【摘要】：原材料和勞動(dòng)力成本的持續(xù)上漲迫使木制品企業(yè)需要通過提高產(chǎn)品的質(zhì)量和提高生產(chǎn)力來控制成本。機(jī)器視覺表面檢測(cè)技術(shù)可以對(duì)實(shí)木地板的表面缺陷和紋理進(jìn)行識(shí)別,該方法能夠在提高生產(chǎn)效率的同時(shí)降低長(zhǎng)期成本�，F(xiàn)有的算法很難滿足在線檢測(cè)的要求,本文主要運(yùn)用計(jì)算機(jī)視覺技術(shù),以實(shí)木地板表面的紋理、顏色和幾何特征作為分選依據(jù),研究實(shí)木地板在線檢測(cè)的關(guān)鍵技術(shù)。圖像分割是實(shí)木地板表面缺陷識(shí)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(duì)超像素合并算法進(jìn)行改進(jìn),提出了自適應(yīng)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(jié)果表明HSLIC超像素分割算法結(jié)合自適應(yīng)閾值的快速DBSCAN超像素合并算法在分割時(shí)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(shí)間嚴(yán)格要求的實(shí)木地板在線缺陷檢測(cè)系統(tǒng)中。對(duì)超像素提取出來的實(shí)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(jì)算特征重要性,同時(shí)融合提取時(shí)間進(jìn)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(duì)隨機(jī)森林算法進(jìn)行了改進(jìn),對(duì)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(guān)度的同時(shí)提高了決策樹的強(qiáng)度,減小了集成的泛化誤差。通過實(shí)驗(yàn)可見,改進(jìn)的隨機(jī)森林有更高的分類精度和更快的預(yù)測(cè)速度,為在線分選系統(tǒng)提供了有效的木材缺陷圖像識(shí)別方法。為了實(shí)現(xiàn)實(shí)木地板表面紋理分類,提出了雙重LBP算法來提取實(shí)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(yīng)閾值消除細(xì)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(duì)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(jìn)行分類。針對(duì)決策樹存在樣本不均衡的問題,本文對(duì)小樣本利用三次多項(xiàng)式插值將A、B、C類樣本分別構(gòu)成新樣本數(shù),與原樣本組合形成200個(gè)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(shí)驗(yàn)結(jié)果表明,改進(jìn)后的隨機(jī)森林較原來的算法分類精度得到提高,達(dá)到96.77%的分類精度,用時(shí)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(jié)合自適應(yīng)閾值的快速DBSCAN超像素合并算法在對(duì)實(shí)木地板表面缺陷圖像進(jìn)行分割,分割時(shí)間和有效識(shí)別率都明顯優(yōu)于其他同類算法。運(yùn)用計(jì)算機(jī)視覺技術(shù),以實(shí)木地板表面的紋理、顏色和幾何特征作為輸入,可以使改進(jìn)的隨機(jī)森林分類器具有更高的分類精度和更快的預(yù)測(cè)速度,滿足在線分選系統(tǒng)的要求。本文的研究成果為實(shí)木地板生產(chǎn)的在線缺陷檢測(cè)提供了理論依據(jù)。
【學(xué)位授予單位】：東北林業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 戴澄月,劉一星,丁漢喜,濮安彬;木材強(qiáng)度超聲檢測(cè)的研究[J];東北林業(yè)大學(xué)學(xué)報(bào);1987年02期

2 羅學(xué)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(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

3 李治;李國(guó)琳;;C4.5和CART算法在醫(yī)學(xué)數(shù)據(jù)挖掘中的對(duì)比研究[J];電子技術(shù)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(shí)別[J];東北林業(yè)大學(xué)學(xué)報(bào);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(xué)學(xué)報(bào);2005年12期

6 王輝;楊林;丁金華;;基于特征級(jí)數(shù)據(jù)融合木材紋理分類的研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年03期

7 于海鵬;劉一星;劉鎮(zhèn)波;;應(yīng)用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)木材紋理特征檢測(cè)[J];計(jì)算機(jī)應(yīng)用研究;2007年04期

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

9 楊洋;申世杰;;木材無損檢測(cè)技術(shù)研究歷史、現(xiàn)狀和展望[J];科技導(dǎo)報(bào);2010年14期

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

相關(guān)碩士學(xué)位論文 前1條

1 朱貴鋒;機(jī)器視覺在線檢測(cè)圖像處理技術(shù)研究[D];合肥工業(yè)大學(xué);2006年

本文編號(hào)：2738968