一种锯材表面缺陷位置定位方法及系统与流程

本发明涉及木材加工装备技术领域，特别是涉及一种锯材表面缺陷位置定位方法及系统。

背景技术：

锯材是由原木按照一定规格要求加工而成的成品材或半成品材，锯材表面质量对于木材的实际应用起着至关重要作用。锯材表面质量主要受表面缺陷和表面纹理的综合影响，表面缺陷包括：节子、孔洞、虫眼和裂纹等，锯材表面缺陷会直接影响锯材的使用强度，特别是木结构建筑中结构用锯材表面缺陷的尺寸和位置会直接影响锯材的力学性能和承重效果。作为木结构建筑中结构用锯材，在使用之前必须进行目测分级和机械分级，以确保所选用的锯材能够满足所需的力学性能要求，力学性能包括弹性和刚度等。

针对锯材表面缺陷的检测，当前应用比较广泛的是目测分等方法(也称目测分级，visualgrading)，指用肉眼观测方式对锯材强度划分等级，主要是通过对锯材表面的各种影响强度或相关性能的缺陷进行评估实现的。但是人工检测具有一定的局限性，尤其是锯材表面有多种缺陷，缺陷的尺寸和形状变化很大，人工分类比较困难，以及锯材生产过程中的重复性和单一性的特点，人工检测存在着严重影响检测效果的因素，例如在生产过程中由于检测员注意力不集中及长时间疲劳的影响，以及检测经验不同而造成的检验结果不一致等。因此现有确定锯材表面缺陷位置的方法存在检验结果不稳定的问题。

