司徒偉明+鄒湘軍++王成琳++莫宇達(dá)++李錦慧++羅少鋒

摘 要： 為了解決木材加工過程中人工檢測(cè)木材表面缺陷效率低、檢測(cè)質(zhì)量差異大等問題，運(yùn)用計(jì)算機(jī)視覺技術(shù)，設(shè)計(jì)一種實(shí)時(shí)在線自動(dòng)檢測(cè)木材表面缺陷的檢測(cè)系統(tǒng)。系統(tǒng)能夠檢測(cè)木材表面是否存在缺陷，并準(zhǔn)確檢測(cè)出木材表面缺陷的大小以及位置，將這些信息存儲(chǔ)起來(lái)，以便后續(xù)指導(dǎo)木材加工設(shè)備對(duì)木材進(jìn)行加工作業(yè)。該系統(tǒng)具有檢測(cè)準(zhǔn)確、速度快等特點(diǎn)。通過大量實(shí)驗(yàn)，得出檢測(cè)的準(zhǔn)確率達(dá)到92.33%，平均檢測(cè)時(shí)間為2 ms，實(shí)驗(yàn)結(jié)果表明該系統(tǒng)具有可行性。

關(guān)鍵詞： 木材表面缺陷； 計(jì)算機(jī)視覺； 檢測(cè)系統(tǒng)； 木材加工

中圖分類號(hào)： TN911?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）12?0148?04

Abstract： Since the manual detection for wood surface defect in the process of wood processing exists the problems of low efficiency and large quality difference， a real?time on?line automatic detection system of wood surface defect was designed by means of computer vision technology. The system can find out whether the wood surface has defect， detect the size and location of the wood surface defect accurately， and store the information to guide the wood processing equipment for wood processing. The system has the characteristic of accurate and fast detection speed. The conclusion from various experiments indicates that the system′s recognition accuracy rate can reach up to 92.33%， and the average detection time is 2 ms， which shows that the system is feasible.

Keywords： wood surface defect； computer vision； detection system； wood processing

0 引 言

木材表面缺陷是指降低木材商品價(jià)值和使用價(jià)值的各種特征的總稱，這些缺陷不但會(huì)影響木材強(qiáng)度，還嚴(yán)重影響木材加工和木制裝飾的質(zhì)量及外觀[1?3]。常用的木材表面缺陷檢測(cè)的方法有：人工檢測(cè)、超聲波檢測(cè)、X射線檢測(cè)、激光掃描、計(jì)算機(jī)視覺技術(shù)檢測(cè)[4]。

目前，計(jì)算機(jī)視覺技術(shù)已在許多領(lǐng)域得到了廣泛的應(yīng)用，在木材表面缺陷的檢測(cè)中也取得了顯著的成果[5?10]。文獻(xiàn)[11]中，提出一種改進(jìn)Sobel算子提取木材表面缺陷邊緣的算法，并使用神經(jīng)網(wǎng)絡(luò)模式識(shí)別檢測(cè)木材表面缺陷，該文獻(xiàn)介紹的方法能夠提高木材表面缺陷邊緣的檢測(cè)精度，識(shí)別的準(zhǔn)確率較高，但需要大量具有代表性的木材圖像作為訓(xùn)練樣本，算法的復(fù)雜性也導(dǎo)致檢測(cè)效率不高。文獻(xiàn)[12]提出一種基于數(shù)學(xué)形態(tài)學(xué)分割木材表面缺陷的方法，并使用最小二乘支持向量機(jī)分類器檢測(cè)木材表面缺陷，缺陷分割算法能夠有效避免木材紋理對(duì)分割結(jié)果的影響，但在實(shí)際處理分割時(shí)，需要根據(jù)應(yīng)用背景選擇不同的參數(shù)值來(lái)得到分割的種子點(diǎn)，通用性有待提高。文獻(xiàn)[13]介紹了一種基于HIS空間二維最大信息熵的分割方法，它對(duì)木材表面缺陷圖像的分割結(jié)果較好，但是分割的處理時(shí)間較長(zhǎng)，實(shí)時(shí)性不強(qiáng)。雖然對(duì)木材表面缺陷檢測(cè)的研究有很多，然而，應(yīng)用計(jì)算機(jī)視覺技術(shù)，實(shí)時(shí)在線檢測(cè)并定位木材表面缺陷卻未見報(bào)道。

