基于机器视觉的木材在线分级方法研究
文献类型:学位论文
作者 | 孙棪伊1,2 |
答辩日期 | 2019-05-17 |
授予单位 | 中国科学院沈阳自动化研究所 |
授予地点 | 沈阳 |
导师 | 陈帅 |
关键词 | 机器视觉 特征提取 分类器 深度学习 分级 |
学位名称 | 硕士 |
学位专业 | 控制工程 |
其他题名 | Research on on-line grading method of wood based on machine vision |
英文摘要 | 本课题以松木板材为研究对象,研究了木材表面的图像预处理、特征提取和自动分级方法,在此基础上建立了木材表面检测软硬件平台,开发出以机器视觉为核心技术的松木板材在线分级系统。主要内容如下:(1)板材经过加工后表面存在毛刺、机器压痕和亮度不均匀等较多的干扰,为提高所采集图像的可读性,减小干扰对后续特征提取的影响,首先研究了图像预处理相关技术,具体包括图像的空域滤波方法、频域滤波方法和图像增强方法。针对毛刺产生的噪声干扰,研究对比了平均邻域法、中值滤波与高斯滤波三种滤波方法,结果表明高斯滤波效果最好,既可以保留纹理的边缘信息,还可以过滤掉毛刺等产生的噪声干扰;针对在机器加工过程中产生的规律性网格状压痕,研究了频域去噪技术,根据压痕在倾斜方向上有明显周期性分布的特点,利用傅里叶变换方法有效地减轻了压痕对特征提取和分级造成的干扰;针对亮度不均匀的图像表面,研究对比了直方图均衡化方法和自适应对比度增强方法,结果表明自适应对比度增强方法效果最理想,突出了木材纹理与背景的区别。(2)针对松木板材的纹理特征提取,研究了灰度共生矩阵、马尔科夫随机场和局部二值模式纹理提取方法。针对灰度共生矩阵方法,选取了二阶矩(能量)、同质性、相关性、对比度、边缘宽度、偏差、熵、灰度中心这八个特征。马尔科夫场可以很恰当的表现纹理结构单元间的相互作用的大小和方向,对于松木板材的纹理识别,像素之间有序的空间性适合用马尔科夫场来描述。利用已知板材条纹的线性特征,提出了一种针对条纹纹理特征提取的线性LBP算子。针对颜色特征提取,研究了颜色直方图和基于混合高斯模型的蓝变区域面积提取方法,用于提取颜色特征和检测蓝变缺陷。由于条纹板材具有周期性分布和局部结构自相似度高的特点,研究了板材表面分区域相似度特征提取和度量方法。(3)针对分级方法,研究了支持向量机、多层感知机和深度学习方法,实验结果表明,分类器对木板的分类准确率达到96%。对比本文提到的三种分类方法,考虑到对于木板图像的适用性,再根据实验结果,样本量不够且相似程度高的木板图片在进行深度学习训练并分类的时候遇到的困难较多,时间成本也照传统分类器相比投入要大。针对于木板图像而言,传统的分类器更加准确和高效。(4)最后,根据课题的具体检测需求,设计了松木板材自动分级系统硬件检测平台,完成了在线视觉检测系统软件设计,验证了分级算法的可行性,实现了松木板材的在线分级。 |
语种 | 中文 |
产权排序 | 1 |
页码 | 75页 |
源URL | [http://ir.sia.cn/handle/173321/25201] |
专题 | 沈阳自动化研究所_智能检测与装备研究室 |
作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所 |
推荐引用方式 GB/T 7714 | 孙棪伊. 基于机器视觉的木材在线分级方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2019. |
入库方式: OAI收割
来源:沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。