【技術實現步驟摘要】
本專利技術涉及木皮檢測方法，尤其涉及一種薄木皮智能分選方法、系統和介質。
技術介紹
1、木皮是從一塊圓柱形木頭旋切下來的薄木片，廣泛應用于家具類等產品的貼面裝飾，是一種具有樹種特色的木制片狀薄型飾面或貼面材料。木皮在生產完成后需要進行檢測和分級，挑選出合格的木皮進行使用。基于機器視覺的木皮質檢研究國外較少，現有資料僅有國外實驗室利用工業機器視覺技術對木材刨花的尺寸的大小進行分級，確定各種刨花在板中的比例和刨花的排列方向。而國內的木皮質檢主要依賴人工目檢。因此，國內的智能化木皮分選是非常具有市場前景的機器視覺應用領域。尤其針對厚度小于0.6mm的薄木皮，針對這種薄木皮，一方面無法滿足分類和檢測的需求，另一方面，在檢測時，由于木皮極薄，容易在上料檢測時造成損壞。
技術實現思路
1、為克服上述缺點，本專利技術的目的在于提供一種薄木皮智能分選方法、系統和介質，針對比較薄的木皮，能精準上料，并檢測多種缺陷以進行木皮的分級。
2、為了達到以上目的，本專利技術采用的技術方案是：一種薄木皮智能分選方法，包括：
3、獲取最上層的一組待上料木皮的第一圖像；
4、將第一圖像輸入預設的上料識別模型，以識別待上料木皮的方向、數量和位置并輸出木皮識別結果；
5、根據木皮識別結果，將識別合格的待上料木皮按照指定方向放置到檢測線上作為待測木皮；
6、獲取待測木皮的第二圖像；
7、對第二圖像進行增強處理以得到增強圖像；
8、將增強圖
9、根據缺陷識別結果進行等級比對，得到待測木皮的最終等級。
10、本專利技術的有益效果在于：
11、通過上料識別模型對待上料木皮的位置進行識別，保證木皮上料的精準度，以為后續檢測分級步驟準備；
12、通過增強處理讓一張第二圖像能滿足所有缺陷的檢測；
13、深度學習模型，通過提前訓練，能對所有設定的缺陷進行檢測；
14、能根據缺陷標準自適應對木皮分級，實現高效率、高精度的木皮分選。
15、進一步來說，將第一圖像輸入預設的上料識別模型，以識別待上料木皮的方向、數量和位置并輸出木皮識別結果具體包括：
16、采用檢測網絡yolov8識別第一圖像中待上料木皮的方向；
17、判斷待上料木皮的方向是否為設定方向；
18、若是，則將第一圖像作為待識別圖像，待識別圖像通過檢測網絡yolov8識別待上料木皮的數量和位置；
19、將待上料木皮的位置與設定閾值比較以判斷待上料木皮是否有嚴重位移；
20、若否，則發出第一指令，并進行新獲取的第一圖像的識別；若是，則發出第二指令并報警提示。
21、進一步來說，當判斷待上料木皮的方向不是設定方向時，則旋轉待上料木皮到設定方向，并獲取旋轉后的旋轉圖像作為待識別圖像。
22、進一步來說，采用檢測網絡yolov8識別第一圖像中待上料木皮的方向具體包括：
23、基于檢測網絡yolov8第一圖像上的待上料木皮提取得到不同尺寸的特征圖；
24、使用長邊定義方法表示特征圖中的旋轉檢測框；
25、在框回歸任務中使用二進制編碼標記技術將角度回歸問題轉化為角度分類問題，得到待上料木皮的方向。
26、進一步來說，對第二圖像進行增強處理以得到增強圖像具體包括：
27、將第二圖像復制成三張，三張第二圖像分別通過圖像去曝和對比度增強算法、直方圖均衡化、gamma校正來形成三張增強圖像。
28、進一步來說，缺陷識別結果包括所有缺陷的類別和對應的大小，缺陷的類別包括:
29、缺陷類，缺陷類的缺陷識別采用通過圖像去曝和對比度增強算法處理的一張增強圖像，并將此增強圖像分割以保證下采樣倍率接近為1后輸入深度學習模型；
30、顏色類，顏色類的缺陷識別采用通過直方圖均衡化、gamma校正處理的兩張增強圖像。
31、進一步來說，深度學習模型采用yolov8檢測框架，深度學習模型在訓練時采用不確定性損失函數進行約束。
32、進一步來說，根據缺陷識別結果進行等級比對，得到待測木皮的最終等級具體包括：