木材加工過程中木材表面缺陷的檢測(cè)大多仍依賴人工完成，檢測(cè)的效率會(huì)隨著檢測(cè)人員的疲勞加重而有所下降，并且不同操作員的經(jīng)驗(yàn)差異導(dǎo)致同一塊木材的檢測(cè)結(jié)果也會(huì)有所不同[13]。因此，研究一種能夠代替人工進(jìn)行木材表面缺陷檢測(cè)的方法對(duì)木材加工行業(yè)非常重要。

本文利用計(jì)算機(jī)視覺技術(shù)，開發(fā)了一套木材表面缺陷在線實(shí)時(shí)檢測(cè)系統(tǒng)，為木材加工行業(yè)提供了一個(gè)有效的方案。該系統(tǒng)可以檢測(cè)出木材表面缺陷的大小以及位置信息，通過串口通信模塊與下位機(jī)進(jìn)行雙向數(shù)據(jù)傳遞，進(jìn)而指導(dǎo)木材加工設(shè)備對(duì)已檢測(cè)木材進(jìn)行作業(yè)。

1 系統(tǒng)設(shè)計(jì)方案

系統(tǒng)結(jié)構(gòu)如圖1所示，主要包括木材表面缺陷檢測(cè)平臺(tái)和木材表面缺陷軟件檢測(cè)系統(tǒng)。檢測(cè)平臺(tái)主要包括傳送機(jī)構(gòu)、結(jié)構(gòu)光源、CCD工業(yè)相機(jī)、接近開關(guān)等。CCD工業(yè)相機(jī)為維視MV?VD120SC，分辨率為1 280× 960，焦距為8 mm，幀率為15 f/s，像素尺寸為4.65 μm ×4.65 μm，傳感器光學(xué)尺寸為，信噪比大于54 dB，數(shù)據(jù)位數(shù)輸出 8 b，輸出方式為USB 2.0，供電要求為5 V（USB接口或外接電源供電），外形尺寸為56 mm×50.6 mm×50.6 mm。機(jī)架使用歐標(biāo)型3030鋁型材，由3030角碼、M5不銹鋼內(nèi)六角圓柱頭螺釘、M5配3030鋁型材的T型螺母、M8尼龍腳墊、12W?T8?LED燈管、UCP208立式軸承座、寬450 mm PVC輸送帶和滬工DC 5 V接近開關(guān)等構(gòu)成。

軟件檢測(cè)系統(tǒng)通過數(shù)據(jù)線與相機(jī)相連，實(shí)時(shí)獲取傳送帶送來(lái)的木材圖像，并快速地進(jìn)行缺陷檢測(cè)，最后將相關(guān)木材表面缺陷的信息傳遞給木材加工設(shè)備。木材經(jīng)傳送帶進(jìn)入相機(jī)拍攝區(qū)域時(shí)，安裝在機(jī)架一側(cè)的接近開關(guān)檢測(cè)到木材的接近并將信號(hào)傳給檢測(cè)系統(tǒng)，檢測(cè)系統(tǒng)控制下位機(jī)使得傳送帶電機(jī)失電，傳送帶停止。下位機(jī)的計(jì)時(shí)器開始計(jì)時(shí)，隨之檢測(cè)系統(tǒng)控制相機(jī)獲取木材圖像，并檢測(cè)木材表面缺陷，并向下位機(jī)傳遞檢測(cè)結(jié)果，下位機(jī)再控制木材加工設(shè)備對(duì)木材進(jìn)行后續(xù)的加工。當(dāng)計(jì)時(shí)器計(jì)時(shí)到達(dá)設(shè)定的時(shí)間后，下位機(jī)使傳送帶電機(jī)得電，傳送帶移動(dòng)一個(gè)單位距離（確保與上一張檢測(cè)圖像無(wú)過多重復(fù)，并無(wú)檢測(cè)區(qū)域丟失），然后電機(jī)失電，傳送帶停止，重復(fù)前面的步驟。當(dāng)木材完全離開相機(jī)拍攝區(qū)域，接近開關(guān)將信號(hào)傳給檢測(cè)系統(tǒng)，檢測(cè)系統(tǒng)進(jìn)入待機(jī)狀態(tài)。整個(gè)系統(tǒng)的工作流程如圖2所示。

2 系統(tǒng)軟件設(shè)計(jì)

