一種視頻檢測地板正反面的方法
【專利摘要】本發(fā)明公開了一種視頻檢測地板正反面的方法，利用攝像機(jī)采集生產(chǎn)線上地板的圖像信息，對(duì)采集到的地板圖像信息進(jìn)行分塊，通過灰度化，顏色提取算法的處理，獲取圖像信息的紅色分量平均值和灰度分布的最大值作為特征，利用監(jiān)督學(xué)習(xí)算法識(shí)別獲取圖像中地板的正反面信息，之后利用攝像機(jī)持續(xù)采集生產(chǎn)線上地板的圖像信息，并利用監(jiān)督學(xué)習(xí)算法識(shí)別地板的正反面。本發(fā)明可以有效的識(shí)別生產(chǎn)線上地板的正反面，降低工人勞動(dòng)強(qiáng)度，有助于提高生產(chǎn)效率。
【專利說明】一種視頻檢測地板正反面的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于數(shù)字圖像處理技術(shù)和計(jì)算機(jī)【技術(shù)領(lǐng)域】，涉及一種視頻檢測地板正反面的方法。
【背景技術(shù)】
[0002]檢測地板的正反面是地板生產(chǎn)線上必須的一道工序，直接關(guān)系到最終產(chǎn)品的質(zhì)量。目前，常用的檢測方法是人工檢測，這種方法需要工人24小時(shí)值守在生產(chǎn)線旁對(duì)生產(chǎn)線上運(yùn)動(dòng)的地板的正反面進(jìn)行判斷，故而勞動(dòng)單一重復(fù)，效率低下，極大的浪費(fèi)了人力資源。吳長慶等提出過一種使用色差計(jì)的木板顏色分等檢測方法，該方法可以對(duì)顏色差異較大的木板進(jìn)行分等，但是在木板顏色較為相近時(shí)使用色差計(jì)的效果尚未可知，同時(shí)利用色差計(jì)的方法目前只用于三種不同顏色木板的分類中。
[0003]近年來計(jì)算機(jī)視覺有了很大的發(fā)展，目前針對(duì)木材的計(jì)算機(jī)視覺研究更多側(cè)重于木材表面缺陷檢測方面。結(jié)合模式識(shí)別技術(shù)，通過引入基于人工神經(jīng)網(wǎng)絡(luò)等分類算法，以顏色特征進(jìn)行分類，構(gòu)建板材表面缺陷的識(shí)別算法，重點(diǎn)論述的對(duì)缺陷分類識(shí)別的實(shí)現(xiàn)過程及方法。使用計(jì)算機(jī)視覺和數(shù)字圖像處理技術(shù)可以取代現(xiàn)有的人工檢測方法，大大的提高生產(chǎn)效率，但是，而對(duì)于地板的正反面檢測的視頻檢測方法還少有涉及。

【發(fā)明內(nèi)容】

[0004]技術(shù)問題:本發(fā)明提供一種檢測正確率高、提高了檢測效率的地板正反面的視頻檢測方法。
[0005]技術(shù)方案:本發(fā)明的地板正反面的`視頻檢測方法，包括以下步驟:
[0006]I)利用攝像機(jī)分別采集地板的正面圖像信息和反面圖像信息；
[0007]2)將采集到的地板正面圖像信息和反面圖像信息分別分為N個(gè)子圖像，并從每個(gè)子圖像中提取出灰度圖像和紅色分量圖像，其中N為大于等于3的奇數(shù)，且N小于圖像像素點(diǎn)的總個(gè)數(shù)；
[0008]3)計(jì)算灰度圖像的灰度分布概率并提取灰度分布概率的最大值，計(jì)算紅色分量圖像的平均值；
[0009]4)利用監(jiān)督學(xué)習(xí)算法進(jìn)行地板正反面圖像信息的參數(shù)學(xué)習(xí)；
[0010]5)利用攝像機(jī)持續(xù)采集生產(chǎn)線上地板的圖像信息，然后利用監(jiān)督學(xué)習(xí)算法識(shí)別地板的正反面。
