基于机器视觉的木板实时检测算法

发布时间：2020-12-09 09:30

　　木材分类是木制家具制作的重要环节。木材表面的亮度明暗不一,纹理结构精细复杂且天然无规律,使得依据木材表面亮度和纹理特点的分类任务一直是机器视觉与图像处理领域的前沿课题。木材的表面缺陷对木制家具质量具有较大的影响,木材缺陷形状复杂,种类多样,用常规方法不能达到人工检测的检测效果,如何提高木材的分选质量和分类效率是木制家具生产过程中的重要环节。近年来,视觉检测技术迅速发展,使得通过机器视觉技术来完成木材分选成为可能。论文完成了三个方面的工作,1、木材成像采集系统设计;2、木材分类方法的研究与设计;3、木板缺陷识别算法的设计。在成像系统设计方面,设计了胶合木板成像实验平台。实验平台由相机、镜头、光源和木板模拟生产线组成。论文介绍了相机、镜头、光源的重要参数,通过实验与理论计算设计了采样效果最佳的成像平台,结合项目实际需求设计了木板实时分类系统的人机交互界面。在木材分类算法的设计方面,本文从人眼仿生角度出发,提出一种基于多种特征融合的分类方法。将木材依据表面综合亮度与纹理特性进行综合分类。通过动态阈值分割,特征筛选,形态学处理等方法识别图像中的木板区域。提取了基于灰度共生矩阵和仿人眼视觉分类标... 

【文章来源】：沈阳工业大学辽宁省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

木板实物图

2.2 LA-GM-02K08A 型号线阵相机实物 2.2 LA-GM-02K08A linear camera physic输入端的图像质量直接影响着系统

图 2.3 直射光与漫射光Fig. 2.3 Direct and diffuse light统设计中，光源的照明方式至关重要，常见的照明方式分为 明视场下，反射光直接反射进镜头 暗视场下，被照物体要指明的是，图像中拍摄物体的亮度与照明方式没有直接关

【参考文献】：
期刊论文
[1]一种陶瓷方形扁平封装外观缺陷检测方法[J]. 汪威,李浩然,张开颜,李阳,吴兵硕.  半导体技术. 2019(03)
[2]基于YOLO深度卷积神经网络的复杂背景下机器人采摘苹果定位[J]. 赵德安,吴任迪,刘晓洋,赵宇艳.  农业工程学报. 2019(03)
[3]基于卷积神经网络算法的图像识别应用研究[J]. 高薇,曾健民.  西安文理学院学报(自然科学版). 2019(01)
[4]结合YOLO检测和语义分割的驾驶员安全带检测[J]. 吴天舒,张志佳,刘云鹏,郭婉妍,王子韬.  计算机辅助设计与图形学学报. 2019(01)
[5]基于机器视觉的钢材表面缺陷识别方法分析[J]. 刘亚楠.  计量与测试技术. 2018(12)
[6]基于YOLO模型的柔索并联机器人移动构件快速定位方法[J]. 訾斌,尹泽强,李永昌,赵涛.  机械工程学报. 2019(03)
[7]基于YOLO v2模型的交通标识检测算法[J]. 王超,付子昂.  计算机应用. 2018(S2)
[8]基于Darknet框架下YOLO v2算法的车辆多目标检测方法[J]. 李珣,刘瑶,李鹏飞,张蕾,赵征凡.  交通运输工程学报. 2018(06)
[9]基于卷积神经网络的煤岩识别研究[J]. 章华,王静,黄小平,金建,闪静洁.  绥化学院学报. 2018(12)
[10]基于YOLO模型的红外图像行人检测方法[J]. 谭康霞,平鹏,秦文虎.  激光与红外. 2018(11)



本文编号：2906675