一种地板表面自动识别分选装置及方法与流程

本发明属于地板自动化处理技术领域，涉及一种地板表面自动识别分选装置及方法。

背景技术：

三层实木复合地板在加工过程中，颜色相近的小木板通过有经验的老师傅分选出来拼合在一起，经过一定的操作工序形成三层实木复合地板。但是，一方面由于人工成本在不断的增加，企业为了能够在激烈的资本市场存活下来就必须要进行转型改革；另一方面，由于人工挑选存在极大的误差，且这个误差随着不同操作人员而变化，再加上人类的眼睛是有疲劳期的，因而分选的效率十分低下。这些问题集中到一块就形成了两个大问题：第一就是地板表板颜色达不到用户需求，即存在颜色波动不统一的差异；第二就是生产效率低下，导致人工成本高昂。因此，如何利用一个代替人眼的图像传感器获取物体图像并转换成数字图像，并利用计算机模拟人的判别准则去理解和识别图像，达到分析图像并做出正确的分选，就成为了一个值得研究的课题。

技术实现要素：

针对上述现有技术中存在的不足，本发明公开了一种地板表板自动识别分选装置及方法。表板自动识别分选的图像处理的原理为：采用hsv颜色空间方法即六角锥体模型(hexconemodel)。模型中颜色的参数分别是：色调（h），饱和度（s），明度（v）。其中色调h的取值范围在0°~360°，在matlab中为了计算的方便，将其归一化为0~1之间，两者之间有一定的转换关系，另外两个参数s和v的取值也都在0~1之间。利用图像在hsv颜色空间的特征，结合客户选择的样板特征，在概率统计分布的方法下进行分类。分类的等级设定依靠客户的选择，以最满足客户的选择为准。

一种地板表板自动识别分选方法，包括以下步骤：

a：开始，根据需要进行拍摄场所的选择，为了排除噪音、提高拍摄质量，满足客户在正常光照条件下的选板场景，应该将装置的拍摄场所定在光照均匀且充足的地方；

b：采集样本图像，标定相机的检测焦点和光圈范围，采集拟定的客户倾向样板，客户倾向样板数量至少选20张，待拍摄的表板放在黑色背景板上；

c：图像预处理，利用现有的图像特征轮廓提取软件进行特征轮廓的提取，然后针对特征轮廓图像进行hsv空间转换，通过图像预处理，已经能够获取所有样板的几何特征轮廓，即排除了背景所带来的干扰，此步骤是对样板的颜色进行分选；

d：剔除不符合需求的样本，创建一个检索框来对表板样本进行地毯式搜索检查，如果检索到的表板样本含有黑色区域的面积超过客户满意的最小面积，就认为是不满足客户需求的的样板；

剔除条形黑纹的方法（d-1），包括以下步骤：

d-1-a：设置黑纹特征提取的阈值，在利用matlab读取到图像后，立即对图像进行二值化处理。在这个过程中，一般会利用matlab自带的graythresh函数来获得图像平均阈值，然后再利用这个平均阈值0.4对图像进行二值化；

d-1-b：计算样本图像的像素面积，在二值化处理过程中，如果将阈值设置成0就会的到一幅全白的图像，相应的如果将阈值设置成1就会得到一幅全黑的图像，通过计算图像中全黑或者全白图像的像素面积就可以得到样本图像的初始面积s0；

d-1-c：计算黑色条纹占初始面积的百分比，在对表板样本图像使用二值化操作后，图像中大于阈值的图像会变成白色，所对应的像素值为1，小于阈值的部分会变成黑色，对应的像素值为0，即黑色条纹部分，通过计算黑色部分的像素面积，利用下述公式，可以计算出黑色条纹所占的面积比例δ，δ=(s0-s1)/s0×100%；

d-1-d：设定黑色条纹占比的面积阈值，通过对样本的统计分析，得到表板样本中黑纹所占面积比值，此比值即为黑色条纹占比的面积阈值。

识别并剔除黑色节子的方法（d-2），包括以下步骤：

d-2-a：创建检索框，根据客户需求对于表板样本中可接受的节子的最大二值化面积的像素大小，并以这个值为检索阈值，创建能够将其包含在内的最小矩形检索框；

d-2-b：利用检索框搜索，利用矩形检索框和二值化后的样板图像进行卷积操作，就会得到一个新矩阵，在这个新矩阵中的各个元素就代表着在样板图像中对应区域的黑色像素面积，在此处需要再次设定一个阈值，这个阈值是为了能够检索出一小部分面积比较小的节子。