[0011]本發(fā)明方法中，步驟2)的具體流程為:將地板圖像信息f(x，y)分成N幅子圖像，記為fi(x, y)，i = 1，2，…，N,其中(x，y)為像素點(diǎn)的坐標(biāo),然后提取出每幅子圖像fjx，y)的灰度分量值作為灰度圖像gi(x，y)，提取出fi(x，y)的紅色分量圖像巧0^7)。上述地板圖像A U，y)是對(duì)地板正面圖像信息和反面圖像信息的統(tǒng)稱。
[0012]本發(fā)明方法的一個(gè)優(yōu)選方案中，步驟2)中將地板圖像信息f(x，y)分成均等的N幅子圖像；[0013]本發(fā)明方法中，步驟3)的具體流程為:
[0014]根據(jù)下式計(jì)算灰度圖像gi (χ, y)的灰度分布概率:
【權(quán)利要求】
1.一種視頻檢測地板正反面的方法，其特征在于，該方法包括以下步驟: 1)利用攝像機(jī)分別采集地板的正面圖像信息和反面圖像信息； 2)將采集到的地板正面圖像信息和反面圖像信息分別分為N個(gè)子圖像，并從每個(gè)子圖像中提取出灰度圖像和紅色分量圖像，其中N為大于等于3的奇數(shù)，且N小于圖像像素點(diǎn)的總個(gè)數(shù)； 3)計(jì)算灰度圖像的灰度分布概率并提取所述灰度分布概率的最大值，計(jì)算紅色分量圖像的平均值； 4)利用監(jiān)督學(xué)習(xí)算法進(jìn)行地板正反面圖像信息的參數(shù)學(xué)習(xí)； 5)利用攝像機(jī)持續(xù)采集生產(chǎn)線上地板的圖像信息，然后利用監(jiān)督學(xué)習(xí)算法識(shí)別地板的正反面。
2.根據(jù)權(quán)利要求1所述的視頻檢測地板正反面的方法，其特征在于，所述步驟2)的具體流程為: 將地板圖像信息f (χ, y)分成N幅子圖像,記為=其中(x，y)為像素點(diǎn)的坐標(biāo)，然后提取出每幅子圖像fi(x，y)的灰度分量值作為灰度圖像gi(x，y)，提取出fi (X，y)的紅色分量圖像η (χ, y)。
3.根據(jù)權(quán)利要求2所述的視頻檢測地板正反面的方法，其特征在于，所述步驟2)中，將地板圖像信息f (X，y)分成均等的N幅子圖像。
4.根據(jù)權(quán)利要求1、2或3所述的視頻檢測地板正反面的方法，其特征在于，所述步驟4)和5)中使用的監(jiān)督學(xué)習(xí)算法為最小`平方誤差判別算法或高斯判別分析算法。
5.根據(jù)權(quán)利要求1、2或3所述的視頻檢測地板正反面的方法，其特征在于，所述步驟3)的具體流程為: 根據(jù)下式計(jì)算灰度圖像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為灰度值為k的像素點(diǎn)的灰度分布概率，k代表灰度圖像gi(x，y)的灰度值，hi (m, η)為灰度圖像gi(x，y)在坐標(biāo)(m，η)處的值，W為子圖像的寬度，H為子圖像的高度，符號(hào)I Oii (m, n) = k)表示:如果Iii (m, η)等于k,貝丨J I Qii (m, n) = k)為I,否則為O ； 提取出灰度分布概率Pi (k)的最大值，記為HiaxPi ; 根據(jù)下式計(jì)算紅色分量圖像A (x, y)的平均值:—噸= …，N
m=\ η-1 ^ ^ 其中，HieanRi為紅色分量圖像η (χ, y)的平均值，Ii (m, η)為紅色分量圖像η (x, y)在坐標(biāo)(m，n)處的值。
6.根據(jù)權(quán)利要求5所述的視頻檢測地板正反面的方法，其特征在于，所述步驟4)和5)中使用的監(jiān)督學(xué)習(xí)算法為最小平方誤差判別算法或高斯判別分析算法。
【文檔編號(hào)】G06K9/62GK103559486SQ201310554764
【公開日】2014年2月5日 申請(qǐng)日期:2013年11月11日 優(yōu)先權(quán)日:2013年11月11日
【發(fā)明者】尚進(jìn), 李志超, 費(fèi)樹岷, 沈捷 申請(qǐng)人:東南大學(xué)