本軟件使用Microsoft Visual Studio 2013 作為開發(fā)平臺(tái)，采用C++作為主要開發(fā)語(yǔ)言，操作界面使用MFC/C++開發(fā)。通過調(diào)用OpenCV和CameraDS相關(guān)函數(shù)來(lái)實(shí)現(xiàn)實(shí)驗(yàn)圖像的獲取，具有獲取速度快，兼容大部分?jǐn)?shù)字?jǐn)z像機(jī)等優(yōu)點(diǎn)。

2.1 系統(tǒng)安全設(shè)計(jì)

如圖3所示，本軟件根據(jù)用戶不同的實(shí)際需求提供了自動(dòng)檢測(cè)和手動(dòng)檢測(cè)兩種模式。手動(dòng)模式下，用戶才可以對(duì)檢測(cè)系統(tǒng)的參數(shù)進(jìn)行設(shè)置，設(shè)置好參數(shù)后，按下“獲取圖片”按鈕，然后再按下“缺陷檢測(cè)”按鈕，信息提示窗口將顯示木材表面缺陷的中心坐標(biāo)、缺陷大小、缺陷檢測(cè)所用的時(shí)間等。按下“繼續(xù)”按鈕，傳送帶帶動(dòng)木材運(yùn)動(dòng)一個(gè)單位距離，傳送帶停止運(yùn)動(dòng)，重復(fù)上述操作便可實(shí)現(xiàn)再一次的缺陷檢測(cè)。自動(dòng)模式下，系統(tǒng)會(huì)根據(jù)手動(dòng)模式下設(shè)置的參數(shù)進(jìn)行自動(dòng)檢測(cè)。

為了提高本系統(tǒng)的穩(wěn)定性與安全性，在安全操作方面做了一些設(shè)置。自動(dòng)模式和手動(dòng)模式兩種模式只能在一個(gè)檢測(cè)循環(huán)結(jié)束后進(jìn)行切換。例如，當(dāng)要從手動(dòng)模式切換到自動(dòng)模式，自動(dòng)模式的選擇只能在缺陷檢測(cè)完成后，“繼續(xù)”按鈕彈起后才起作用。而從自動(dòng)模式切換到手動(dòng)模式需要在缺陷檢測(cè)完成后，即信息提示框中顯示缺陷信息后方可實(shí)現(xiàn)。這樣的設(shè)置可防止傳送帶傳送時(shí)間出現(xiàn)差異，導(dǎo)致部分木材表面缺陷部位未能被檢測(cè)到，也可防止缺陷檢測(cè)中途遭到中斷。

2.2 參數(shù)設(shè)定

為了得到準(zhǔn)確的檢測(cè)結(jié)果，用戶首次使用本系統(tǒng)需要手動(dòng)設(shè)置與檢測(cè)有關(guān)的參數(shù)，點(diǎn)擊“參數(shù)設(shè)定”按鈕，彈出對(duì)話框如圖4所示。

2.2.1 分割閾值設(shè)定

本軟件使用二值化函數(shù)對(duì)木材表面缺陷圖像進(jìn)行閾值分割，閾值的設(shè)定將直接影響檢測(cè)的結(jié)果。二值化函數(shù)的作用是將圖像中灰度值大于設(shè)定閾值（圖4中設(shè)為90）的像素點(diǎn)的灰度值修改為255（白色），小于或等于設(shè)定閾值的則被修改為0（黑色）。使得木材表面缺陷的部分變?yōu)楹谏?，木材正常的部分變?yōu)榘咨?/p>

2.2.2 時(shí)間間隔設(shè)定

“時(shí)間間隔”測(cè)試前先打開相機(jī)，在木材表面位于拍攝區(qū)域的下邊緣處作個(gè)小標(biāo)記，準(zhǔn)備好秒表，按下“測(cè)試”按鈕的同時(shí)按下秒表計(jì)時(shí)，眼睛觀察拍攝區(qū)域，當(dāng)小標(biāo)記到達(dá)拍攝區(qū)域的上邊緣時(shí)停止計(jì)時(shí)，將秒表上顯示的時(shí)間輸入到相應(yīng)的編輯框中。

2.2.3 最大舍棄面積設(shè)定

“最大舍棄面積”表示面積小于該值的區(qū)域?qū)⒉槐欢槿毕荻釛?，因?yàn)槟静谋砻婵赡艽嬖诨覊m、污點(diǎn)、木屑等，它們的面積相對(duì)于缺陷的面積小的多，應(yīng)該被舍棄。

