CN114092765A - 一种木材质量检测方法、装置、电子设备及存储介质 - Google Patents
一种木材质量检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114092765A CN114092765A CN202111403826.9A CN202111403826A CN114092765A CN 114092765 A CN114092765 A CN 114092765A CN 202111403826 A CN202111403826 A CN 202111403826A CN 114092765 A CN114092765 A CN 114092765A
- Authority
- CN
- China
- Prior art keywords
- wood
- detected
- quality
- image
- calibration object
- 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
- 239000002023 wood Substances 0.000 title claims abstract description 246
- 238000001514 detection method Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000004891 communication Methods 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 238000007689 inspection Methods 0.000 abstract description 5
- 238000012549 training Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种木材质量检测方法、装置、电子设备及存储介质,所述方法包括:对待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材;根据所述标定物确定所述待检测木材的尺寸信息,根据确定的所述尺寸信息生成所有所述待检测木材的质量信息,所述质量信息用于表征所有所述待检测木材的总体的质量水平,首先通过对待检测图像进行识别,得到标定物和待检测木材,然后通过标定物确定待检测木材的尺寸信息,最后在通过尺寸信息获得质量信息,达到了自动识别木材质量的效果,对木材的质量识别进行了量化,避免了人工对木材进行质量审查,导致的质量检测效率低下,检测结果不太准确的问题,提升了木材质量检测的效率与准确性。
Description
技术领域
本申请涉及计算机领域,尤其涉及一种木材质量检测方法、装置、电子设备及存储介质。
背景技术
从林场砍伐的木材,判定其品质的重要因素就是木材的粗细程度,采购方会根据其粗细程度的不同,来决定木材的质量,采用不同的采购吨位单价,木料越粗,代表质量越好,则对应价格越高。
现有的木料采购方采用的木材质量检测方法,主要是通过人工肉眼进行检测,其缺点是:由于在木材厂运货的车辆频次很高,但是负责检查的工作人员数量比较少,导致检测速度慢、木质质量检测效率低,而且通过人工方式进行检测,不同的检测人员其判断标准也难以做到精度统一,也难以对所有木材进行检测。同时,由人工进行木材粗细质量的判断,即使是最负责任的工作人员也只能给出一个定性的判断,而难以给出一个量化数据,从企业越来越重视的精细化管理角度出发,缺少量化指标的支撑,难以对整个木材采购流程进行有效的改进和提升,导致木材质量检测速度慢,效率低下,质量检测不够准确。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请提供了一种木材质量检测方法、装置、电子设备及存储介质。
第一方面,本申请提供了一种木材质量检测方法,所述木材质量检测方法包括:对待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材;根据所述标定物确定所述待检测木材的尺寸信息;根据确定的所述尺寸信息生成所有所述待检测木材的质量信息,所述质量信息用于表征所有所述待检测木材的总体的质量水平。
可选的,对所述待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材,包括:通过目标检测模型对所述待识别图像进行目标识别,以获取目标检测结果;根据所述目标检测结果确定所述标定物和直接检测到的木材,并将所述直接检测到的木材作为所述待检测木材。
可选的,根据所述目标检测结果确定所述标定物和直接检测到的木材,并将所述直接检测到的木材作为所述待检测木材,包括:当所述目标检测结果表征多个所述直接检测到的木材之间存在阴影时;通过规则计算方法确定所述直接检测到的木材之间的阴影木材,并将所述直接检测到的木材和所述阴影木材作为所述待检测木材。