33、加載缺陷標準；
34、匯總一個待測木皮的缺陷檢測結果，將缺陷結果和缺陷標準進行比對，得到每種缺陷的缺陷等級；
35、將缺陷等級匯總，并將最低的缺陷等級作為待測木皮的最終等級。
36、本專利技術還公開一種薄木皮智能分選系統，采用上述薄木皮智能分選方法，薄木皮智能分選系統包括上料裝置和檢測裝置：
37、上料裝置包括第一視覺檢測機構、第一控制器和搬運機構，視覺檢測機構用于獲取最上層的一組待上料木皮的第一圖像，第一控制器根據第一圖像識別待上料木皮的方向、數量和位置并輸出木皮識別結果，搬運機構根據木皮識別結果，將識別合格的待上料木皮按照指定方向放置到檢測裝置上作為待測木皮；
38、檢測裝置包括檢測線、第二視覺檢測機構和第二控制器，檢測線用于傳輸待測木皮，第二視覺檢測機構用于獲取待測木皮的第二圖像，第二控制器包括預處理模塊、缺陷檢測模塊和分級模塊，預處理模塊用于對第二圖像進行增強處理以得到增強圖像，缺陷檢測模塊通過內置的深度學習模型對增強圖像進行缺陷識別，并輸出缺陷識別結果，分級模塊根據缺陷識別結果進行等級比對，得到待測木皮的最終等級。
39、本專利技術還公開一種計算機可讀存儲介質，計算機可讀存儲介質上存儲有計算機程序，計算機程序被處理器執行時實現上述的薄木皮智能分選方法的步驟。
本文檔來自技高網...【技術保護點】
1.一種薄木皮智能分選方法，其特征在于：包括：
2.根據權利要求1所述的薄木皮智能分選方法，其特征在于：將所述第一圖像輸入預設的上料識別模型，以識別所述待上料木皮的方向、數量和位置并輸出木皮識別結果具體包括：
3.根據權利要求2所述的薄木皮智能分選方法，其特征在于：當判斷所述待上料木皮的方向不是設定方向時，則旋轉所述待上料木皮到設定方向，并獲取旋轉后的旋轉圖像作為待識別圖像。
4.根據權利要求2所述的薄木皮智能分選方法，其特征在于：采用檢測網絡yolov8識別所述第一圖像中所述待上料木皮的方向具體包括：
5.根據權利要求1所述的薄木皮智能分選方法，其特征在于：對所述第二圖像進行增強處理以得到增強圖像具體包括：
6.根據權利要求5所述的薄木皮智能分選方法，其特征在于：所述缺陷識別結果包括所有缺陷的類別和對應的大小，所述缺陷的類別包括:
7.根據權利要求1所述的薄木皮智能分選方法，其特征在于：所述深度學習模型采用yolov8檢測框架，所述深度學習模型在訓練時采用不確定性損失函數進行約束。
8.根據權利
9.一種薄木皮智能分選系統，其特征在于：采用權利要求1-8任一所述的薄木皮智能分選方法，所述薄木皮智能分選系統包括上料裝置和檢測裝置：
10.一種計算機可讀存儲介質，其特征在于：所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1-8任一項所述的薄木皮智能分選方法的步驟。
...【技術特征摘要】
1.一種薄木皮智能分選方法，其特征在于：包括：
2.根據權利要求1所述的薄木皮智能分選方法，其特征在于：將所述第一圖像輸入預設的上料識別模型，以識別所述待上料木皮的方向、數量和位置并輸出木皮識別結果具體包括：
3.根據權利要求2所述的薄木皮智能分選方法，其特征在于：當判斷所述待上料木皮的方向不是設定方向時，則旋轉所述待上料木皮到設定方向，并獲取旋轉后的旋轉圖像作為待識別圖像。
4.根據權利要求2所述的薄木皮智能分選方法，其特征在于：采用檢測網絡yolov8識別所述第一圖像中所述待上料木皮的方向具體包括：
5.根據權利要求1所述的薄木皮智能分選方法，其特征在于：對所述第二圖像進行增強處理以得到增強圖像具體包括：
6.根據權利要求5所述的薄木皮智能分選方法，其...
【專利技術屬性】
技術研發人員：張杰，靳雨桐，周涵，
申請(專利權)人：中科蘇州智能計算技術研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。