专利名称：：基于机器视觉的竹条缺陷在线检测方法
技术领域：
：本发明属于视觉检测领域，具体是一种竹条缺陷的非接触式检测方法。
背景技术：
：我国竹子有39属，500多种，分布面积500多万公顷，竹类资源丰富且再生能力强，从而被越来越广泛采用。一般竹子造林5-10年以后，就可以年年砍伐利用。然而由于地理环境、气候、湿度等原因，有些竹子在生长过程中会从根部开始腐烂，会生虫；若砍伐下来后没有储存保管得当，会发霉以及会出现裂纹；而且在竹子加工中还会出现斜切、过切等缺损情况，因而竹条上会出现腐烂、蛀孔、发霉、裂纹和斜切等缺陷。竹产品生产工艺主要由两大步骤组成第一步是基材加工，第二步是基材组合后加工。在第一、二步之间必须对基材(即竹条)进行缺陷检测，否则会严重影响竹产品的合格率。随着竹产品的自动化加工能力的提高，越来越多的竹条在第二步前需要等待缺陷检测，而目前仅靠人工肉眼检查，不但人为因素影响较大，而且多种不同程度的缺陷容易使人产生视觉疲劳，从而造成对竹条缺陷的误判和漏检。目前国内还没有利用视觉图像对竹条缺陷进行自动在线检测的方法。
发明内容为了克服现有技术不能自动检测竹条缺陷的不足，本发明提供一种基于机器视觉的竹条缺陷在线检测方法，能够对竹条沿长度方向的四个表面上的腐烂、蛀孔、发霉、裂纹和斜切等缺陷进行在线自动检测。本发明解决其技术问题所采用的技术方案包括以下步骤一.沿竹条长度方向，使用相机对竹条的四个表面连续拍摄，获取竹条表面的灰度图像；预定义对于灰度图像，像素点的灰度值越小亮度越暗，灰度值越大亮度越亮；二.对捕获的每一帧数字图像进行图像处理，根据竹条缺陷检测方法，判断此帧图像中的小段竹条上是否存在缺陷；三.如果此帧图像中的小段竹条存在缺陷，则认为整根竹条存在缺陷，同时向分拣机构发送存在缺陷的指令；四.如果整根竹条的所有帧图像中的小段竹条都没有缺陷，则认为此根竹条没有缺陷；同时向分拣机构发送没有缺陷的指令。所述的竹条缺陷检测方法包括以下步骤一、对整幅灰度图像，通过边缘检测获取竹条的边界，去除背景，得到竹条区域的图像f，并复制竹条区域的图像数据f'，获取图像f中竹条的两条边界直线L1禾卩L2。计算Ll和L2之间的夹角e，如果e》判定阀值Tp，(Tp《2°)则认为该竹条两条边界直线不平行，存在"三角条"的缺陷，转至步骤六，给出竹条存在缺陷的检测结果信号；否则认为该幅图像中竹条的两条边界直线近似平行，继续进行下一步的检测。二、对图像f，进行均值滤波，去除噪声点的干扰，得到图像fl。三、对图像fl，进行滤除纹理操作以当前像素点为中心，用当前像素行的左右邻近像素灰度值中的最大值，代替当前像素点的灰度值。左右邻域像素的总宽度，大于等于图像中竹子纹理的一半像素宽度dH，小于等于图像中竹子相邻两个纹理之间的像素宽度dB(预先通过实验，测定djj和dB)。对图像fl中所有像素逐点处理，最终可获得滤除竹子纹理后的图像f2。四、竹条大缺陷的检测，包括以下步骤1.对图像f2，采用最大类间距方法求得分割阈值Th以及两个类的平均灰度值U1、U2;2.如果图像f2所求得的ul与u2之间的灰度差值小于预先测定的实验值D(D为预先通过实验，对合格的竹条图像采用最大类间距方法处理，求得的ul与u2之间的灰度差值)，则认为该幅图像不含有竹条大缺陷，跳转至步骤五，进行竹条小缺陷的检测；3.在图像f2中，灰度值小于等于Th的像素即为缺陷区域，统计图像f2中缺陷区域像素点的总数num和图像f2中所有像素点的总数sum，如果皿m与sum的比值小于判定阈值Pe(Pe为检测精度要求下，缺陷面积占竹条总面积百分比的最小判定阈值)，则认为该幅图像无缺陷，跳转至步骤五，进行竹条小缺陷的检测，否则认为该幅图像存在缺陷，并对图像f2进行二值化处理，转至步骤六，给出竹条存在缺陷的检测结果信号。对竹条的表面进行垂直打光，在竹条图像中，竹条缺陷虫蛀孔、发霉、竹青区域与竹条表面的正常区域相比亮度较暗；平行四边形缺陷区域和斜切缺陷区域，在图像中表现为竹条侧边的阴影区域，与竹条表面的正常区域相比亮度较暗。