论文部分内容阅读
我国人均林木资源稀缺,木材利用率低,为了提高实木板材的出材质量和数量,应采用自动化、智能化的实木板材优选加工设备,但是由于技术和经济因素的限制,大多数木材加工企业仍采用人工划线的方法识别实木板材表面缺陷并确定锯切方案,这会导致木材优选加工机械自动化程度低、缺陷识别不精确、锯切优选方案不合理等问题。针对上述问题,本文提出了基于图像识别的实木板材优选系统研究,并完成了以下主要研究工作:首先,查阅相关参考文献,结合实际采集得到的实木板材表面缺陷图像,分析几种常见的实木板材缺陷特征及其对木材品质的影响;阐述实木板材优选加工系统的组成,包括进料、图像采集、图像处理、优选计算、锯切、分类出料等工序,接着介绍了重要工序的原理与功能,选用CCD摄像机搭建实木板材表面图像采集系统,本文重点是研究实木板材表面缺陷图像处理和优选算法。其次,在图像处理方面,分别采用Sobel算子、Roberts算子、Prewitt算子、Canny算子和LOG算子对采集的两种典型实木板材表面缺陷图像进行边缘检测,分析比较其结果的不同。分别运用灰度阈值分割、直方图阈值、最大熵阈值分割方法对缺陷图像进行阈值分割,经过综合分析选用最大熵阈值分割方法,由于分割结果不能尽如人意,最后利用形态学处理的开启、关闭、膨胀、腐蚀等基本运算对分割后的实木板材图像依次进行填充、形态滤波、边缘提取、掩模等操作,以获得闭合的缺陷目标灰度图像,再对经过图像处理的实木板材二值化图像进行缺陷特征提取,获得实木板材表面缺陷数据,数据信息包括实木板材的长度和宽度、缺陷个数、缺陷位置、缺陷尺寸等信息。第三,为了制定优选的锯切方案,选用遗传算法进行优选加工计算。针对实木板材优选系统的遗传算法的问题表示、初始种群生成、选择、交叉、变异等原理以及具体算法步骤进行了详尽的阐述,运用Visual Basic编程工具开发了基于图像识别的实木板材优选软件,既可调用MATLAB图像处理程序进行缺陷识别,又可实现出材率优选、缺陷锯切、长度优选、价值优选等功能。按照优选原则,结合具体实例,给出了不同实木板材的加工方案,验证了计算方法的有效性。