技术实现要素：

本发明的目的是提供一种锯材表面缺陷位置定位方法及系统，解决了现有确定锯材表面缺陷位置的方法检验结果不稳定的问题。

为实现上述目的，本发明提供了如下方案：

一种锯材表面缺陷位置定位方法，包括：

利用图像采集装置采集锯材表面的锯材缺陷，获得锯材表面缺陷图像；

对所述锯材表面缺陷图像进行预处理，得到预处理图像；

计算所述预处理图像中极小值点的平均值坐标；

获取所述锯材缺陷在所述锯材表面缺陷图像的图像尺寸和所述锯材缺陷在所述锯材表面的实际尺寸；

利用所述图像尺寸、所述实际尺寸和所述平均值坐标，计算所述锯材缺陷在所述锯材表面的缺陷位置。

可选的，所述对所述锯材表面缺陷图像进行预处理，得到预处理图像，具体包括：

对所述锯材表面缺陷图像进行二值化处理，得到预处理图像。

可选的，所述计算所述预处理图像中极小值点的平均值坐标，具体包括：

利用线灰度扫描方法对所述预处理图像进行扫描，得到所述预处理图像的多个线灰度曲线；

利用形态学滤波方法对所述线灰度曲线进行滤波处理，得到平滑灰度曲线；

提取所述平滑灰度曲线的所有极小值点，得到所述极小值点的极小值坐标；

计算所有所述极小值坐标的平均值，得到平均值坐标。

可选的，所述利用所述图像尺寸、所述实际尺寸和所述平均值坐标，计算所述锯材缺陷在所述锯材表面的缺陷位置，具体包括：

利用所述图像尺寸和所述实际尺寸计算所述锯材表面缺陷图像的图像坐标系与所述锯材表面的实物坐标系的换算系数；

利用所述换算系数和所述平均值坐标计算所述锯材缺陷在所述锯材表面的缺陷位置；所述缺陷位置为所述锯材缺陷在所述实物坐标系的坐标。

一种锯材表面缺陷位置定位系统，包括：图像采集装置、图像传输存储装置和计算机子系统；

所述图像采集装置与所述图像传输存储装置连接，所述图像传输存储装置与所述计算机子系统连接；

所述图像采集装置用于采集锯材表面的锯材缺陷，获得锯材表面缺陷图像；

所述图像传输存储装置用于存储所述图像采集装置采集的锯材表面缺陷图像，并将所述锯材表面缺陷图像传输至所述计算机子系统；

所述计算机子系统用于对所述锯材表面缺陷图像进行处理，得到所述锯材表面的缺陷位置。

可选的，所述计算机子系统，具体包括：

第一获取模块，用于获取所述图像采集装置采集的锯材表面缺陷图像；

预处理模块，用于对所述锯材表面缺陷图像进行预处理，得到预处理图像；

平均值坐标计算模块，用于计算所述预处理图像中极小值点的平均值坐标；

第二获取模块，用于获取所述锯材缺陷在所述锯材表面缺陷图像的图像尺寸和所述锯材缺陷在所述锯材表面的实际尺寸；

缺陷位置计算模块，用于利用所述图像尺寸、所述实际尺寸和所述平均值坐标，计算所述锯材缺陷在所述锯材表面的缺陷位置。

可选的，所述预处理模块，具体包括：

预处理单元，用于对所述锯材表面缺陷图像进行二值化处理，得到预处理图像。

可选的，所述平均值坐标计算模块，具体包括：

扫描单元，用于利用线灰度扫描方法对所述预处理图像进行扫描，得到所述预处理图像的多个线灰度曲线；

滤波单元，用于利用形态学滤波方法对所述线灰度曲线进行滤波处理，得到平滑灰度曲线；

提取单元，用于提取所述平滑灰度曲线的所有极小值点，得到所述极小值点的极小值坐标；

平均值计算单元，用于计算所有所述极小值坐标的平均值，得到平均值坐标。

可选的，所述缺陷位置计算模块，具体包括：

换算系数计算单元，用于利用所述图像尺寸和所述实际尺寸计算所述锯材表面缺陷图像的图像坐标系与所述锯材表面的实物坐标系的换算系数；

缺陷位置计算单元，用于利用所述换算系数和所述平均值坐标计算所述锯材缺陷在所述锯材表面的缺陷位置；所述缺陷位置为所述锯材缺陷在所述实物坐标系的坐标。

可选的，所述图像采集装置包括：工业相机和光源；

所述工业相机用于采集锯材表面的锯材表面缺陷图像；

所述光源与所述工业相机对应设置。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种锯材表面缺陷位置定位方法及系统。该方法包括：利用图像采集装置采集锯材表面的锯材缺陷，获得锯材表面缺陷图像；对锯材表面缺陷图像进行预处理，得到预处理图像；计算预处理图像中极小值点的平均值坐标；获取锯材缺陷在锯材表面缺陷图像的图像尺寸和锯材缺陷在锯材表面的实际尺寸；利用图像尺寸、实际尺寸和平均值坐标，计算锯材缺陷在锯材表面的缺陷位置。本发明通过图像采集装置采集锯材表面的锯材表面缺陷图像，通过对锯材表面缺陷图像进行处理和计算，得到锯材表面的缺陷位置；将机器视觉图像采集和图像处理相结合，高效准确识别各种形式的锯材缺陷的缺陷位置，大幅降低检测成本，提高锯材表面缺陷位置检验结果的稳定性。

附图说明

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，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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为本发明实施例所提供的锯材表面缺陷位置定位方法的流程图；

图2为本发明实施例所提供的锯材缺陷的实物图；

图3为本发明实施例所提供的锯材表面缺陷图像二值化效果图；

图4为本发明实施例所提供的缺陷图像线灰度曲线扫描原理图；

图5为本发明实施例所提供的计算机子系统的结构图。

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。

本发明的目的是提供一种锯材表面缺陷位置定位方法及系统，解决了现有确定锯材表面缺陷位置的方法检验结果不稳定的问题。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本实施例提供一种锯材表面缺陷位置定位方法，图1为本发明实施例所提供的锯材表面缺陷位置定位方法的流程图。参见图1，锯材表面缺陷位置定位方法包括：

步骤101，利用图像采集装置采集锯材表面的锯材缺陷，获得锯材表面缺陷图像。锯材表面的锯材缺陷实物图参见图2。锯材表面缺陷图像包括一个锯材缺陷。

步骤102，对锯材表面缺陷图像进行预处理，得到预处理图像。

步骤102具体包括：

对锯材表面缺陷图像进行二值化处理，得到预处理图像。锯材表面缺陷图像进行二值化处理后的效果图参见图3。

步骤103，计算预处理图像中极小值点的平均值坐标。

步骤103具体包括：

利用线灰度扫描方法对预处理图像进行扫描，得到预处理图像的多个线灰度曲线。具体为：利用线灰度扫描方法，按照预设扫描间距，对预处理图像从左至右进行逐一扫描，获取预处理图像的全部线灰度曲线，并将线灰度曲线按照扫描顺序标注序号。扫描原理参见图4，相邻两根扫描线之间的扫描间距△越小，所获取的最终的缺陷位置的坐标也将越准确。

利用形态学滤波方法对线灰度曲线进行滤波处理，得到平滑灰度曲线。具体采用形态学滤波方法中的形态学膨胀算法对所有线灰度曲线均进行滤波处理，得到平顺光滑的线灰度曲线，即平滑灰度曲线。

提取平滑灰度曲线的所有极小值点，得到极小值点的极小值坐标。具体为：提取每根平滑灰度曲线上的所有极小值点，得到每个极小值点的极小值坐标(xi,yi)，i表示平滑灰度曲线的序号，进而得到所有平滑灰度曲线的所有极小值点的坐标。极小值点为预处理图像像素的突变位置点，即像素值突变的点，也是锯材缺陷所在的位置点，所以通过线灰度扫描寻找像素突变点，即平滑灰度曲线中的极小值点可以得到锯材缺陷的所在位置。