可选的,根据所述标定物确定所述待检测木材的尺寸信息,包括:确定所述标定物的像素,并将所述标定物的像素与数据库中标定物的尺寸进行比对,以获取像素与尺寸的比值;根据所述比值以及所述待检测木材的像素来确定所述待检测木材的尺寸信息,所述尺寸信息包括待检测木材的宽度与高度。
可选的,根据确定的所述尺寸信息生成所有所述待检测木材的质量信息,包括:根据各个所述待检测木材的尺寸信息以及预设尺寸与粗细的对应关系,确定各个所述待检测木材的粗细;获取所述待识别图像中所有所述待检测木材的粗细比例,根据所述粗细比例生成所述质量信息。
可选的,根据确定的所述尺寸信息生成所有所述待检测木材的质量信息之后,所述方法还包括:在所述待识别图像上标注检测到的所述待检测木材,并对所述质量信息进行展示,并在所述质量信息满足提醒阈值时,发出提醒。
可选的,将所述直接检测到的木材和所述阴影木材作为所述待检测木材之后,所述方法还包括:在所述待识别图像上对所述待检测木材进行标注,并将标注后的图像进行展示;接收返回的调整指令,根据所述调整指令对待识别图像中识别到的所述待检测木材进行调整。
第二方面,本申请提供了一种木材质量检测装置,所述木材质量检测装置包括:识别模块,所述识别模块用于对待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材;尺寸模块,所述尺寸模块用于根据所述标定物确定所述待检测木材的尺寸信息;质量模块,所述质量模块用于根据确定的所述尺寸信息生成所述待检测木材的质量信息,所述质量信息用于表征所述待检测木材的质量水平。
第三方面,提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面任一项实施例所述的木材质量检测方法的步骤。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的木材质量检测方法的步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
本方案可以应用于深度学习技术领域进行计算机视觉处理,本申请实施例提供的该方法,包括:对待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材;根据所述标定物确定所述待检测木材的尺寸信息,根据确定的所述尺寸信息生成所有所述待检测木材的质量信息,所述质量信息用于表征所有所述待检测木材的总体的质量水平,首先通过对待检测图像进行识别,得到标定物和待检测木材,然后通过标定物确定待检测木材的尺寸信息,最后在通过尺寸信息获得质量信息,达到了自动识别木材质量的效果,对木材的质量识别进行了量化,避免了人工对木材进行质量审查,导致的质量检测效率低下,检测结果不太准确的问题,提升了木材质量检测的效率与准确性。
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为本申请实施例提供的一种木材质量检测方法的基本流程示意图;
图2为本申请实施例提供的一种对待识别图像进行检测的基本示意图;
图3为本申请实施例提供的再一种木材质量检测方法的基本流程示意图;
图4为本申请实施例提供的一种木材质量检测装置的基本结构示意图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请的一部分实施例,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的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例提供的一种木材质量检测方法的流程示意图,所述木材质量检测方法,包括但不限于:
S101、对待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材;
S102、根据所述标定物确定所述待检测木材的尺寸信息;
S103、根据确定的所述尺寸信息生成所有所述待检测木材的质量信息,所述质量信息用于表征所有所述待检测木材的总体的质量水平。
应当理解的是,本实施例提供的木材质量检测方法可以应用于终端和/或服务器,也即,本实施提供的木材质量检测方法可以单独有终端或服务器来执行,也可以由终端和服务器分别执行其中的某个步骤,进而组合实现上述木材质量检测方法。应当理解的是,终端可以以各种形式来实施。例如,本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant,PDA)、便捷式媒体播放器(Portable Media Player,PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端,以及诸如数字TV、台式计算机等固定终端。后续描述中将以移动终端为例进行说明,本领域技术人员将理解的是,除了特别用于移动目的的元件之外,根据本发明的实施方式的构造也能够应用于固定类型的终端。
