一种视频检测地板正反面的方法
【专利摘要】本发明公开了一种视频检测地板正反面的方法，利用摄像机采集生产线上地板的图像信息，对采集到的地板图像信息进行分块，通过灰度化，颜色提取算法的处理，获取图像信息的红色分量平均值和灰度分布的最大值作为特征，利用监督学习算法识别获取图像中地板的正反面信息，之后利用摄像机持续采集生产线上地板的图像信息，并利用监督学习算法识别地板的正反面。本发明可以有效的识别生产线上地板的正反面，降低工人劳动强度，有助于提高生产效率。
【专利说明】一种视频检测地板正反面的方法
【技术领域】
[0001]本发明属于数字图像处理技术和计算机【技术领域】，涉及一种视频检测地板正反面的方法。
【背景技术】
[0002]检测地板的正反面是地板生产线上必须的一道工序，直接关系到最终产品的质量。目前，常用的检测方法是人工检测，这种方法需要工人24小时值守在生产线旁对生产线上运动的地板的正反面进行判断，故而劳动单一重复，效率低下，极大的浪费了人力资源。吴长庆等提出过一种使用色差计的木板颜色分等检测方法，该方法可以对颜色差异较大的木板进行分等，但是在木板颜色较为相近时使用色差计的效果尚未可知，同时利用色差计的方法目前只用于三种不同颜色木板的分类中。
[0003]近年来计算机视觉有了很大的发展，目前针对木材的计算机视觉研究更多侧重于木材表面缺陷检测方面。结合模式识别技术，通过引入基于人工神经网络等分类算法，以颜色特征进行分类，构建板材表面缺陷的识别算法，重点论述的对缺陷分类识别的实现过程及方法。使用计算机视觉和数字图像处理技术可以取代现有的人工检测方法，大大的提高生产效率，但是，而对于地板的正反面检测的视频检测方法还少有涉及。
【发明内容】
[0004]技术问题:本发明提供一种检测正确率高、提高了检测效率的地板正反面的视频检测方法。
[0005]技术方案:本发明的地板正反面的`视频检测方法，包括以下步骤:
[0006]I)利用摄像机分别采集地板的正面图像信息和反面图像信息；
[0007]2)将采集到的地板正面图像信息和反面图像信息分别分为N个子图像，并从每个子图像中提取出灰度图像和红色分量图像，其中N为大于等于3的奇数，且N小于图像像素点的总个数；
[0008]3)计算灰度图像的灰度分布概率并提取灰度分布概率的最大值，计算红色分量图像的平均值；
[0009]4)利用监督学习算法进行地板正反面图像信息的参数学习；
[0010]5)利用摄像机持续采集生产线上地板的图像信息，然后利用监督学习算法识别地板的正反面。
[0011]本发明方法中，步骤2)的具体流程为:将地板图像信息f(x，y)分成N幅子图像，记为fi(x, y)，i = 1，2，…，N,其中(x，y)为像素点的坐标,然后提取出每幅子图像fjx，y)的灰度分量值作为灰度图像gi(x，y)，提取出fi(x，y)的红色分量图像巧0^7)。上述地板图像A U，y)是对地板正面图像信息和反面图像信息的统称。
[0012]本发明方法的一个优选方案中，步骤2)中将地板图像信息f(x，y)分成均等的N幅子图像；[0013]本发明方法中，步骤3)的具体流程为:
[0014]根据下式计算灰度图像gi (χ, y)的灰度分布概率:
【权利要求】
1.一种视频检测地板正反面的方法，其特征在于，该方法包括以下步骤: 1)利用摄像机分别采集地板的正面图像信息和反面图像信息； 2)将采集到的地板正面图像信息和反面图像信息分别分为N个子图像，并从每个子图像中提取出灰度图像和红色分量图像，其中N为大于等于3的奇数，且N小于图像像素点的总个数； 3)计算灰度图像的灰度分布概率并提取所述灰度分布概率的最大值，计算红色分量图像的平均值； 4)利用监督学习算法进行地板正反面图像信息的参数学习； 5)利用摄像机持续采集生产线上地板的图像信息，然后利用监督学习算法识别地板的正反面。
2.根据权利要求1所述的视频检测地板正反面的方法，其特征在于，所述步骤2)的具体流程为: 将地板图像信息f (χ, y)分成N幅子图像,记为=其中(x，y)为像素点的坐标，然后提取出每幅子图像fi(x，y)的灰度分量值作为灰度图像gi(x，y)，提取出fi (X，y)的红色分量图像η (χ, y)。
3.根据权利要求2所述的视频检测地板正反面的方法，其特征在于，所述步骤2)中，将地板图像信息f (X，y)分成均等的N幅子图像。
4.根据权利要求1、2或3所述的视频检测地板正反面的方法，其特征在于，所述步骤4)和5)中使用的监督学习算法为最小`平方误差判别算法或高斯判别分析算法。
5.根据权利要求1、2或3所述的视频检测地板正反面的方法，其特征在于，所述步骤3)的具体流程为: 根据下式计算灰度图像gi(x，y)的灰度分布概率:
χΣhi("z"?).'(A(in,n) ^k) P;{k) = ^^-—-,^ = 0,1,...,255,/ = 1,2,---,iV
W _ H 其中PiGO为灰度值为k的像素点的灰度分布概率，k代表灰度图像gi(x，y)的灰度值，hi (m, η)为灰度图像gi(x，y)在坐标(m，η)处的值，W为子图像的宽度，H为子图像的高度，符号I Oii (m, n) = k)表示:如果Iii (m, η)等于k,贝丨J I Qii (m, n) = k)为I,否则为O ； 提取出灰度分布概率Pi (k)的最大值，记为HiaxPi ; 根据下式计算红色分量图像A (x, y)的平均值:—吨= …，N
m=\ η-1 ^ ^ 其中，HieanRi为红色分量图像η (χ, y)的平均值，Ii (m, η)为红色分量图像η (x, y)在坐标(m，n)处的值。
6.根据权利要求5所述的视频检测地板正反面的方法，其特征在于，所述步骤4)和5)中使用的监督学习算法为最小平方误差判别算法或高斯判别分析算法。
【文档编号】G06K9/62GK103559486SQ201310554764
【公开日】2014年2月5日 申请日期:2013年11月11日 优先权日:2013年11月11日
【发明者】尚进, 李志超, 费树岷, 沈捷 申请人:东南大学