由于以上五种竹条缺陷区域在灰度图像中，灰度值较小，面积相对较大，经步骤四可判断竹条是否存在这五种缺陷。五、竹条小缺陷的检测，包括以下步骤1.对于竹条区域的图像f'，沿着竹条的长度方向，按I1个像素宽(n小于等于10)划分为有限个小区域；2.使用梯度算子，计算每个像素点的梯度值；3.分别统计每个小区域中梯度最大值所对应像素点的灰度值Gi;4.对于所有小区域中的Gi，找出其中的最小值Gmin;5.计算竹条区域图像f'的灰度平均值u，如果u与Gmin的差值小于d(d为预先试验，计算合格的竹条图像所得的u与Gmin之间的灰度差f直)，则认为该幅图像不存在缺陷，转至步骤六，给出该图像没有缺陷的检测结果信号；6.取分割阈值为Gmin，对图像f，进行二值化处理，得到二值图像f"。在图像f，中，灰度值小于等于Gmin的像素即为缺陷区域。对二值图像f"中的缺陷区域进行贴标签处理，计算每个缺陷区域的面积Area、长宽比Scale,如果Area》Ta并且(1Scale-11《S或Scale^Tb}，(其中Ta、Tb、l分别为检测精度要求下的最小虫蛀孔的像素点总数、最短裂缝的长宽比、虫蛀孔的圆形度范围)，则认为该图像存在缺陷，转至步骤六，给出竹条存在缺陷的检测结果信号；否则认为该幅图像不存在缺陷，转至步骤六，给出该幅图像没有缺陷的检测结果信号。对于较小的虫蛀孔、裂缝和裂纹，由于其像素宽度较小，面积较小，经步骤四不能检测识别；但其边界的梯度值较大，经步骤五可检测识别。六、给出竹条图像的检测结果信号。本发明的有益效果是本发明可以对不同颜色深浅的竹条缺陷进行在线检测，同时检测沿竹条长度方向上的四个表面。可检测的竹条缺陷的种类如图3所示，包括虫蛀孔、发霉、裂缝、裂纹、平行四边、三角条、竹青、斜切，有效的解决由于人为因素所造成的对竹条缺陷的误判及漏检。检测效果如图4所示，竹条缺陷虫蛀孔、发霉、裂缝、裂纹、平行四边、竹青、斜切在图中显示为黑色，三角条缺陷显示为竹条的两条边界直线。如果采用分辨率为752X480的工业相机、帧频为60帧/秒、16mm镜头、视场70mmX45mm;计算机采用CPU赛扬2.0GHz,内存512MB，显卡64M，则实验检测结果如下表所示<table>tableseeoriginaldocumentpage7</column></row><table>每幅图像的平均处理时间80ms，检测结果准确率为92%，竹条的检测速度大于0.87m/s。下面结合附图和实施例对本发明进一步说明。图1是本发明的总体检测步骤流程；图2是竹条缺陷检测方法的流程；图3是本发明可以检测的8种竹条缺陷。图中(a)—虫蛀孔，(b)—发霉，(c)一裂缝，(d)—裂纹，(e)—平行四边，(f)一三角条，(g)—竹青，(h)—斜切；图4是本发明对8种竹条缺陷检测后的显示结果。图中(a)—虫蛀孔，(b)—发霉，(c)一裂缝，(d)—裂纹，(e)—平行四边，(f)一三角条，(g)—竹青，(h)—斜切。具体实施例方式本发明所检测的竹条宽度为14mm25mm，厚度为6mm10mm，长度为0.9m2.6m，竹条属于窄长型工件。使用光源对竹条沿长度方向上的四个表面进行垂直照射，在获取的竹条图像中，三角条缺陷表现为竹条的两条边界直线有较大的夹角；虫蛀孔、发霉、竹青区域与竹条表面的正常区域相比亮度较暗，灰度值较小，面积较大；平行四边形缺陷区域和斜切缺陷区域，在图像中显现为竹条侧边的阴影区域，与7竹条表面的正常区域相比亮度较暗，灰度值较小，面积较大；对于较小的虫蛀孔、裂缝和裂纹，为细长型特征，缺陷面积较小，但其边界的梯度值较大。具体实施，如图l所示沿竹条长度方向，使用相机对竹条的四个表面连续拍摄，获取竹条表面的灰度图像；对捕获的每一帧数字图像进行图像处理，根据竹条缺陷检测方法，判断此帧图像中的小段竹条上是否存在缺陷；如果此帧图像中的小段竹条存在缺陷，则认为整根竹条存在缺陷，同时向分拣机构发送存在缺陷的指令；如果整根竹条的所有帧图像中的小段竹条都没有缺陷，则认为此根竹条没有缺陷；同时向分拣机构发送没有缺陷的指令。