承接上例,该移动终端可以包括:RF(Radio Frequency,射频)单元、WiFi模块、音频输出单元、A/V(音频/视频)输入单元、传感器、显示单元、用户输入单元、接口单元、存储器、处理器、以及电源等部件。本领域技术人员可以理解,移动终端结构并不构成对移动终端的限定,移动终端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。
应当理解的是,对所述待识别图像进行目标识别之前,所述方法还包括:获取待识别图像;例如,当本实施例的执行主体为终端和服务器时,可以由终端取得图像,然后将该图像作为待识别图像传输到服务器,由服务器对所述待识别图像进行目标识别;应当理解的是,终端取得的图像中未包含标定物或待检测木材时,则不能作为待识别图像,并将其缺少必要信息的结果(如,缺少标定物或缺少待检测木材)返回给终端;在一些示例中,也可以由终端获取待识别图像,然后由终端执行后续对待识别图像进行目标识别;在一些示例中,还可以是由服务器获取待识别图像,然后由服务器执行后续对待识别图像进行目标识别;应当理解的是,上述获取待识别图像的方式包括但不限于:从存储介质中获取,从网络上获取,通过拍摄获取,从视频中截图获取。
应当理解的是,上述目标检测模型为根据训练数据训练得到的,具体的,首先获取训练集,所述训练集中包括了多张符合要求的训练图像,通过对训练集中每一张训练图像进行标注,标注出训练图像中的木材与标定物,然后利用标注后的数据,使用预设框架对初始模型进行训练得到上述目标检测模型;其中预设框架包括但不限于:yolo v5框架;例如,获取训练集,所述训练集中包括了1000-2000张左右的训练图像,每一张图像都为货车载木材的截面照片,其中将货车的货架边缘作为标定物,然后标注出每一个木材横截面的位置,然后利用标注后的数据,使用yolo v5框架对初始模型进行了模型训练得到目标检测模型,则目标检测模型能够将识别到的货车的货架边缘作为标定物,将识别到的木材横截面作为一个待识别木材。
在本实施例的一些示例中,对所述待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材,包括:通过目标检测模型对所述待识别图像进行目标识别,以获取目标检测结果;根据所述目标检测结果确定所述标定物和直接检测到的木材,并将所述直接检测到的木材作为所述待检测木材。应当理解的是,将待识别图像输入目标检测模型后,目标检测模型能够直接输出目标检测结果,所述目标检测结果包括了标定物与直接检测到的木材;例如,如图2所示,目标检测结果中包括了货车的货车边缘1以及直接检测到的木材的横截面2,其中货车的货车边缘1作为标定物,木材的横截面2作为待检测的木材。
在本实施例的一些示例中,根据所述目标检测结果确定所述标定物和直接检测到的木材,并将所述直接检测到的木材作为所述待检测木材,包括:当所述目标检测结果表征多个所述直接检测到的木材之间存在阴影时;通过规则计算方法确定所述直接检测到的木材之间的阴影木材,并将所述直接检测到的木材和所述阴影木材作为所述待检测木材。应当理解的是,由于木材长短不一,因此,可能存在处于阴影中的木材(旁边木材长,中间木材短的情况下,导致可见度较低,存在阴影木材),由于其在待识别图像中不可见,因此,需要基于目标检测模型的结果,通过规则计算方法推算出阴影中潜在的木材(举例来说,就是在待识别图像中一圈待检测木材包围下,存在的一个阴影,就可以推算其中是一根木材,并通过和周边已识别出的木材对比,确定这种阴影属于阴影木材),将识别出的阴影木材和直接检测到的木材作为待检测木材。
在本实施例的一些示例中,根据所述标定物确定所述待检测木材的尺寸信息,包括:确定所述标定物的像素,并将所述标定物的像素与数据库中标定物的尺寸进行比对,以获取像素与尺寸的比值;根据所述比值以及所述待检测木材的像素来确定所述待检测木材的尺寸信息,所述尺寸信息包括待检测木材的宽度与高度。具体的,例如,数据库中标定物的横向宽度为2.4米。计算出待检测图像中标定物的横向像素则可以求出一个像素对应多少米,进而获得了像素与长度的比值。因此,在待测试图像中,可以根据各个待检测木材的像素确定待检测木材对应的高度与宽度。
在本实施例的一些示例中,根据确定的所述尺寸信息生成所有所述待检测木材的质量信息,包括:根据各个所述待检测木材的尺寸信息以及预设尺寸与粗细的对应关系,确定各个所述待检测木材的粗细;获取所述待识别图像中所有所述待检测木材的粗细比例,根据所述粗细比例生成所述质量信息。其中,预设尺寸与粗细的对应关系为相关人员灵活设置,例如,当木材的宽度或高度超过0.2米时,判定该木材为粗,否则为细;也即,当带检测木材的横截面的宽度或高低超过0.2米时,判定该木材为粗,否则判定该木材为细,通过上述方法可以获取待识别图像中各个待检测木材的粗细,然后获取粗、细分别的占比;例如,识别到待识别图像中一共存在30根待检测木材,其中11根木材为粗,19跟木材为细,则可以得到粗木材的比例为11/30,细木材的比例为19/30,将所述粗木材的比例和所述细木材的比例作为所述质量信息。应当理解的是,在一些示例中,还可以将粗木材的比例,和细木材的比例以百分比形式生成,作为质量信息。
