
步骤S21，获取所述木材图像中各像素的色值，并获取多个预设色值区间；
步骤S22，依次将各像素的色值与所述多个预设色值区间进行匹配；
步骤S23，将与同一所述预设色值区间匹配的像素的集合作为该预设色值区间对应的木材子图像。
色值是指颜色在颜色模式下对应的数值；颜色模式可以为但不限于RGB模式、CMYK模式或HSB模式；具体的颜色模式可以根据实际应用场景以及需要进行选择，在此不进行限制。
预先将所有的色值划分为不同的色值区间，具体的色值区间划分方式可以根据实际应用场景以及需要进行选择，在此不进行限制。
当像素的色值位于一预设色值区间时，将该像素关联该预设色值区间的标识，在完成所有像素的匹配之后，将带有相同预设色值区间的标识的像素作为同一木材子图像的像素。
进一步地，预设色值区间可以根据区分精度设置多套；如采用较大的区间进行预设色值区间的设置，以得到区分精度较低的数量较少的多个预设色值区间；采用较小的区间进行预设色值区间的设置，以得到区分精度较高的数量较多的多个预设色值区间；在进行木材子图像划分操作时，首先采用精度较低的预设色值区间对木材图像的像素进行匹配，当得到木材子图像的数量小于第一子图像数量阈值时，再通过精度较高的预设色值区间对木材图像的像素进行匹配；或者首先采用精度较高的预设色值区间对木材图像的像素进行匹配，当得到木材子图像的数量大于第二子图像数量阈值时，再通过精度较低的预设色值区间对木材图像的像素进行匹配。从而避免划分的木材子图像的数量过多影响检测的效率，划分的木材子图像的数量过少影响检测准确性。
本实施例能够合理地将木材图像划分为木材子图像。
进一步地，在基于本发明的第一实施例所提出的本发明木材的缺陷检测方法第三实施例中，所述步骤S30包括步骤：
步骤S31，获取与所述木材子图像对应的预设色值区间；
步骤S32，匹配与所述预设色值区间对应的缺陷检测数据；
步骤S33，根据所述缺陷检测数据基于所述木材子图像对所述木材图像进行缺陷检测操作。
每个预设色值区间对应一组缺陷检测数据；本实施例中的缺陷检测数据包括包含缺陷的木材子图像，缺陷检测数据中的木材子图像的像素均位于该缺陷检测数据对应的预设色值区间内；即木材子图像与对应的缺陷检测数据中的像素均位于预设色值区间内。
本实施例通过将木材子图像以及缺陷检测数据同一进行划分，使得根据同一预设色值区间内的缺陷检测数据对木材子图像进行缺陷检测操作，提高了检测的准确性。
进一步地，在基于本发明的第三实施例所提出的本发明木材的缺陷检测方法第四实施例中，在所述步骤S33之后包括步骤：
步骤S34，获取所述缺陷检测操作的检测结果，并根据所述检测结果获取存在缺陷的木材子图像；
步骤S35，将所述存在缺陷的木材子图像添加到缺陷检测数据中。
在缺陷检测操作完成之后，判断当次缺陷检测操作中是否检测到存在缺陷的木材子图像，若检测到存在缺陷的木材子图像，则将该木材子图像添加到对应的缺陷检测数据中，以对该缺陷检测数据进行补充，增加缺陷检测数据的样本数量，以提高后续缺陷检测操作的准确性。若未检测到存在缺陷的木材子图像，则不对缺陷检测数据进行补充操作。
本实施例通过检测到的存在缺陷的木材子图像对缺陷检测数据进行补充，使得能够提高后续缺陷检测操作的准确性。
进一步地，在基于本发明的第一实施例所提出的本发明木材的缺陷检测方法第五实施例中，所述步骤S30包括步骤：
步骤S36，选取一个木材子图像进行缺陷检测子操作，并在完成一个所述木材子图像的缺陷检测子操作时，将完成缺陷检测子操作的木材子图像标记为已检测子图像；
步骤S37，判断所述木材图像中是否存在未进行缺陷检测子操作的木材子图像；
步骤S38，若存在未进行缺陷检测子操作的木材子图像，则执行步骤：选取一个木材子图像进行缺陷检测子操作；
步骤S39，若不存在未进行缺陷检测子操作的木材子图像，则所述缺陷检测操作完成。
依次对各木材子图像进行缺陷检测操作，每次在未进行检测的木材子图像中选取一个木材子图像进行缺陷检测子操作，并在木材子图像完成缺陷检测子操作之后，将木材子图像标记为已检测子图像，从而对已完成缺陷检测子操作的木材子图像以及未完成缺陷检测子操作的木材子图像进行区分。在所有木材子图像均完成缺陷检测子操作时，木材图像完成缺陷检测操作。
本实施例能够合理地对各木材子图像进行缺陷检测操作。
进一步地，在基于本发明的第一实施例所提出的本发明木材的缺陷检测方法第六实施例中，所述步骤S20之后包括步骤：
步骤S40，获取各所述木材子图像中的像素数量，并判断是否存在像素数量小于预设数量阈值的木材子图像；
步骤S50，若存在像素数量小于预设数量阈值的木材子图像，则将像素数量小于预设数量阈值的木材子图像作为待合并子图像；
步骤S60，对所述待合并子图像执行合并操作。
