冰勺麻板缺陷檢測方法的研究

苑瑋琦 蘇曉慧

摘要：麻板是冰勺的表面缺陷之一，是木材在旋切過程中由于刀具磨損等原因所導致的冰勺表面木材被刀具切割深度不同而產生的條狀紋理表面缺陷。麻板紋理特征與木材表面木纖維紋理特征具有諸多相似之處，因此如何在復雜的木纖維紋理干擾下準確地識別麻板缺陷是一個亟待解決的工業檢測問題。本文通過對麻板紋理特征與木纖維紋理特征之間的差別進行深入分析，提出一種基于高斯線檢測和垂直投影的麻板缺陷檢測方法。該方法首先對原始圖像進行高斯濾波，即對細小的木纖維紋理進行最大限度地平滑，通過本文建立的特征提取模型提取冰勺表面木纖維紋理特征和麻板紋理特征，其次對紋理特征進行篩選，最后利用垂直投影法實現無缺陷冰勺和具有麻板缺陷冰勺的區分。

關鍵詞：木纖維紋理;高斯線檢測;垂直投影法;缺陷檢測

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2020）14-0263-02

1引言

冰勺以樺木為主要原材料，經過十幾種工藝加工制作而成，是食用冰激凌等冷飲時不可缺少的輔助工具，世界各國對于冰勺麻板缺陷的接受程度有所不同，因此，在生產中必須根據用戶要求來確定冰勺的麻板分選等級。針對木纖維紋理干擾下的木材表面麻板缺陷檢測問題，本文提出了一種基于高斯線檢測和垂直投影的麻板缺陷檢測方法，首先對采集到的冰勺圖像進行預處理，然后對預處理后的圖像進行高斯濾波從而對細小的木纖維紋理進行最大限度地平滑，提取出冰勺表面木纖維紋理和麻板紋理缺陷，通過建立的特征提取模型篩選掉一部分木纖維紋理，最后利用垂直投影法將木纖維紋理和麻板紋理進行區分。

2木材表面紋理檢測裝置

圖像采集裝置主要包括工業相機及鏡頭、線性光源和光源控制器。其中，本文選用最大分辨率為1280×1024的黑白CCD面陣攝像機，實際使用的分辨率為1280×256，鏡頭為12mill的定焦鏡頭。圖1列舉了小麻板紋理和木纖維紋理這2種特征紋理嘲，分別如圖1（a）、2（b）中黑色箭頭標記的位置。這兩種特征紋理具有如下2個特性。

（1）麻板紋理方向和木纖維紋理方向

木纖維延伸方向總是沿著樹木生長的方向，即垂直于樹木橫截面方向，纖維呈線狀且具有一定的長度;麻板缺陷也是條狀的紋理，但大部分的紋理并不是垂直于樹木橫截面方向的。小麻板紋理和木纖維紋理的分布情況如圖2（a）、2（b）所示。

圖2描繪了圖1（a）、2（b）中小麻板紋理和木纖維紋理某一橫剖面的灰度值分布情況，如紅線和藍線所標注。

由以上分析可知，在7.5到10.0之間的像素位置處，小麻板紋理和木纖維紋理的坑剖面灰度變化曲線分布形態近似于反向的“鐘型”高斯曲線，根據這一特征便能夠將麻板紋理和木纖維紋理進行精確定位，由于線條的分布形態和聚集程度具有一定差異性，可將這兩點差異作為紋理特征加以利用，對兩者進行區分。

3麻板缺陷檢測算法

通過對麻板紋理特征及木纖維紋理特征的深入分析，本文提出一種基于高斯線檢測和垂直投影的麻板缺陷檢測方法。

3.1基于高斯線檢測的紋理提取

分別對圖庫中的麻板缺陷和木纖維紋理進行垂直投影，統計第k列的投影點個數pk，木纖維紋理投影點大于2的數量較少，但是麻板投影點大于2的數量較多。通過統計投影點大于2的數量，可以作為將麻板線條和木纖維紋理區分開的一個重要判據，投影點大于2的數量，用Lk表示，當Lk>100時，判定為麻板缺陷。

4實驗結果與分析

4.1數據庫的建立及算法測試平臺

為了驗證本文提出的算法，本文建立了小型圖庫用來對算法的可靠性進行驗證，采集的設備為冰勺工廠樣機，如圖4所示，冰勺在鏈條的帶動下以每秒6根的速度經過圖像采集設備，即一秒鐘可以采集6幅冰勺的圖像，圖像的分辨率大小為512*1280，一共采集了麻板缺陷600幅，無缺陷的冰勺500幅，其中無缺陷的冰勺包含100幅木纖維較深的冰勺圖片。

本文通過漏檢率和誤檢率對方法性能指標進行評價。漏檢率，L是指樣本本身是缺陷，但是沒有被算法檢測出來的缺陷樣本數量Q和總的缺陷樣本數量Ⅳ的比率，誤檢率W是指樣本本身不是缺陷，但是經過算法測試后被檢測為缺陷的樣本數量H和總的非缺陷樣本數量M的比率。

4.2紋理分割效果對比試驗

為驗證本文提出的算法在麻板紋理提取模塊的有效性，本文選擇了多種算法與本文的分割算法進行比較。采用動態閾值分割法將原始圖像矩陣與平滑濾波后的圖像矩陣進行亮度對比，由于該方法在提取麻板缺陷的同時有較多的噪聲干擾，利用邊緣檢測的方法對麻板線條進行提取，調整canny算子參數，提取的線條不連續且未能將缺陷區域全部提取出，因此本文算法在線條提取的完整性與降噪方面效果均較為理想。

對上述檢測結果中存在誤檢的圖像進行分析，觀察發現如圖5所示的誤檢的冰勺均為表面存在較深的紋理且紋理聚集密集，這種現象主要是木材在自然生長過程中形成的。通過本文的算法檢測紋理均被提取出來，且紋理的密集程度達到了麻板缺陷紋理的密集程度，從而被誤檢為缺陷。

5結論

針對冰勺表面存在麻板紋理和木纖維紋理難以區分的問題，本文提出了基于Hessian矩陣和垂直投影的麻板缺陷檢測方法，建立了特征提取模型，詳細闡述了算法原理并定義了算法性能的評價指標。利用廠家的實際生產環境建立了實驗測試圖庫并根據廠家的實際測試要求對算法的關鍵性參數進行設置。利用自建圖庫對本文提出的算法進行測試，并對測試結果進行分析。測試結果表明，本文提出的算法在漏檢率為0的情況下，誤檢率達到3.2%，證實了了本文算法的有效性;與其他算法相比，本文的漏檢率下降了15.2%，這樣的性能提升表明本文提出的算法有較大優勢，對冰勺表面麻板缺陷檢測具有重要的意義。