所述的竹条缺陷检测方法，如图2所示，包括以下步骤-一、对整幅灰度图像，通过边缘检测获取竹条的边界，去除背景，得到竹条区域的图像f，并复制竹条区域的图像数据f'，获取图像f中竹条表面的两条边界直线L1和L2。计算Ll和L2之间的夹角e，如果e》Tp，(Tp《2°)则认为该竹条两条边界直线不平行，存在"三角条"的缺陷，转至步骤六，给出竹条存在缺陷的检测结果信号；否则认为该幅图像中竹条的两条边界近似平行，继续进行下一步的检测。二、对图像f，进行均值滤波，去除噪声点的干扰，得到图像fl。三、对图像fl，进行滤除纹理以当前像素点为中心，用当前像素行的左右邻近像素灰度值中的最大值，代替当前像素点的灰度值。左右邻域像素的总宽度，大于等于图像中竹子纹理的一半像素宽度dh，小于等于图像中竹子相邻两个纹理之间的像素宽度dB(预先通过实验，测定dH和dB)。对图像fl中所有像素逐点处理，最终可获得滤除竹子纹理后的图像f2。四、竹条大缺陷的检测，包括以下步骤1.对图像f2，采用最大类间距方法求得分割阈值Th以及两个类的平均灰度值lll、U2;2.如果某幅图像所求得的ul与u2之间的灰度差值小于预先测定的实验值D(D为预先通过实验，对合格的竹条采用最大类间距方法处理，求得ul与u2之间的灰度差值)，则认为该幅图像不含有竹条大缺陷，跳转至步骤五，进行竹条小缺陷的检测；3.在图像G中，灰度值小于等于Th的像素即为缺陷区域，统计图像f2中竹条缺陷区域像素点的总数num和竹条区域所有像素点的总数sum,如果num与sum的比值小于判定阈值Pe(Pe为检测精度要求下，缺陷面积占竹条总面积百分比的最小判定阈值)，则认为该幅图像无缺陷，跳转至步骤五，进行竹条小缺陷的检测，否则认为该幅图像存在缺陷，并对图像f2进行二值化处理，转至步骤六，给出竹条存在缺陷的检测结果信号；五、竹条小缺陷的检测，包括以下步骤1.对于竹条区域的图像f，，把竹条区域的图像按n个像素宽(n小于等于10)，沿着竹条的长度方向平均等分为有限个小区域；2.使用梯度算子，计算每个像素点的梯度值.；3.分别统计每个小区域中梯度最大值所对应像素点的灰度值Gi;4.对于所有小区域中的Gi，找出其中的最小值Gmin;5.计算竹条区域图像f，的灰度平均值u，如果u与Gmin的差值d(d为预先试验，计算合格竹条所得的u与Gmin之间的灰度差值)，则认为该幅图像不存在缺陷，转至步骤六，给出该图像没有缺陷的检测结果信号；6.取分割阈值为Gmin，对竹条区域图像f进行二值化处理，得到图像f'。在竹条区域图像f'中，灰度值小于等于Gmin的像素即为缺陷区域。对图像f"中的缺陷区域进行贴标签处理，计算每个缺陷区域的面积Area、长宽比Scale,如果Area》Ta并且UScale-1|《；或Scale》Tbh(其中Ta、Tb、〖分别为检测精度要求下的最小虫蛀孔的像素点总数、最短裂缝的长宽比、虫蛀孔的圆形度范围)，则认为该图像存在缺陷，转至步骤六，给出竹条存在缺陷的检测结果信号；否则认为该幅图像不存在缺陷，转至步骤六，给出该幅图像没有缺陷的检测结果信号。六、给出竹条图像的检测结果信号。对于竹条图像，经检测步骤一，可判断竹条是否存在"三角条"的缺陷；经检测步骤四，可判断竹条是否存在的缺陷种类有虫蛀孔、发霉、竹青、平行四边、斜切;经检测步骤五，可判断竹条是否存在的缺陷种类有较小的虫蛀孔、裂缝、裂纹。权利要求1、基于机器视觉的竹条缺陷在线检测方法，其特征在于包括下述步骤(a)沿竹条长度方向，使用相机对竹条的四个表面连续拍摄，获取竹条表面的灰度图像；(b)对捕获的每一帧数字图像进行图像处理，根据竹条缺陷检测方法，判断此帧图像中的小段竹条上是否存在缺陷；(c)如果此帧图像中的小段竹条存在缺陷，则认为整根竹条存在缺陷，同时向分拣机构发送存在缺陷的指令；(d)如果整根竹条的所有帧图像中的小段竹条都没有缺陷，则认为此根竹条没有缺陷；同时向分拣机构发送没有缺陷的指令。