当木材子图像过小时，像素数量过少，提供的信息不足，难以通过对木材子图像进行缺陷检测操作得到准确的检测结果，因此为了避免进行无效判断，影响缺陷检测操作的效率，将像素数量过少的木材子图像合并到其它的木材子图像中。
所述步骤S60包括步骤：
步骤S61，将与所述待合并子图像相邻的木材子图像作为吸收子图像；
步骤S62，判断与所述待合并子图像相邻的木材子图像的数量是否大于1；
步骤S63，若与所述待合并子图像相邻的木材子图像的数量小于或等于1，则将与所述待合并子图像相邻的木材子图像作为吸收子图像；
步骤S64，若所述吸收子图像的数量大于1，则将预设色值区间与所述合并子图像对应的预设色值区间最近的木材子图像作为所述吸收子图像；
步骤S65，将所述合并子图像与所述吸收子图像合并生成新的木材子图像。
可以理解的是，对于木材子图像而言，相邻的木材子图像之间的关联性更高，因此，将合并子图像与相邻的木材子图像进行合并，能够使得合并后得到的新的木材子图像的像素之间的关联性不受到较大影响。当存在多个木材子图像与合并子图像相邻时，选取预设色值区间最相近的木材子图像作为吸收子图像，能够进一步保证合并子图像与吸收子图像之间的关联性，保证缺陷检测操作的准确性。
本实施例能够在合并木材子图像的同时保证缺陷检测操作的准确性。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本申请各个实施例所述的方法。
本申请还提供一种用于实施上述木材的缺陷检测方法的电子装置，电子装置包括：
第一获取模块，用于接收缺陷检测信号，获取与所述缺陷检测信号对应的待检测的木材图像；
第一执行模块，用于将所述木材图像依据颜色进行划分得到至少一个木材子图像；
第二执行模块，用于基于所述木材子图像对所述木材图像进行缺陷检测操作。
需要说明的是，该实施例中的第一获取模块可以用于执行本申请实施例中的步骤S10，该实施例中的第一执行模块可以用于执行本申请实施例中的步骤S20，该实施例中的第二执行模块可以用于执行本申请实施例中的步骤S30。
通过木材的颜色对木材图像进行划分，以针对性地对同类颜色的木材子图像进行缺陷检测操作，使得能够避免木材的颜色对缺陷检测造成影响，提高了缺陷检测的准确性。
进一步地，所述第一执行模块包括：
第一获取单元，用于获取所述木材图像中各像素的色值，并获取多个预设色值区间；
第一执行单元，用于依次将各像素的色值与所述多个预设色值区间进行匹配；
第二执行单元，用于将与同一所述预设色值区间匹配的像素的集合作为该预设色值区间对应的木材子图像。
进一步地，所述第二执行模块包括：
第二获取单元，用于获取与所述木材子图像对应的预设色值区间；
第三执行单元，用于匹配与所述预设色值区间对应的缺陷检测数据；
第四执行单元，用于根据所述缺陷检测数据基于所述木材子图像对所述木材图像进行缺陷检测操作。
进一步地，所述第四执行单元包括：
第一执行子单元，用于选取一个木材子图像进行缺陷检测子操作，并在完成一个所述木材子图像的缺陷检测子操作时，将完成缺陷检测子操作的木材子图像标记为已检测子图像；
第一判断子单元，用于判断所述木材图像中是否存在未进行缺陷检测子操作的木材子图像；
第二执行子单元，用于若存在未进行缺陷检测子操作的木材子图像，则执行步骤：选取一个木材子图像进行缺陷检测子操作；
第三执行子单元，用于若不存在未进行缺陷检测子操作的木材子图像，则所述缺陷检测操作完成。
进一步地，所述电子装置还包括：
第二获取模块，用于获取所述缺陷检测操作的检测结果，并根据所述检测结果获取存在缺陷的木材子图像；
第三执行模块，用于将所述存在缺陷的木材子图像添加到缺陷检测数据中。
进一步地，所述电子装置还包括：
第一判断模块，用于获取各所述木材子图像中的像素数量，并判断是否存在像素数量小于预设数量阈值的木材子图像；
第四执行模块，用于若存在像素数量小于预设数量阈值的木材子图像，则将像素数量小于预设数量阈值的木材子图像作为待合并子图像；
第五执行模块，用于对所述待合并子图像执行合并操作。
进一步地，所述第五执行模块包括：
第五执行单元，用于将与所述待合并子图像相邻的木材子图像作为吸收子图像；
第一判断单元，用于判断与所述待合并子图像相邻的木材子图像的数量是否大于1；
第六执行单元，用于若与所述待合并子图像相邻的木材子图像的数量小于或等于1，则将与所述待合并子图像相邻的木材子图像作为吸收子图像；
第七执行单元，用于若所述吸收子图像的数量大于1，则将预设色值区间与所述合并子图像对应的预设色值区间最近的木材子图像作为所述吸收子图像；
第八执行单元，用于将所述合并子图像与所述吸收子图像合并生成新的木材子图像。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