计算所有极小值坐标的平均值，得到平均值坐标

步骤104，获取锯材缺陷在锯材表面缺陷图像的图像尺寸和锯材缺陷在锯材表面的实际尺寸。

步骤105，利用图像尺寸、实际尺寸和平均值坐标，计算锯材缺陷在锯材表面的缺陷位置。

步骤105具体包括：

利用图像尺寸和实际尺寸计算锯材表面缺陷图像的图像坐标系与锯材表面的实物坐标系的换算系数。具体包括：根据图像坐标系在锯材表面建立与图像坐标系相对应的实物坐标系，根据公式(1)计算图像坐标系与实物坐标系的换算系数：

式中，k表示换算系数；d为锯材缺陷的实际尺寸，即任一种具体锯材表面缺陷类型(节子、裂纹或虫眼等)的平均尺寸大小；dpixel为锯材缺陷的图像尺寸。尺寸指具体锯材表面缺陷类型的长和宽。

利用换算系数和平均值坐标计算锯材缺陷在锯材表面的缺陷位置；缺陷位置为锯材缺陷在实物坐标系的坐标。具体根据公式(2)计算缺陷位置：

式中，(x,y)表示锯材缺陷在实物坐标系的坐标，即缺陷位置；k表示换算系数；表示平均值坐标。

本实施例提供一种锯材表面缺陷位置定位系统，锯材表面缺陷位置定位系统包括：图像采集装置、图像传输存储装置和计算机子系统。

图像采集装置与图像传输存储装置连接，图像传输存储装置与计算机子系统连接。

图像采集装置用于采集锯材表面的锯材缺陷，获得锯材表面缺陷图像。

图像采集装置包括：工业相机、光源和辅助拍摄工具。

工业相机用于采集锯材表面的锯材表面缺陷图像。工业相机采用ccd(电荷耦合元件，charge-coupleddevice)工业相机。

光源与工业相机对应设置。辅助拍摄工具用于辅助工业相机采集锯材表面缺陷图像，辅助拍摄工具与工业相机对应设置。

图像传输存储装置用于存储图像采集装置采集的锯材表面缺陷图像，并将锯材表面缺陷图像传输至计算机子系统。图像传输存储装置包括：图像采集卡和数据存储器。图像采集卡与工业相机连接，数据存储器分别与图像采集卡、计算机子系统连接。

计算机子系统用于对锯材表面缺陷图像进行处理，得到锯材表面的缺陷位置。

图5为本发明实施例所提供的计算机子系统的结构图。参见图5，计算机子系统，具体包括：

第一获取模块201，用于获取图像采集装置采集的锯材表面缺陷图像。

预处理模块202，用于对锯材表面缺陷图像进行预处理，得到预处理图像。

预处理模块202具体包括：

预处理单元，用于对锯材表面缺陷图像进行二值化处理，得到预处理图像。

平均值坐标计算模块203，用于计算预处理图像中极小值点的平均值坐标。

平均值坐标计算模块203具体包括：

扫描单元，用于利用线灰度扫描方法对预处理图像进行扫描，得到预处理图像的多个线灰度曲线。

滤波单元，用于利用形态学滤波方法对线灰度曲线进行滤波处理，得到平滑灰度曲线。具体用于采用形态学滤波方法中的形态学膨胀算法对所有线灰度曲线均进行滤波处理，得到平顺光滑的线灰度曲线，即平滑灰度曲线。

提取单元，用于提取平滑灰度曲线的所有极小值点，得到极小值点的极小值坐标。

平均值计算单元，用于计算所有极小值坐标的平均值，得到平均值坐标。

第二获取模块204，用于获取锯材缺陷在锯材表面缺陷图像的图像尺寸和锯材缺陷在锯材表面的实际尺寸。

缺陷位置计算模块205，用于利用图像尺寸、实际尺寸和平均值坐标，计算锯材缺陷在锯材表面的缺陷位置。

缺陷位置计算模块205具体包括：

换算系数计算单元，用于利用图像尺寸和实际尺寸计算锯材表面缺陷图像的图像坐标系与锯材表面的实物坐标系的换算系数。

缺陷位置计算单元，用于利用换算系数和平均值坐标计算锯材缺陷在锯材表面的缺陷位置；缺陷位置为锯材缺陷在实物坐标系的坐标。

本发明通过图像采集装置采集锯材表面的锯材表面缺陷图像，利用计算机子系统对锯材表面缺陷图像进行处理，得到锯材表面的缺陷位置；将机器视觉图像采集和计算机子系统的图像处理相结合，高效准确识别各种形式的锯材缺陷的缺陷位置，大幅降低检测成本，提高锯材表面缺陷位置检验结果的稳定性。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。