2.2.4 像素標(biāo)定設(shè)定

“像素標(biāo)定”的含義為尋找圖像中像素點(diǎn)的距離與實(shí)際物理距離的轉(zhuǎn)換關(guān)系。例如：假設(shè)長(zhǎng)度為1 mm的小線段，在圖像中的像素距離為10，那么在圖像中像素距離為100的線段，實(shí)際長(zhǎng)度則為10 mm。根據(jù)這個(gè)轉(zhuǎn)換關(guān)系，只需統(tǒng)計(jì)缺陷部分區(qū)域的像素面積和中心位置即可知道木材表面缺陷的實(shí)際大小與位置。按下“測(cè)量”按鈕，在彈出對(duì)話框，按下“打開相機(jī)”，如圖5所示。按照右側(cè)的標(biāo)定操作說(shuō)明示意圖，在待測(cè)的木材上面放一把尺子，將尺子與參考線對(duì)齊，讀出參考線在尺子上的長(zhǎng)度。點(diǎn)擊“確定”退出當(dāng)前對(duì)話框，然后把參考線的長(zhǎng)度輸入到編輯框中。最后點(diǎn)擊“保存”退出“參數(shù)設(shè)定”對(duì)話框。

2.3 缺陷檢測(cè)

“參數(shù)設(shè)定”完成后，按下“打開相機(jī)”按鈕，左側(cè)的框中將會(huì)動(dòng)態(tài)顯示圖像，再按下“獲取圖片”按鈕，框中顯示按下按鈕時(shí)獲取的那幀圖像。調(diào)節(jié)顯示框下的滑動(dòng)條可調(diào)節(jié)圖片的對(duì)比度，再按下后面的“保存”按鈕，可作為下次操作的參考數(shù)值。按下“缺陷檢測(cè)”按鈕，圖中的木材表面缺陷將會(huì)被框出來(lái)，而且框中左上角顯示的編號(hào)與右側(cè)的提示框的序號(hào)對(duì)應(yīng)，可方便查看檢測(cè)是否準(zhǔn)確。檢測(cè)的結(jié)果如圖6所示。缺陷大小的計(jì)算是通過統(tǒng)計(jì)缺陷輪廓的像素點(diǎn)的個(gè)數(shù)，再根據(jù)像素標(biāo)定得到的轉(zhuǎn)換關(guān)系來(lái)轉(zhuǎn)換為實(shí)際面積的大小。而缺陷的中心默認(rèn)為矩形框的中心。

2.4 檢測(cè)結(jié)果的修改與保存

軟件界面的右上角的兩個(gè)按鈕可查看檢測(cè)結(jié)果的歷史記錄。本軟件還能夠?qū)z測(cè)的結(jié)果進(jìn)行修改和保存。點(diǎn)擊“保存結(jié)果”按鈕，軟件會(huì)將右側(cè)的信息提示框中的信息保存到Excel文檔中，點(diǎn)擊“修改結(jié)果”，將打開Excel文檔，用戶可根據(jù)歷史記錄來(lái)修改或刪除軟件誤檢測(cè)的結(jié)果。

3 系統(tǒng)測(cè)試

3.1 系統(tǒng)測(cè)試環(huán)境

PC主機(jī)為CPU Intel Xeon E3?1230 v5 340 GHz；內(nèi)存為8 GB；操作系統(tǒng)為Window 10 專業(yè)版；主板為Gigabyte X150M?PLUS WS?CF；開發(fā)平臺(tái)為Microsoft Visual Studio 2013；版本為12.0.21005.1；應(yīng)用程序框架為MFC；本地編譯工具為VC++；開發(fā)語(yǔ)言為C++。

3.2 系統(tǒng)整體測(cè)試

測(cè)試方法：使用相機(jī)拍攝木材圖片，其中包含無(wú)缺陷、有污點(diǎn)、有缺陷、有劃痕、有灰塵的各種不一樣的木材圖片。分別統(tǒng)計(jì)每個(gè)樣本的準(zhǔn)確率Ai和檢測(cè)木材表面缺陷的準(zhǔn)確率A如下：

式中：Si為每個(gè)樣本檢測(cè)結(jié)果的總數(shù)；Ei為每個(gè)樣本中誤檢測(cè)和漏檢測(cè)的數(shù)量總和；n為樣本總數(shù)。