参照图3，在硬件结构上所述缺陷检测装置可以包括通信模块10、存储器20以及处理器30等部件。在所述缺陷检测装置中，所述处理器30分别与所述存储器20以及所述通信模块10连接，所述存储器20上存储有计算机程序，所述计算机程序同时被处理器30执行，所述计算机程序执行时实现上述方法实施例的步骤。
通信模块10，可通过网络与外部通讯设备连接。通信模块10可以接收外部通讯设备发出的请求，还可以发送请求、指令及信息至所述外部通讯设备，所述外部通讯设备可以是其它缺陷检测装置、服务器或者物联网设备，例如电视等等。
存储器20，可用于存储软件程序以及各种数据。存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如将所述木材图像依据颜色进行划分得到至少一个木材子图像）等；存储数据区可包括数据库，存储数据区可存储根据系统的使用所创建的数据或信息等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器30，是缺陷检测装置的控制中心，利用各种接口和线路连接整个缺陷检测装置的各个部分，通过运行或执行存储在存储器20内的软件程序和/或模块，以及调用存储在存储器20内的数据，执行缺陷检测装置的各种功能和处理数据，从而对缺陷检测装置进行整体监控。处理器30可包括一个或多个处理单元；可选地，处理器30可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器30中。
尽管图3未示出，但上述缺陷检测装置还可以包括电路控制模块，所述电路控制模块用于与电源连接，保证其他部件的正常工作。本领域技术人员可以理解，图3中示出的缺陷检测装置结构并不构成对缺陷检测装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提出一种计算机可读存储介质，其上存储有计算机程序。所述计算机可读存储介质可以是图3的缺陷检测装置中的存储器20，也可以是如ROM（Read-Only Memory，只读存储器）/RAM（Random Access Memory，随机存取存储器）、磁碟、光盘中的至少一种，所述计算机可读存储介质包括若干指令用以使得一台具有处理器的终端设备(可以是电视，汽车，手机，计算机，服务器，终端，或者网络设备等)执行本发明各个实施例所述的方法。
在本发明中，术语“第一”“第二”“第三”“第四”“第五”仅用于描述的目的，而不能理解为指示或暗示相对重要性，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须针对的是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。
尽管上面已经示出和描述了本发明的实施例，本发明保护的范围并不局限于此，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、修改和替换，这些变化、修改和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以权利要求的保护范围为准。

Claims (8)

1.一种木材的缺陷检测方法，其特征在于，所述方法包括：
接收缺陷检测信号，获取与所述缺陷检测信号对应的待检测的木材图像；
将所述木材图像依据颜色进行划分得到至少一个木材子图像；
对所述木材子图像进行缺陷检测操作;
所述将所述木材图像依据颜色进行划分得到至少一个木材子图像的步骤之后包括：
获取各所述木材子图像中的像素数量，并判断是否存在像素数量小于预设数量阈值的木材子图像；
若存在像素数量小于预设数量阈值的木材子图像，则将像素数量小于预设数量阈值的木材子图像作为待合并子图像；
对所述待合并子图像执行合并操作;
所述对所述待合并子图像执行合并操作的步骤包括：
将与所述待合并子图像相邻的木材子图像作为吸收子图像；
判断与所述待合并子图像相邻的木材子图像的数量是否大于1；
若与所述待合并子图像相邻的木材子图像的数量小于或等于1，则将与所述待合并子图像相邻的木材子图像作为吸收子图像；
若所述吸收子图像的数量大于1，则将预设色值区间与所述合并子图像对应的预设色值区间最近的木材子图像作为所述吸收子图像；
将所述合并子图像与所述吸收子图像合并生成新的木材子图像。
2.如权利要求1所述的木材的缺陷检测方法，其特征在于，所述将所述木材图像依据颜色进行划分得到至少一个木材子图像的步骤包括：
获取所述木材图像中各像素的色值，并获取多个预设色值区间；
依次将各像素的色值与所述多个预设色值区间进行匹配；