承接上述示例,在一些示例中,还可以划分更具体的尺寸与粗细的对应关系,来对待检测木材划分更详细的等级,以对待测试图像中待测试木材更好的进行质量评估。
在本实施例的一些示例中,根据确定的所述尺寸信息生成所有所述待检测木材的质量信息之后,所述方法还包括:在所述待识别图像上标注检测到的所述待检测木材,并对所述质量信息进行展示,并在所述质量信息满足提醒阈值时,发出提醒;应当理解的是,其中提醒阈值包括但不限于:当粗木头比例低于50%,或细木头的比例超过50%;也即,当待检测木材中粗木头的比例低于50%时则发出提醒,或是当待检测木材中细木头的比例高于50%时则发出提醒,应当理解的是,其中提醒的阈值可以由相关人员灵活设置,本实施例并不做限制。
在本实施例的一些示例中,将所述直接检测到的木材和所述阴影木材作为所述待检测木材之后,所述方法还包括:在所述待识别图像上对所述待检测木材进行标注,并将标注后的图像进行展示;接收返回的调整指令,根据所述调整指令对待识别图像中识别到的所述待检测木材进行调整。应当理解的是,对待识别图像进行目标识别时,可能会出现错误,因此,若在展示后接收到调整指令时,则根据调整指令对确定的待检测木材进行修改,以调整确定出的待检测木材。
本实施例提供的木材质量检测方法,包括:对待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材;根据所述标定物确定所述待检测木材的尺寸信息,根据确定的所述尺寸信息生成所有所述待检测木材的质量信息,所述质量信息用于表征所有所述待检测木材的总体的质量水平,首先通过对待检测图像进行识别,得到标定物和待检测木材,然后通过标定物确定待检测木材的尺寸信息,最后在通过尺寸信息获得质量信息,达到了自动识别木材质量的效果,对木材的质量识别进行了量化,避免了人工对木材进行质量审查,导致的质量检测效率低下,检测结果不太准确的问题,提升了木材质量检测的效率与准确性。
为了更好的理解本发明,本实施例提供一种更为具体的示例对本发明进行说明,本实施例提供一种木材质量检测方法,如图3所示,其包括但不限于:
S201、终端获取待识别图像并发送到服务器;
S202、服务器对待识别图像进行目标识别;
S203、服务器根据所述标定物确定所述待检测木材的尺寸信息;
S204、服务器根据确定的所述尺寸信息生成所有所述待检测木材的质量信息,所述质量信息用于表征所有所述待检测木材的总体的质量水平;
S205、终端对质量信息进行展示;
具体的,终端通过编写的微信小程序,由接收现场人员填写本次车辆运送木材的信息,信息中包含车牌号、司机信息等,同时启动手机自带的拍照功能,对车载的木材进行拍照。拍照的注意事项包括:a.由于木材在车辆中存储是前后分层堆放的,一般货车可容纳3层的木材,因此拍摄时,需要针对每层的木材截面进行拍照;b.拍摄距离1米~2米。分辨率>1080p,木料堆不被遮挡,必须完全完整在镜头内,正对拍摄,尽可能近地拍摄,保证木料堆截面轮廓高清可见。c.拍摄的图片必须包含货车边缘;然后将拍摄完成的图片作为待识别图像发送到服务器。
应当理解的是,服务器对待识别图像进行目标识别的过程中,先利用自训练的目标检测模型,识别待识别图像中的木材横截面以及货车的货架边缘,将识别到的货车的货架边缘作为标定物,将识别到的木材横截面作为待识别木材,对于处在阴影中木材,由于其在待识别图像中不可见,因此需要基于目标检测模型的结果,通过规则计算推算出阴影中潜在的木材(举例来说,就是在一圈木材包围下,图像中存在的一个阴影,就可以推算其中是一根木材)。在通过目标检测模型检测后,可以计算出待识别图像中的木材数量。随后再利用待识别图像中的货车边缘来作为标定物,木材货场所用货车的宽度均为2.4米,通过计算木材的最大直径所占像素数与货车边缘像素数的比值,来估算木材的绝对直径数值,并按照预设的尺寸与粗细的对应关系给出的木材尺寸评级标准,判断出木材的粗细,给出不同直径级别的木材数量及占比,进而生成质量报告。
应当说明的是,目标检测模型的训练,是通过获取了千张左右的符合拍照要求的货车载木材的截面照片,以人工的方式对每张图片进行标注,标注出每个可见木材的位置,然后利用这些标注后的数据,使用yolo v5框架进行了模型训练,最终得到目标检测模型。
应当理解的是,在一些示例中,微信小程序将待识别图像、拍摄时间、拍摄位置等信息一起上传服务器;服务器在收到小程序发来的数据后,进行存储,并将待识别图像发送到cv模型服务进行识别处理,其中CV模型包括但不限于上述目标检测模型,接收到后台服务发来的待识别图像,进行处理;