2、根据权利要求1的基于机器视觉的竹条缺陷在线检测方法，其特征在于所述的竹条缺陷检测方法包括以下步骤(a)对整幅灰度图像，通过边缘检测获取竹条的边界，去除背景，得到竹条区域的图像f，并复制竹条区域的图像数据f'，获取图像f中竹条的两条边界直线L1禾QL2;计算Ll和L2之间的夹角e，如果e》判定阀值Tp，Tp《2°，则认为该竹条两条边界直线不平行，存在缺陷，转至步骤(f)，给出竹条存在缺陷的检测结果信号；否则认为该幅图像中竹条的两条边界直线近似平行，继续进行下一步的检测；(b)对图像f，进行均值滤波，去除噪声点的干扰，得到图像fl;(C)对图像fl，进行滤除纹理操作以当前像素点为中心，用当前像素行的左右邻近像素灰度值中的最大值，代替当前像素点的灰度值。左右邻域像素的总宽度，大于等于图像中竹子纹理的一半像素宽度dH，小于等于图像中竹子相邻两个纹理之间的像素宽度dB;对图像fl中所有像素逐点处理，最终可获得滤除竹子纹理后的图像f2;(d)竹条大缺陷的检测，包括以下步骤A.对图像f2，采用最大类间距方法求得分割阈值Th以及两个类的平均灰度值U1、U2;B.如果图像f2所求得的ul与u2之间的灰度差值小于预先测定的实验值D，则认为该幅图像不含有竹条大缺陷，跳转至步骤(e)，进行竹条小缺陷的检测；C.在图像f2中，灰度值小于等于Th的像素即为缺陷区域，统计图像f2中缺陷区域像素点的总数num和图像f2中所有像素点的总数sum，如果皿m与sum的比值小于判定阈值Pe，则认为该幅图像无缺陷，跳转至步骤(e)，进行竹条小缺陷的检测，否则认为该幅图像存在缺陷，并对图像f2进行二值化处理，转至步骤(f)，给出竹条存在缺陷的检测结果信号；(e)竹条小缺陷的检测，包括以下步骤A.对于竹条区域的图像f'，沿着竹条的长度方向，按n个像素宽划分为有限个小区域，n小于等于10;B.使用梯度算子，计算每个像素点的梯度值；C.分别统计每个小区域中梯度最大值所对应像素点的灰度值Gi;D.对于所有小区域中的Gi，找出其中的最小值Gmin;E.计算竹条区域图像f，的灰度平均值u，如果u与Gmin的差值小于合格竹条图像的灰度差值d，则认为该幅图像不存在缺陷，转至步骤(f)，给出该图像没有缺陷的检测结果信号；F.取分割阈值为Gmin，对图像f'进行二值化处理，得到二值图像f"。在图像f中，灰度值小于等于Gmin的像素即为缺陷区域；对二值图像f"中的缺陷区域进行贴标签处理，计算每个缺陷区域的面积Area、长宽比Scale,如果Area》Ta并且(1Scale-11《《或Scale》Tb)，其中Ta、Tb、《分别为检测精度要求下的最小虫蛀孔的像素点总数、最短裂缝的长宽比、虫蛀孔的圆形度范围，则认为该图像存在缺陷，转至步骤(f)，给出竹条存在缺陷的检测结果信号；否则认为该幅图像不存在缺陷，转至步骤(f)，给出该幅图像没有缺陷的检测结果信号；(f)给出竹条图像的检测结果信号。全文摘要本发明公开了一种基于机器视觉的竹条缺陷在线检测方法，沿竹条长度方向，使用相机对竹条的四个表面连续拍摄，获取竹条表面的灰度图像；对捕获的每一帧数字图像进行图像处理，根据竹条缺陷检测方法，判断此帧图像中的小段竹条上是否存在缺陷；如果此帧图像中的小段竹条存在缺陷，则认为整根竹条存在缺陷，同时向分拣机构发送存在缺陷的指令；如果整根竹条的所有帧图像中的小段竹条都没有缺陷，则认为此根竹条没有缺陷；同时向分拣机构发送没有缺陷的指令。本发明可以对不同颜色深浅的竹条缺陷进行在线检测，同时检测沿竹条长度方向上的四个表面。文档编号G01N21/88GK101320004SQ20081015024公开日2008年12月10日申请日期2008年7月3日优先权日2008年7月3日发明者琼刘,昕宋,宫养飞,秦现生,勇蔡,峰贺申请人:西北工业大学