进一步的，所述步骤d-2-b中，为更优的对去除大面积黑纹后的样本进行第二次采样统计，根据统计结果将阈值设定为500像素面积。

e：设定客户需求，完成不符合需求样本的剔除后，根据客户的实际要求，设定需要保留的阈值范围，阈值范围按顾客需求设定。

f：利用统计方法进行分选，黑纹识别以及筛选的算法主要是通过计算黑纹占样本表板的面积比例来实现,当黑纹所占的比例超过设定的面积阈值则判定为黑纹，若没有超过则进行下一步操作。

在实际生产过程中，一般圆形节子属于缺陷，即需要剔除的部分，而具有长条形的由锯切而形成的碳化痕迹则可以通过砂光打磨来进行美化。

以上原理通过以下技术方案来实现：首先是采集表板样板图像，然后对图像进行预处理，根据预处理的结果剔除不合格的表板，然后设定客户需求，最后利用统计方法进行分选。

按照以上步骤，设计出一种地板表面自动识别分选装置，包括ccd相机、相机支架、输送带、数据采集卡以及计算机控制系统，所述ccd相机设置在相机支架上部，并向下倾斜一定角度对准输送带，所述输送带为非扰性传输带，输送带上敷设有待检地板，所述ccd相机与计算机控制系统连接并进行数据交换，所述数据采集卡用于存储相机内合格产品的数据库，并用于实时监测比对行进中的待检地板。

所述计算机控制系统为现有技术，通过采集拟定的样板，对全部样本进行测样，最后利用计算机对图像进行分析，分别获取图像在hsv颜色空间下的各通道的均值和方差，并利用概率统计方法进行分选，此处不做累述。

进一步的，所述地板为三层实木复合地板。

进一步的，所述ccd相机向下倾斜对准输送带的角度为-45°~10°。

进一步的，所述ccd相机向下倾斜对准输送带的角度为-30°。

进一步的，所述相机分辨率是1920×1200，每秒钟最大采集162帧，采用usb3接口与计算机控制系统连接。

有益效果

本发明是建立在概率统计和图像识别的基础上，充分利用了概率统计分类的稳定性，图像检测精度高的特点，实现准确分类检测，具有安全可靠、测量精度高、速度快和使用方便等特点。利用计算机视觉技术和图像处理技术对试验样板表面颜色和缺陷进行识别，实现实木复合地板表面的自动检测和识别，解决了地板表板存在颜色波动不统一的差异并解决了生产效率低下、人工成本高昂的技术问题。

附图说明

图1.现有技术的计算机控制系统工作原理示意图。

图2.本装置的组成部件示意图。

图3.本装置数据采集流程图。

其中，1.ccd相机，2、相机支架，3、输送带，4、数据采集卡，5、地板。

具体实施方式

下面结合实施例对本发明进行详细说明，以使本领域技术人员更好地理解本发明，但本发明并不局限于以下实施例。

实施例1

一种地板表面自动识别分选装置，包括ccd相机1、相机支架2、输送带3、数据采集卡4以及计算机控制系统，所述ccd相机1设置在相机支架2上部，并向下倾斜一定角度对准输送带3，所述输送带3为非扰性传输带，输送带上敷设有待检地板5，所述ccd相机1与计算机控制系统连接并进行数据交换，所述数据采集卡4用于存储相机内合格产品的数据库，并用于实时监测比对行进中的待检地板5。

地板为三层复合地板，所述ccd相机向下倾斜对准输送带的角度为-45°。

相机分辨率是1920×1200，每秒钟最大采集162帧，采用usb3接口与计算机控制系统连接。

实施例2

一种地板表面自动识别分选装置，包括ccd相机1、相机支架2、输送带3、数据采集卡4以及计算机控制系统，所述ccd相机1设置在相机支架2上部，并向下倾斜一定角度对准输送带3，所述输送带3为非扰性传输带，输送带上敷设有待检地板5，所述ccd相机1与计算机控制系统连接并进行数据交换，所述数据采集卡4用于存储相机内合格产品的数据库，并用于实时监测比对行进中的待检地板5。

