论文部分内容阅读
表面缺陷是影响锯材物理力学性能、质量分等和二次加工的重要因素，对锯材表面缺陷进行自动检测在锯材加工领域具有重要的社会经济和学术价值。由于现代化加工技术和设备的发展，传统人工视觉检测的方法已不能满足需求，实现对锯材表面缺陷进行无损、快速和准确检测是提高木质材料经济价值和加速锯材加工自动化的有效手段。
本文研究了基于机器视觉技术的锯材表面缺陷自动分割技术和识别技术，着重讨论了锯材缺陷图像的边缘检测方法、阈值分割方法以及纹理特征分割和识别方法，主要研究内容和结论如下：
(1)通过分析锯材表面缺陷对锯材质量的影响程度，选定锯材两种常见缺陷：活节和死节为主要识别对象；
(2)依托图像处理技术，对原始锯材缺陷图像进行边缘检测、阈值分割以及纹理特征分割和识别，通过理论分析及对比实验，探寻锯材缺陷图像自动检测和识别效果最好的算法组合方案；
(3)通过比较锯材彩色图像灰度化对边缘检测算子的影响，以及各种边缘检测算子优劣，确定适合锯材彩色缺陷图像的R通道灰度化和Roberts边缘检测算子，经过后续的线性膨胀和填充处理，获取缺陷图像信息如大小、位置和类型等；
(4)通过比较最大类间方差阈值分割、最小均方错分误差阈值分割和最大熵阈值分割三种方法，并对这三种阈值分割方法进行数学形态学的处理，确定最小均方错分误差分割较好，并获取较为理想的缺陷图像和缺陷信息；
(5)通过确定死节、活节和正常材纹理统计特征值的范围，建立相应的识别规则，经过归一化处理，实现对锯材缺陷的自动分割和识别，对活节和死节的正确识别率分别为86.5％和90.4％。