部分木材表面缺陷檢測(cè)結(jié)果如圖7所示。假設(shè)下面9張木材照片為測(cè)試的總樣本，第1張照片有一個(gè)缺陷，且被正確檢測(cè)出來(lái)，則S1=1，E1=0，A1=1，第2張照片有一個(gè)缺陷，且被檢測(cè)出來(lái)，但有兩個(gè)誤檢測(cè)結(jié)果，則S2=3，E2=2，A2=0.33，同理，A3=1，A4=1，A5=1，A6=0.5，A7=1，A8=1，A9=1。最后算出檢測(cè)的準(zhǔn)確率：A=（A1+A2+…+ A9×100%=87%。

使用前面講述的測(cè)試方法對(duì)300張木材圖片進(jìn)行檢測(cè)，統(tǒng)計(jì)出本軟件檢測(cè)木材表面缺陷的準(zhǔn)確率為92.33%，平均檢測(cè)時(shí)間為2 ms，能夠基本滿足木材加工企業(yè)的加工要求。

4 結(jié) 論

本文提出了一種基于OpenCV的木材表面缺陷檢測(cè)系統(tǒng)，經(jīng)實(shí)驗(yàn)有如下結(jié)論：本系統(tǒng)能夠快速準(zhǔn)確地檢測(cè)定位木材表面的缺陷，檢測(cè)的準(zhǔn)確率達(dá)到92.33%，平均檢測(cè)的時(shí)間為2 ms；系統(tǒng)軟件操作界面簡(jiǎn)單易用，穩(wěn)定可靠，具有一定的實(shí)用性；該系統(tǒng)能夠靈活應(yīng)用到多種木材加工生產(chǎn)線上，具有較好的通用性。它為木材加工流水線實(shí)時(shí)自動(dòng)檢測(cè)木材表面缺陷提供了一種可實(shí)現(xiàn)的方法。

注：本文通訊作者為鄒湘軍。

參考文獻(xiàn)

[1] 王林，白雪冰.基于Gabor變換的木材表面缺陷圖像分割方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010（5）：1066?1069.

[2] 金仁蓮.關(guān)于木材缺陷及木材檢驗(yàn)技術(shù)要點(diǎn)探討[J].農(nóng)民致富之友，2016（2）：140.

[3] 戴天虹，吳以.基于OTSU算法與數(shù)學(xué)形態(tài)學(xué)的木材缺陷圖像分割[J].森林工程，2014（2）：52?55.

[4] 牟洪波.基于人工神經(jīng)網(wǎng)絡(luò)的木材缺陷檢測(cè)研究[D].哈爾濱：東北林業(yè)大學(xué)，2006.

[5] TSAI D M， HUANG T Y. Automated surface inspection for statistical textures [J]. Image and vision computing， 2003， 21（4）： 307?323.

[6] 王海濤，甄理，楊春霞，等.基于計(jì)算機(jī)視覺的鐵軌表面缺陷檢測(cè)系統(tǒng)[J].無(wú)損檢測(cè)，2011（11）：38?41.

[7] 趙紅穎，于微波.計(jì)算機(jī)視覺技術(shù)在發(fā)動(dòng)機(jī)缺陷檢測(cè)系統(tǒng)中的應(yīng)用[J].光學(xué)精密工程，2000，8（3）：283?286.

[8] 胡亮，段發(fā)階，丁克勤，等.帶鋼表面缺陷計(jì)算機(jī)視覺在線檢測(cè)系統(tǒng)的設(shè)計(jì)[J].無(wú)損檢測(cè)，2003（6）：287?290.

[9] 熊建平.基于計(jì)算機(jī)視覺的墻地磚表面缺陷檢測(cè)[J].電子測(cè)量技術(shù)，2015（5）：53?55.

[10] FUNCK J W， ZHONG Y， BUTLER D A， et al. Image segmentation algorithms applied to wood defect detection [J]. Computers and electronics in agriculture， 2003， 41（1/3）： 157?179.

[11] 尹建新.基于計(jì)算機(jī)視覺木材表面缺陷檢測(cè)方法研究[D].杭州：浙江工業(yè)大學(xué)，2007.

[12] 蘇暢.基于計(jì)算機(jī)視覺的木材表面缺陷檢測(cè)研究[D].株洲：中南林業(yè)科技大學(xué)，2008.

[13] 馬曉明.基于二維熵的木材表面缺陷圖像分割[D].哈爾濱：東北林業(yè)大學(xué)，2014.