将与同一所述预设色值区间匹配的像素的集合作为该预设色值区间对应的木材子图像。
3.如权利要求1所述的木材的缺陷检测方法，其特征在于，所述对所述木材子图像进行缺陷检测操作的步骤包括：
获取与所述木材子图像对应的预设色值区间；
匹配与所述预设色值区间对应的缺陷检测数据；
根据所述缺陷检测数据对所述木材子图像进行缺陷检测操作。
4.如权利要求3所述的木材的缺陷检测方法，其特征在于，所述对所述木材子图像进行缺陷检测操作的步骤之后包括：
获取所述缺陷检测操作的检测结果，并根据所述检测结果获取存在缺陷的木材子图像；
将所述存在缺陷的木材子图像添加到缺陷检测数据中。
5.如权利要求1所述的木材的缺陷检测方法，其特征在于，所述对所述木材子图像进行缺陷检测操作的步骤包括：
选取一个木材子图像进行缺陷检测子操作，并在完成一个所述木材子图像的缺陷检测子操作时，将完成缺陷检测子操作的木材子图像标记为已检测子图像；
判断所述木材图像中是否存在未进行缺陷检测子操作的木材子图像；
若存在未进行缺陷检测子操作的木材子图像，则执行步骤：选取一个木材子图像进行缺陷检测子操作；
若不存在未进行缺陷检测子操作的木材子图像，则所述缺陷检测操作完成。
6.一种电子装置，其特征在于，所述电子装置包括：
第一获取模块，用于接收缺陷检测信号，获取与所述缺陷检测信号对应的待检测的木材图像；
第一执行模块，用于将所述木材图像依据颜色进行划分得到至少一个木材子图像；
第二执行模块，用于对所述木材子图像进行缺陷检测操作；
所述电子装置还包括：
第一判断模块，用于获取各所述木材子图像中的像素数量，并判断是否存在像素数量小于预设数量阈值的木材子图像；
第四执行模块，用于若存在像素数量小于预设数量阈值的木材子图像，则将像素数量小于预设数量阈值的木材子图像作为待合并子图像；
第五执行模块，用于对所述待合并子图像执行合并操作；
所述第五执行模块包括：
第五执行单元，用于将与所述待合并子图像相邻的木材子图像作为吸收子图像；
第一判断单元，用于判断与所述待合并子图像相邻的木材子图像的数量是否大于1；
第六执行单元，用于若与所述待合并子图像相邻的木材子图像的数量小于或等于1，则将与所述待合并子图像相邻的木材子图像作为吸收子图像；
第七执行单元，用于若所述吸收子图像的数量大于1，则将预设色值区间与所述合并子图像对应的预设色值区间最近的木材子图像作为所述吸收子图像；
第八执行单元，用于将所述合并子图像与所述吸收子图像合并生成新的木材子图像。
7.一种缺陷检测装置，其特征在于，所述缺陷检测装置包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的木材的缺陷检测方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的木材的缺陷检测方法的步骤。
CN202110938715.1A 2021-08-16 2021-08-16 木材的缺陷检测方法、电子装置、装置及存储介质 Active CN113379747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110938715.1A CN113379747B (zh) 2021-08-16 2021-08-16 木材的缺陷检测方法、电子装置、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110938715.1A CN113379747B (zh) 2021-08-16 2021-08-16 木材的缺陷检测方法、电子装置、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113379747A CN113379747A (zh) 2021-09-10
CN113379747B true CN113379747B (zh) 2021-12-21

Family

ID=77577284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110938715.1A Active CN113379747B (zh) 2021-08-16 2021-08-16 木材的缺陷检测方法、电子装置、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113379747B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1728160A (zh) * 2004-07-26 2006-02-01 大日本网目版制造株式会社 利用图像的区域分割的缺陷的检出