地板为三层复合地板，所述ccd相机向下倾斜对准输送带的角度为-10°。

相机分辨率是1920×1200，每秒钟最大采集162帧，采用usb3接口与计算机控制系统连接。

实施例3

一种地板表面自动识别分选装置，包括ccd相机1、相机支架2、输送带3、数据采集卡4以及计算机控制系统，所述ccd相机1设置在相机支架2上部，并向下倾斜一定角度对准输送带3，所述输送带3为非扰性传输带，输送带上敷设有待检地板5，所述ccd相机1与计算机控制系统连接并进行数据交换，所述数据采集卡4用于存储相机内合格产品的数据库，并用于实时监测比对行进中的待检地板5。

地板为三层复合地板,所述ccd相机向下倾斜对准输送带的角度为-30°。

相机分辨率是1920×1200，每秒钟最大采集162帧，采用usb3接口与计算机控制系统连接。

实施例4

一种地板表板自动识别分选方法，包括以下步骤：

a：开始，根据需要进行拍摄场所的选择，为了排除噪音、提高拍摄质量，满足客户在正常光照条件下的选板场景，应该将装置的拍摄场所定在光照均匀且充足的地方；

b：采集样本图像，标定相机的检测焦点和光圈范围，采集拟定的客户倾向样板，客户倾向样板数量至少选20张，待拍摄的表板放在黑色背景板上；

c：图像预处理，利用现有的图像特征轮廓提取软件进行特征轮廓的提取，然后针对特征轮廓图像进行hsv空间转换，通过图像预处理，已经能够获取所有样板的几何特征轮廓，即排除了背景所带来的干扰，此步骤是对样板的颜色进行分选；

d：剔除不符合需求的样本，创建一个检索框来对表板样本进行地毯式搜索检查，如果检索到的表板样本含有黑色区域的面积超过客户满意的最小面积，就认为是不满足客户需求的的样板；

剔除条形黑纹的方法，包括以下步骤：

d-1-a：设置黑纹特征提取的阈值，在利用matlab读取到图像后，立即对图像进行二值化处理。在这个过程中，一般会利用matlab自带的graythresh函数来获得图像平均阈值，然后再利用这个平均阈值0.4对图像进行二值化；

d-1-b：计算样本图像的像素面积，在二值化处理过程中，如果将阈值设置成0就会的到一幅全白的图像，相应的如果将阈值设置成1就会得到一幅全黑的图像，通过计算图像中全黑或者全白图像的像素面积就可以得到样本图像的初始面积s0；

d-1-c：计算黑色条纹占初始面积的百分比，在对表板样本图像使用二值化操作后，图像中大于阈值的图像会变成白色，所对应的像素值为1，小于阈值的部分会变成黑色，对应的像素值为0，即黑色条纹部分，通过计算黑色部分的像素面积，利用下述公式，可以计算出黑色条纹所占的面积比例δ，δ=(s0-s1)/s0×100%；

d-1-d：设定黑色条纹占比的面积阈值，通过对样本的统计分析，得到表板样本中黑纹所占面积比值，此比值即为黑色条纹占比的面积阈值。

识别并剔除黑色节子的方法，包括以下步骤：

d-2-a：创建检索框，根据客户需求对于表板样本中可接受的节子的最大二值化面积的像素大小，并以这个值为检索阈值，创建能够将其包含在内的最小矩形检索框；

d-2-b：利用检索框搜索，利用矩形检索框和二值化后的样板图像进行卷积操作，就会得到一个新矩阵，在这个新矩阵中的各个元素就代表着在样板图像中对应区域的黑色像素面积，在此处需要再次设定一个阈值，这个阈值是为了能够检索出一小部分面积比较小的节子。

进一步的，所述步骤d-2-b中，为更优的对去除大面积黑纹后的样本进行第二次采样统计，根据统计结果将阈值设定为500像素面积。

e：设定客户需求，完成不符合需求样本的剔除后，根据客户的实际要求，设定需要保留的阈值范围，阈值范围按顾客需求设定。

f：利用统计方法进行分选，黑纹识别以及筛选的算法主要是通过计算黑纹占样本表板的面积比例来实现,当黑纹所占的比例超过设定的面积阈值则判定为黑纹，若没有超过则进行下一步操作。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。