standard download
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210432051.6 (22)申请日 2022.04.22 (71)申请人 海门王巢家具制造有限公司 地址 226000 江苏省南 通市海门市余 东镇 希诺路19号 (72)发明人 王晓健 邵新花  (51)Int.Cl. G06V 10/764(2022.01) G06V 10/74(2022.01) G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/136(2017.01) G06T 7/269(2017.01) G06T 7/41(2017.01) (54)发明名称 基于机器视觉的人造板质 量分类方法及系 统 (57)摘要 本发明涉及人工智能技术领域, 具体涉及一 种基于机器视觉的人造板质量分类方法及系统。 该方法为: 获取人造板表面的灰度图像, 根据所 有像素点的灰度值与背景像素的灰度值之间的 差值是否属于正常范围为每个像素点分配关注 程度; 获取灰度图像中每个像素点的对比度, 根 据关注程度和对比度得到相应像素点的异常程 度, 根据异常程度获取疑似异常区域; 获取疑似 异常区域内每个像素点的灰度梯度特征向量; 根 据灰度梯度特征向量判断该疑似异常区域是否 为缺陷区域; 根据所有缺陷区域的面积获取影 响 程度, 进而对人造板进行质量分类。 能够准确的 判断出人造板表面的缺陷区域, 对 人造板的质量 进行准确的分类, 减少资源浪费。 权利要求书2页 说明书8页 附图1页 CN 114913365 A 2022.08.16 CN 114913365 A 1.一种基于 机器视觉的人造 板质量分类方法, 其特 征在于, 该 方法包括以下步骤: 获取人造板表面的灰度图像, 所述人造 板表面包括背景和图案; 计算所述灰度图像中所有像素点的灰度值与背景像素的灰度值之间的差值, 根据 所述 差值是否属于正常范围为每个像素点分配关注程度; 所述正常范围为所述图案像素的灰度 值与所述背景像素的灰度值之间的差异范围; 获取所述灰度图像中每个像素点的对比度; 以每个像素点的所述关注程度为权值, 与 相应像素点的对比度进行相乘得到相应像素点的异常程度, 根据所述异常程度获取疑似异 常区域; 获取所述疑似异常区域内每个像素点的灰度梯度 特征向量; 根据 所述灰度梯度 特征向 量获取所述疑似异常区域的缺陷概率, 当所述缺陷概率大于预设阈值时, 所述缺陷概率对 应的所述疑似异常区域 为缺陷区域; 根据所有所述缺陷区域的面积在所述灰度图像面积的占比获取影响程度, 根据 所述影 响程度对所述人造 板进行质量分类。 2.根据权利要求1所述的方法, 其特 征在于, 所述背景像素的灰度值获取的步骤, 包括: 获取所述灰度图像的灰度均值以及所述灰度图像中出现频率最大的第 一灰度值; 选取 灰度值大小在所述灰度均值与所述第一灰度值之间的所有 所述灰度值为标准灰度值, 根据 所有所述标准灰度值计算标准均值和标准方差; 根据所述标准均值和所述标准方差构建高 斯模型, 所述高斯模型对应的最大值 为所述背景像素的灰度值。 3.根据权利要求1所述的方法, 其特征在于, 所述根据所述差值是否属于正常范围为每 个像素点分配关注程度的步骤, 包括: 当所述差值属于正常范围内时, 所述关注程度与所述差值呈负相关 关系; 当所述差值 不属于正常范围内时, 所述关注程度与所述差值呈正相关 关系。 4.根据权利要求1所述的方法, 其特征在于, 所述获取所述灰度图像中每个像素点的对 比度的步骤, 包括: 以所述灰度图像中任意像素点为中心像素点, 根据 所述中心像素点及其邻域像素点构 成一个窗口, 获取所述窗口的灰度共生矩阵, 根据所述灰度共生矩阵获取所述窗口的对比 度, 所述对比度为所述中心像素点的像素值。 5.根据权利要求1所述的方法, 其特征在于, 所述根据所述异常程度获取疑似异常区域 的步骤, 包括: 设定异常程度阈值, 当所述像素点对应的异常程度大于所述异常程度阈值时, 所述像 素点为疑似异常点, 根据所有所述疑似异常点获取 所述疑似异常区域。 6.根据权利要求1所述的方法, 其特征在于, 所述获取所述疑似异常区域内每个像素点 的灰度梯度特 征向量的步骤, 包括: 以所述疑似异常区域中任意像素点为中心点构建滑窗, 根据所述滑窗内像素点灰度值 的梯度变化得到灰度梯度变化方向, 所述灰度梯度变化方向的单位向量为所述灰度梯度变 化向量。 7.根据权利要求1所述的方法, 其特征在于, 所述根据所述灰度梯度特征向量获取所述 疑似异常区域的缺陷概 率的步骤, 包括: 获取所述疑似缺陷区域中每个像素点的单位向量, 所述单位向量是以所述疑似缺陷区权 利 要 求 书 1/2 页 2 CN 114913365 A 2域的中心点 为起点, 与所述疑似缺陷区域中所有像素点连线方向的单位向量; 获取每个像素点对应的所述灰度梯度 特征向量与 所述单位向量之间的余弦相似度, 所 述疑似缺陷区域内所有像素点的平均余弦相似度为 缺陷概率。 8.根据权利要求1所述的方法, 其特征在于, 所述缺陷概率对应的所述疑似异常区域为 缺陷区域的步骤之后, 还 包括: 获取所述灰度图像中所有所述缺陷区域, 获取所有所述缺陷区域之间的距离, 当所述 距离小于预设距离时, 获取 所述距离对应的两个缺陷区域的主成分方向; 计算两个缺陷区域对应的主成分方向之间的余弦相似度, 根据两个缺陷区域之间的距 离以及所述余弦相似度获取延伸概率, 当所述延伸概率大于预设阈值时, 对应的两个缺陷 区域为一个缺陷大区域。 9.一种基于机器视觉的人造板质量分类系统, 包括存储器、 处理器以及存储在所述存 储器中并可在所述处理器上运行 的计算机程序, 其特征在于, 所述处理器执行所述计算机 程序时实现如权利要求1~8任意 一项所述方法的步骤。权 利 要 求 书 2/2 页 3 CN 114913365 A 3

PDF文档 专利 基于机器视觉的人造板质量分类方法及系统

文档预览
中文文档 12 页 50 下载 1000 浏览 0 评论 0 收藏 3.0分
温馨提示:本文档共12页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 基于机器视觉的人造板质量分类方法及系统 第 1 页 专利 基于机器视觉的人造板质量分类方法及系统 第 2 页 专利 基于机器视觉的人造板质量分类方法及系统 第 3 页
下载文档到电脑,方便使用
本文档由 SC 于 2024-02-24 01:00:12上传分享
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。