其中进行识别处理时,首先将待识别图像进行目标识别,定位图片中的核心目标物体,包括木料截面(待检测木材)、货车的货车边缘(标定物);然后,基于检测结果,货车的货车边缘以2.5米进行测算,以此比对木材截面直径与货车宽度进行对比,从而得到木料粗细度,进而得到该批木材的粗细比例;最后进行结果反馈,将引擎将结果反馈给后台服务,由后台服务进行记录,并将结果反馈给微信小程序进行展示,工作人员可参考该数据进行采购价格评定。
本实施例提供的木材质量检测方法,包括:对待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材;根据所述标定物确定所述待检测木材的尺寸信息,根据确定的所述尺寸信息生成所有所述待检测木材的质量信息,所述质量信息用于表征所有所述待检测木材的总体的质量水平,首先通过对待检测图像进行识别,得到标定物和待检测木材,然后通过标定物确定待检测木材的尺寸信息,最后在通过尺寸信息获得质量信息,达到了自动识别木材质量的效果,对木材的质量识别进行了量化,避免了人工对木材进行质量审查,导致的质量检测效率低下,检测结果不太准确的问题,提升了木材质量检测的效率与准确性。
基于相同的发明构思,本实施例还提供一种木材质量检测装置,如图4所示,所述木材质量检测装置包括:
识别模块10,所述识别模块用于对所述待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材;
尺寸模块20,所述尺寸模块用于根据所述标定物确定所述待检测木材的尺寸信息;
质量模块30,所述质量模块用于根据确定的所述尺寸信息生成所述待检测木材的质量信息,所述质量信息用于表征所述待检测木材的质量水平。
应当理解的是,本实施例提供的木材质量检测装置的各个模块组合能够实现上述木材质量检测方法的各个步骤,达到与上述木材质量检测方法的各个步骤相同的技术效果。
如图5所示,本申请实施例提供了一种电子设备,包括处理器111、通信接口112、存储器113和通信总线114,其中,处理器111,通信接口112,存储器113通过通信总线114完成相互间的通信,
存储器113,用于存放计算机程序;
在本申请一个实施例中,处理器111,用于执行存储器113上所存放的程序时,实现前述任意一个方法实施例提供的木材质量检测方法的步骤。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的木材质量检测方法的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种木材质量检测方法,其特征在于,所述木材质量检测方法包括:
对待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材;
根据所述标定物确定所述待检测木材的尺寸信息;
根据确定的所述尺寸信息生成所有所述待检测木材的质量信息,所述质量信息用于表征所有所述待检测木材的总体的质量水平。
2.根据权利要求1所述的方法,其特征在于,对所述待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材,包括:
通过目标检测模型对所述待识别图像进行目标识别,以获取目标检测结果;
根据所述目标检测结果确定所述标定物和直接检测到的木材,并将所述直接检测到的木材作为所述待检测木材。
3.根据权利要求2所述的方法,其特征在于,根据所述目标检测结果确定所述标定物和直接检测到的木材,并将所述直接检测到的木材作为所述待检测木材,包括:
当所述目标检测结果表征多个所述直接检测到的木材之间存在阴影时;
通过规则计算方法确定所述直接检测到的木材之间的阴影木材,并将所述直接检测到的木材和所述阴影木材作为所述待检测木材。
4.根据权利要求1-3任一项所述的方法,其特征在于,根据所述标定物确定所述待检测木材的尺寸信息,包括:
确定所述标定物的像素,并将所述标定物的像素与数据库中标定物的尺寸进行比对,以获取像素与尺寸的比值;
根据所述比值以及所述待检测木材的像素来确定所述待检测木材的尺寸信息,所述尺寸信息包括待检测木材的宽度与高度。
5.根据权利要求1-3任一项所述的方法,其特征在于,根据确定的所述尺寸信息生成所有所述待检测木材的质量信息,包括:
根据各个所述待检测木材的尺寸信息以及预设尺寸与粗细的对应关系,确定各个所述待检测木材的粗细;
获取所述待识别图像中所有所述待检测木材的粗细比例,根据所述粗细比例生成所述质量信息。
6.根据权利要求5所述的方法,其特征在于,根据确定的所述尺寸信息生成所有所述待检测木材的质量信息之后,所述方法还包括:
在所述待识别图像上标注检测到的所述待检测木材,并对所述质量信息进行展示,并在所述质量信息满足提醒阈值时,发出提醒。
7.根据权利要求3所述的方法,其特征在于,将所述直接检测到的木材和所述阴影木材作为所述待检测木材之后,所述方法还包括:
在所述待识别图像上对所述待检测木材进行标注,并将标注后的图像进行展示;
