冰勺麻板缺陷检测方法的研究

苑玮琦 苏晓慧

摘要：麻板是冰勺的表面缺陷之一，是木材在旋切过程中由于刀具磨损等原因所导致的冰勺表面木材被刀具切割深度不同而产生的条状纹理表面缺陷。麻板纹理特征与木材表面木纤维纹理特征具有诸多相似之处，因此如何在复杂的木纤维纹理干扰下准确地识别麻板缺陷是一个亟待解决的工业检测问题。本文通过对麻板纹理特征与木纤维纹理特征之间的差别进行深入分析，提出一种基于高斯线检测和垂直投影的麻板缺陷检测方法。该方法首先对原始图像进行高斯滤波，即对细小的木纤维纹理进行最大限度地平滑，通过本文建立的特征提取模型提取冰勺表面木纤维纹理特征和麻板纹理特征，其次对纹理特征进行筛选，最后利用垂直投影法实现无缺陷冰勺和具有麻板缺陷冰勺的区分。

关键词：木纤维纹理;高斯线检测;垂直投影法;缺陷检测

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2020）14-0263-02

1引言

冰勺以桦木为主要原材料，经过十几种工艺加工制作而成，是食用冰激凌等冷饮时不可缺少的辅助工具，世界各国对于冰勺麻板缺陷的接受程度有所不同，因此，在生产中必须根据用户要求来确定冰勺的麻板分选等级。针对木纤维纹理干扰下的木材表面麻板缺陷检测问题，本文提出了一种基于高斯线检测和垂直投影的麻板缺陷检测方法，首先对采集到的冰勺图像进行预处理，然后对预处理后的图像进行高斯滤波从而对细小的木纤维纹理进行最大限度地平滑，提取出冰勺表面木纤维纹理和麻板纹理缺陷，通过建立的特征提取模型筛选掉一部分木纤维纹理，最后利用垂直投影法将木纤维纹理和麻板纹理进行区分。

2木材表面纹理检测装置

图像采集装置主要包括工业相机及镜头、线性光源和光源控制器。其中，本文选用最大分辨率为1280×1024的黑白CCD面阵摄像机，实际使用的分辨率为1280×256，镜头为12mill的定焦镜头。图1列举了小麻板纹理和木纤维纹理这2種特征纹理嘲，分别如图1（a）、2（b）中黑色箭头标记的位置。这两种特征纹理具有如下2个特性。

（1）麻板纹理方向和木纤维纹理方向

木纤维延伸方向总是沿着树木生长的方向，即垂直于树木横截面方向，纤维呈线状且具有一定的长度;麻板缺陷也是条状的纹理，但大部分的纹理并不是垂直于树木横截面方向的。小麻板纹理和木纤维纹理的分布情况如图2（a）、2（b）所示。

图2描绘了图1（a）、2（b）中小麻板纹理和木纤维纹理某一横剖面的灰度值分布情况，如红线和蓝线所标注。

由以上分析可知，在7.5到10.0之间的像素位置处，小麻板纹理和木纤维纹理的坑剖面灰度变化曲线分布形态近似于反向的“钟型”高斯曲线，根据这一特征便能够将麻板纹理和木纤维纹理进行精确定位，由于线条的分布形态和聚集程度具有一定差异性，可将这两点差异作为纹理特征加以利用，对两者进行区分。

3麻板缺陷检测算法

通过对麻板纹理特征及木纤维纹理特征的深入分析，本文提出一种基于高斯线检测和垂直投影的麻板缺陷检测方法。

3.1基于高斯线检测的纹理提取

分别对图库中的麻板缺陷和木纤维纹理进行垂直投影，统计第k列的投影点个数pk，木纤维纹理投影点大于2的数量较少，但是麻板投影点大于2的数量较多。通过统计投影点大于2的数量，可以作为将麻板线条和木纤维纹理区分开的一个重要判据，投影点大于2的数量，用Lk表示，当Lk>100时，判定为麻板缺陷。

4实验结果与分析

4.1数据库的建立及算法测试平台

为了验证本文提出的算法，本文建立了小型图库用来对算法的可靠性进行验证，采集的设备为冰勺工厂样机，如图4所示，冰勺在链条的带动下以每秒6根的速度经过图像采集设备，即一秒钟可以采集6幅冰勺的图像，图像的分辨率大小为512*1280，一共采集了麻板缺陷600幅，无缺陷的冰勺500幅，其中无缺陷的冰勺包含100幅木纤维较深的冰勺图片。

本文通过漏检率和误检率对方法性能指标进行评价。漏检率，L是指样本本身是缺陷，但是没有被算法检测出来的缺陷样本数量Q和总的缺陷样本数量Ⅳ的比率，误检率W是指样本本身不是缺陷，但是经过算法测试后被检测为缺陷的样本数量H和总的非缺陷样本数量M的比率。

4.2纹理分割效果对比试验

为验证本文提出的算法在麻板纹理提取模块的有效性，本文选择了多种算法与本文的分割算法进行比较。采用动态阈值分割法将原始图像矩阵与平滑滤波后的图像矩阵进行亮度对比，由于该方法在提取麻板缺陷的同时有较多的噪声干扰，利用边缘检测的方法对麻板线条进行提取，调整canny算子参数，提取的线条不连续且未能将缺陷区域全部提取出，因此本文算法在线条提取的完整性与降噪方面效果均较为理想。

对上述检测结果中存在误检的图像进行分析，观察发现如图5所示的误检的冰勺均为表面存在较深的纹理且纹理聚集密集，这种现象主要是木材在自然生长过程中形成的。通过本文的算法检测纹理均被提取出来，且纹理的密集程度达到了麻板缺陷纹理的密集程度，从而被误检为缺陷。

5结论

针对冰勺表面存在麻板纹理和木纤维纹理难以区分的问题，本文提出了基于Hessian矩阵和垂直投影的麻板缺陷检测方法，建立了特征提取模型，详细阐述了算法原理并定义了算法性能的评价指标。利用厂家的实际生产环境建立了实验测试图库并根据厂家的实际测试要求对算法的关键性参数进行设置。利用自建图库对本文提出的算法进行测试，并对测试结果进行分析。测试结果表明，本文提出的算法在漏检率为0的情况下，误检率达到3.2%，证实了了本文算法的有效性;与其他算法相比，本文的漏检率下降了15.2%，这样的性能提升表明本文提出的算法有较大优势，对冰勺表面麻板缺陷检测具有重要的意义。