基于深度学习的中密度纤维板表面缺陷检测系统研究.pdf

摘要 摘要 中密度纤维板是我国人造板行业的主要产品，经过二十多年的发展, 已经形成了 比较完整的生产工艺体系。但在当前的中密度板加工生产过程中，表面缺陷检测环节 仍然大多依赖于人工。人工检测速度慢、效率低，同时由于检测人员的认识差异以及 板材表面缺陷种类繁多，人工检测很难对板材表面质量给出一个客观准确的评价。因 此，寻找一种准确高效的板材表面缺陷检测方法对于木制品企业提高产品质量和降低 生产成本具有非常重要的价值。 本文针对中密度纤维板的油污、松软、黑斑、杂物等6 类缺陷，设计了一种基于 深度学习的中密度纤维板表面缺陷检测系统。本系统使用工业线阵相机采集运动板材 的表面图像，图像经过降噪等预处理后输入到深度学习算法中，进行缺陷种类、缺陷 位置及缺陷面积大小的检测与质量分级，检测结果实时地在上位机软件中显示，并在 本地数据库中保存。本文采用了目前主流的深度学习实例分割算法 Mask R-CNN、 Yolact 、CenterMask 进行缺陷检测实验，并对CenterMask 算法的特征提取网络和图像 分割网络进行了网络改进。在GPU 型号为P2000 的工作站上进行了算法评估实验与 系统整体测试实验。 算法评估实验结果表明：改进的CenterMask 算法缺陷识别准确率指标mAP50-95 与缺陷分割准确率指标mAP50-95 分别为 54.5%与46.6% ，相比于 CenterMask 算法分 别提高了0.3%与 1.2% 。系统整体测试实验结果表明：在检测速度为 17 张/分钟的条 件下，系统的缺陷检测性能指标F1-Score 为79.0% 。 关键词：中密度纤维板 表面缺陷检测 线阵相机 深度学习 改进的CenterMask 目录 目 录 1 绪论 1 1.1 课题背景 1 1.2 木材表面缺陷检测技术的发展及现状 1 1.2.1 国外研究现状 2 1.2.2 国内研究现状 3 1.3 基于深度学习的目标检测技术发展及现状 3 1.4 研究目的及意义 4 1.5 研究内容及论文结构安排 5 2 系统总体方案设计及图像采集平台搭建 6 2.1 系统需求分析 6 2.2 系统总体方案设计 8 2.3 图像采集平台搭建 9 2.3.1 线阵相机选型 9 2.3.2 镜头选型 10 2.3.3 光源选型 12 2.3.4 主机选型 12 2.3.5 平台搭建 13 2.3.6 尺寸标定 13 2.4 本章小结 14 3 上位机软件及数据库开发 15 3.1 上位机软件功能设计 15 3.2 MySQL 数据库设计 16 3.3 上位机软件开发 18 3.3.1 相机SDK 及光电开关模块 18 3.3.2 深度学习算法缺陷检测模块 18 3.3.3 MySQL 数据库模块 19 3.3.4 人机交互及信息显示模块 20 3.4 本章小结 22 4 深度学习算法开发23 4.1 数据采集及制作 23 4.1.1 数据采集 23 4.1.2 数据预处理 23 4.1.3 数据集制作 30 4.2 基于深度学习的板材缺陷图像实例分割 32