实木地板图像融合分割和BP-SOM网络识别方法研究.pdf

摘要 摘要 实木地板表面的缺陷严重影响到了地板质量和等级。传统以人工目测为主要手段地 板表面缺陷识别和等级分选方法生产成本高、效率低，已经无法满足现代化生产的需求。 基于计算机视觉的缺陷检测技术，可以在不损坏木材的前提下实现表面缺陷检测，为实 木地板缺陷检测和等级分选提供了新的思路和方法，拥有非常广阔的研究和应用价值。 本文以实木地板表面的死节、活节、裂纹和虫眼为主要研究对象进行研究。 本文首先研究并搭建实木地板图像采集和等级分选系统，获取一定量地板表面缺陷 图像。选择恰当的图像预处理算法对得到的彩色图像进行灰度化、增强、去噪和锐化处 理。缺陷分割方面，针对传统Otsu算法分割效果不理想、形态学算法分割时间长以及经 典区域生长算法分割效率差的问题，设计基于图像融合的地板表面缺陷分割算法。该算 法采用图像缩放实现缺陷快速定位，过滤图像噪声；通过创建禁忌表、设计禁忌搜索规 则和双阈值生长准则搜索缺陷边缘，完成缺陷分割。在特征提取与选择方面，依据特征 提取中的四项基本原则，获取缺陷的21个特征。确定类内方差最小、类间方差最大的特 征选取原则，按照方差比较的方法，对21个特征进行降维，最终选择面积、长宽比等13 个特征作为下一步模式识别的输入特征。在缺陷识别方面，采用泛化能力较强的神经网 络作为缺陷辨识模型，先后研究和设计BP网络和SOM网络模型，并发挥BP网络的数 据压缩能力和SOM网络的模式聚类功能，设计BP．SOM混合神经网络模型。BP网络、 SOM网络以及BP．SOM混合网络对缺陷的识别准确率分别为：87．5％、90％币EI95％，单 个样本识别时间分别为：2．365ms、0．172ms和2．497ms。 201 论文中，图像处理平台为MATLABlb，计算机主频为2GHz。实验结果表明：本 文所设计的基于图像融合的地板表面缺陷分割算法可以实现缺陷快速准确分割；而 BP—SOM混合网络缺陷辨识模型有效提高了缺陷辨识准确率，其识别时间满足实木地板 在线分选要求。 关键词：缺陷检测；缺陷分割：特征提取；BP神经网络；SOM神经网络 万方数据 Abstact Abstract Thesurfacedefectsofsolidwoodfloor affectthefloor’S andlevel． seriously quality visualfloorsurfacedefectsdetection iSthemainmeansto Traditionalartiflcial method，which has andrank costsandlow andthismethodalso identify floors，hashighproduction efficiency beenunabletomeettheneedsofmodern basedon production．Detectiontechnologycomputer visiondefectsCalldetectsurfacedefectswithout the newideasof damagingwood，providing defectdetectionand a broadresearchand value．Inthis havingvery application paper,So