【摘要】：原材料和勞動力成本的持續(xù)上漲迫使木制品企業(yè)需要通過提高產品的質量和提高生產力來控制成本。機器視覺表面檢測技術可以對實木地板的表面缺陷和紋理進行識別,該方法能夠在提高生產效率的同時降低長期成本。現(xiàn)有的算法很難滿足在線檢測的要求,本文主要運用計算機視覺技術,以實木地板表面的紋理、顏色和幾何特征作為分選依據,研究實木地板在線檢測的關鍵技術。圖像分割是實木地板表面缺陷識別的首要問題,本文基于雙層聚類的超像素圖像分割方法,使用HSLIC超像素圖像分割方法將圖像分割成超像素,從提高算法速度和效果兩方面對超像素合并算法進行改進,提出了自適應閾值的快速DBSCAN超像素合并算法,取得缺陷分割圖像。比較分析了SLIC、HSLIC和MeanShift三種分割算法,結果表明HSLIC超像素分割算法結合自適應閾值的快速DBSCAN超像素合并算法在分割時間和分割效果等方面都明顯優(yōu)于其它同類算法,特別適合于時間嚴格要求的實木地板在線缺陷檢測系統(tǒng)中。對超像素提取出來的實木地板缺陷圖像,從顏色、形狀和紋理三類特征中提取缺陷圖像特征,利用OOB誤差來計算特征重要性,同時融合提取時間進行綜合分析,得出Tamura紋理和顏色直方圖是最優(yōu)的兩組缺陷分類參數(shù)。從速度和泛化誤差角度對隨機森林算法進行了改進,對顏色直方圖和Tamura紋理兩類特征,采取特征組合輸入的方式,合并相似度高的決策樹,在降低了決策樹之間相關度的同時提高了決策樹的強度,減小了集成的泛化誤差。通過實驗可見,改進的隨機森林有更高的分類精度和更快的預測速度,為在線分選系統(tǒng)提供了有效的木材缺陷圖像識別方法。為了實現(xiàn)實木地板表面紋理分類,提出了雙重LBP算法來提取實木地板紋理的邊緣信息。該方法首先利用CLBP算法提取紋理信息,利用自適應閾值消除細微紋理,保留粗紋理,再利用LBP算法提取粗紋理的邊緣信息,該邊緣信息包含紋理的方向和分布。對于提取的大尺度紋理特征,利用HOG算子描述紋理方向特征,進行分類。針對決策樹存在樣本不均衡的問題,本文對小樣本利用三次多項式插值將A、B、C類樣本分別構成新樣本數(shù),與原樣本組合形成200個樣本。插值后的三類樣本OOB誤差大幅度降低,總OOB誤差隨之減小。實驗結果表明,改進后的隨機森林較原來的算法分類精度得到提高,達到96.77%的分類精度,用時0.40s左右,滿足在線分類的要求。綜上所述,HSLIC超像素分割算法結合自適應閾值的快速DBSCAN超像素合并算法在對實木地板表面缺陷圖像進行分割,分割時間和有效識別率都明顯優(yōu)于其他同類算法。運用計算機視覺技術,以實木地板表面的紋理、顏色和幾何特征作為輸入,可以使改進的隨機森林分類器具有更高的分類精度和更快的預測速度,滿足在線分選系統(tǒng)的要求。本文的研究成果為實木地板生產的在線缺陷檢測提供了理論依據。
【學位授予單位】：東北林業(yè)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前10條

1 戴澄月,劉一星,丁漢喜,濮安彬;木材強度超聲檢測的研究[J];東北林業(yè)大學學報;1987年02期

2 羅學剛;呂俊瑞;王華軍;黃偉;;基于超像素的互惠最近鄰聚類彩色圖像分割[J];廣西大學學報(自然科學版);2013年02期

3 李治;李國琳;;C4.5和CART算法在醫(yī)學數(shù)據挖掘中的對比研究[J];電子技術與軟件工程;2013年10期

4 李佳;王阿川;馬欣然;;基于多模型融合的木材表面缺陷圖像快速識別[J];東北林業(yè)大學學報;2014年12期

5 白雪冰;王克奇;王輝;;基于灰度共生矩陣的木材紋理分類方法的研究[J];哈爾濱工業(yè)大學學報;2005年12期

6 王輝;楊林;丁金華;;基于特征級數(shù)據融合木材紋理分類的研究[J];計算機工程與應用;2010年03期

7 于海鵬;劉一星;劉鎮(zhèn)波;;應用數(shù)字圖像處理技術實現(xiàn)木材紋理特征檢測[J];計算機應用研究;2007年04期

8 顏發(fā)根,劉建群,陳新,丁少華;機器視覺及其在制造業(yè)中的應用[J];機械制造;2004年11期

9 楊洋;申世杰;;木材無損檢測技術研究歷史、現(xiàn)狀和展望[J];科技導報;2010年14期

10 龍超;呂建雄;任海青;江京輝;;中國與加拿大規(guī)格材目測分等規(guī)則的比較[J];木材工業(yè);2008年04期

相關碩士學位論文 前1條

1 朱貴鋒;機器視覺在線檢測圖像處理技術研究[D];合肥工業(yè)大學;2006年

本文編號：2738968