接收返回的调整指令,根据所述调整指令对待识别图像中识别到的所述待检测木材进行调整。
8.一种木材质量检测装置,其特征在于,所述木材质量检测装置包括:
识别模块,所述识别模块用于对待识别图像进行目标识别,以确定所述待识别图像中的标定物和待检测木材;
尺寸模块,所述尺寸模块用于根据所述标定物确定所述待检测木材的尺寸信息;
质量模块,所述质量模块用于根据确定的所述尺寸信息生成所述待检测木材的质量信息,所述质量信息用于表征所述待检测木材的质量水平。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一项所述的木材质量检测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的木材质量检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111403826.9A CN114092765A (zh) | 2021-11-24 | 2021-11-24 | 一种木材质量检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111403826.9A CN114092765A (zh) | 2021-11-24 | 2021-11-24 | 一种木材质量检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114092765A true CN114092765A (zh) | 2022-02-25 |
Family
ID=80303912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111403826.9A Pending CN114092765A (zh) | 2021-11-24 | 2021-11-24 | 一种木材质量检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114092765A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114871120A (zh) * | 2022-05-26 | 2022-08-09 | 江苏省徐州医药高等职业学校 | 基于图像数据处理的药品确定分拣方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281021A (zh) * | 2008-05-14 | 2008-10-08 | 天恒威科技(北京)有限公司 | 一种木材自动监管方法及系统 |
CN109166147A (zh) * | 2018-09-10 | 2019-01-08 | 深圳码隆科技有限公司 | 基于图片的服装尺寸测量方法及装置 |
CN109285145A (zh) * | 2018-08-12 | 2019-01-29 | 浙江农林大学 | 基于智能手机的多株立木高度测量方法 |
CN109359535A (zh) * | 2018-09-12 | 2019-02-19 | 北京木业邦科技有限公司 | 木材装载信息的识别方法、装置、电子设备及存储介质 |
CN109448043A (zh) * | 2018-10-22 | 2019-03-08 | 浙江农林大学 | 平面约束下的立木高度提取方法 |
CN109631766A (zh) * | 2018-12-11 | 2019-04-16 | 南京第五十五所技术开发有限公司 | 一种基于图像的木材板尺寸测量方法 |
CN113283389A (zh) * | 2021-06-24 | 2021-08-20 | 中国平安人寿保险股份有限公司 | 手写文字质量检测方法、装置、设备及存储介质 |
CN113538428A (zh) * | 2021-09-16 | 2021-10-22 | 深圳市信润富联数字科技有限公司 | 木材缺陷检测方法、设备、介质及计算机程序产品 |
CN113610185A (zh) * | 2021-08-19 | 2021-11-05 | 江西应用技术职业学院 | 基于主色调识别的木材色选方法 |
-
2021
- 2021-11-24 CN CN202111403826.9A patent/CN114092765A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281021A (zh) * | 2008-05-14 | 2008-10-08 | 天恒威科技(北京)有限公司 | 一种木材自动监管方法及系统 |
CN109285145A (zh) * | 2018-08-12 | 2019-01-29 | 浙江农林大学 | 基于智能手机的多株立木高度测量方法 |
CN109166147A (zh) * | 2018-09-10 | 2019-01-08 | 深圳码隆科技有限公司 | 基于图片的服装尺寸测量方法及装置 |
