计算机视觉系统的关键技术

机器视觉怎么应用于木材表面缺陷检测

板材是木材应用需求量最大的品种，板材表面质量是评定板材质量的重要指标之一。随着木材加工业向机械化、自动化的大规模生产方向发展，人们对板材的加工质量，尤其是表面缺陷给予了越来越多的重视，因而表面缺陷检测技术变得越来越重要。

维视图像基于机器视觉理论对木材表面缺陷进行了深入研究，结合数字图像处理技术和人工神经网络模式识别技术，开发了MV-BDP200机器视觉皮带传送实验开发平台，提供机器视觉运动控制项目应用案例做为实验，研究了木材表面缺陷图像预处理、特征提取、模式识别问题，同时开发了用于检测板材表面缺陷的定位和识别等图像处理算法。

图像预处理是检测的第一步，对图像缺陷特征的正确提取是非常关键的。本文通过三种方式对图像的灰度直方图进行分析统计：

(1)对每一像素作256级灰度直方图分析；

(2)对4×4像素块作256级灰度直方图分析；

(3)4×4像素块作16级灰度直方图分析。

特征提取直接影响木材缺陷检测系统的识别率。首先从灰度直方图中根据是否有颜色突变来判断图片是否存在缺陷，缺陷图片在直方图中表现出双峰特征，通常次波峰即为缺陷部位，但这不是绝对的。若直方图曲线只有一个波峰，则可能是正常木材图片。经过实验统计，当次波峰值比主波峰的值大于1／10时，次波峰即是代表缺陷颜色。实现了缺陷检测的第一步，即把图像分为有缺陷和无缺陷两类。

基于人工神经网络的模式识别具有对数据类型和分布函数没有限制、容忍度更高等优点，相适应于木材表面缺陷的复杂性，有很好的应用前景。以缺陷灰度均值、缺陷灰度方差和缺

陷形状作为缺陷类型识别的特征量为输入，缺陷类型为输出，构建了系统的BP网络系统模型。以4种缺陷类型为输出，选用LMS对BP神经网络进行训练，对设计的神经网络系统进行了检测，实验结果表明系统的平均识别率为97％，证实了所设计系统的可行性和有效性。