CN107392896A (zh) * 2017-07-14 2017-11-24 佛山市南海区广工大数控装备协同创新研究院 一种基于深度学习的木材缺陷检测方法和系统
CN110689533A (zh) * 2019-09-27 2020-01-14 中国科学院自动化研究所 板材包边缺陷检测方法、系统、装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107146258B (zh) * 2017-04-26 2020-01-10 清华大学深圳研究生院 一种图像显著区域检测方法
CN111325713B (zh) * 2020-01-21 2023-05-23 杭州未名信科科技有限公司 基于神经网络的木材缺陷检测方法、系统及存储介质
CN112102254A (zh) * 2020-08-21 2020-12-18 佛山职业技术学院 基于机器视觉的木材表面缺陷检测方法与系统
CN112734690A (zh) * 2020-12-17 2021-04-30 郑州金惠计算机系统工程有限公司 一种表面缺陷检测方法、装置及计算机可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1728160A (zh) * 2004-07-26 2006-02-01 大日本网目版制造株式会社 利用图像的区域分割的缺陷的检出
CN107392896A (zh) * 2017-07-14 2017-11-24 佛山市南海区广工大数控装备协同创新研究院 一种基于深度学习的木材缺陷检测方法和系统
CN110689533A (zh) * 2019-09-27 2020-01-14 中国科学院自动化研究所 板材包边缺陷检测方法、系统、装置

Also Published As

Publication number Publication date
CN113379747A (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN109523485A (zh) 图像颜色校正方法、装置、存储介质及移动终端
CN110827280B (zh) 基于机器视觉的胶水检测方法、装置以及胶水检测设备
CN111045924A (zh) 用户界面视觉验收的处理方法、装置及设备
CN113470018B (zh) 轮毂缺陷识别方法、电子装置、装置及可读存储介质
CN114677567B (zh) 模型训练方法、装置、存储介质及电子设备
CN113077416A (zh) 一种基于图像处理的焊点焊接缺陷检测方法与系统
CN111896233A (zh) 对比度测试方法、对比度测试设备及存储介质
CN113409317B (zh) 缺陷检测方法、电子装置、装置及计算机可读存储介质
CN113379747B (zh) 木材的缺陷检测方法、电子装置、装置及存储介质
CN111126493B (zh) 深度学习模型的训练方法、装置、电子设备及存储介质
CN115797267A (zh) 图像质量评估方法、系统、电子设备和存储介质
CN116596903A (zh) 缺陷识别方法、装置、电子设备及可读存储介质
CN114721968B (zh) 测试方法、装置及存储介质
CN115146603A (zh) 一种红外热像分析报告的生成及模板制作方法及装置
CN113553950A (zh) 一种异常事件检测方法、装置、电子设备及存储介质
CN113239756A (zh) 基于目标识别的自动白平衡方法及装置
CN110572641B (zh) 一种显示设备的测试方法、装置及计算机可读存储介质
CN111402341A (zh) 相机参数确定方法、装置、电子设备及可读存储介质
CN111899187A (zh) 场景信息的处理方法、装置、存储介质及电子装置
CN110991322A (zh) 情绪识别模型的更新处理方法、装置、电子设备与介质
CN113409315A (zh) 工件缺陷检测方法、电子装置、装置及可读存储介质
CN111145674B (zh) 显示面板的检测方法、电子设备和存储介质
CN109151254B (zh) 一种黑平衡校准的方法及装置
CN110662010B (zh) 一种多余度色彩控制方法
CN111918137B (zh) 一种基于视频特征的推送方法、装置、存储介质及终端

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
GR01 Patent grant
GR01 Patent grant