CN109359535A (zh) * | 2018-09-12 | 2019-02-19 | 北京木业邦科技有限公司 | 木材装载信息的识别方法、装置、电子设备及存储介质 |
CN109448043A (zh) * | 2018-10-22 | 2019-03-08 | 浙江农林大学 | 平面约束下的立木高度提取方法 |
CN109631766A (zh) * | 2018-12-11 | 2019-04-16 | 南京第五十五所技术开发有限公司 | 一种基于图像的木材板尺寸测量方法 |
CN113283389A (zh) * | 2021-06-24 | 2021-08-20 | 中国平安人寿保险股份有限公司 | 手写文字质量检测方法、装置、设备及存储介质 |
CN113610185A (zh) * | 2021-08-19 | 2021-11-05 | 江西应用技术职业学院 | 基于主色调识别的木材色选方法 |
CN113538428A (zh) * | 2021-09-16 | 2021-10-22 | 深圳市信润富联数字科技有限公司 | 木材缺陷检测方法、设备、介质及计算机程序产品 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114871120A (zh) * | 2022-05-26 | 2022-08-09 | 江苏省徐州医药高等职业学校 | 基于图像数据处理的药品确定分拣方法及装置 |
CN114871120B (zh) * | 2022-05-26 | 2023-11-07 | 江苏省徐州医药高等职业学校 | 基于图像数据处理的药品确定分拣方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107392218B (zh) | 一种基于图像的车辆定损方法、装置及电子设备 | |
CN109784323B (zh) | 图像识别的方法、装置、电子设备和计算机存储介质 | |
CN109886928B (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
TWI716012B (zh) | 樣本標註方法、裝置、儲存媒體和計算設備、損傷類別的識別方法及裝置 | |
KR102080462B1 (ko) | 딥러닝에 기반한 도로 안전 진단과 관리 방법 및 시스템 | |
US20190244282A1 (en) | Computerized exchange network | |
CN113607742A (zh) | 电芯极耳检测方法、装置、电子设备和存储介质 | |
CN114519498B (zh) | 一种基于bim模型的质量验评方法和系统 | |
CN112561543A (zh) | 一种基于全周期物流数据分析的电商平台虚假交易订单监控方法、系统及云服务器 | |
CN110827245A (zh) | 一种检测屏幕显示断线的方法及设备 | |
CN106022379A (zh) | 检测屏幕新旧度的方法和装置 | |
CN111553914B (zh) | 基于视觉的货物检测方法、装置、终端及可读存储介质 | |
CN114092765A (zh) | 一种木材质量检测方法、装置、电子设备及存储介质 | |
CN112257649A (zh) | 一种物品识别方法、模型训练方法、装置及电子设备 | |
CN115063084A (zh) | 一种卷烟零售商户库存盘点方法及系统 | |
CN107491786B (zh) | 一种烟草收购重复过磅行为自动视觉检测与识别方法 | |
CN110543839A (zh) | 一种基于计算机视觉的商品铺货率采集方法 | |
CN112153320B (zh) | 一种物品尺寸的测量方法、装置、电子设备和存储介质 | |
US20120092362A1 (en) | System and method for detecting light intensity in an electronic device | |
CN114926464B (zh) | 在双录场景下的图像质检方法、图像质检装置及系统 | |
CN117709528A (zh) | 碳排放量预测方法、装置、设备及存储介质 | |
CN111598099B (zh) | 图像文本识别性能的测试方法、装置、测试设备及介质 | |
CN117557175A (zh) | 一种地磅智能控制管理系统 | |
CN115631169A (zh) | 产品检测方法、装置、电子设备及存储介质 | |
CN115035481A (zh) | 一种图像物距融合方法、装置、设备及存储介质 |
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 |