[發(fā)明專利]一種基于深度學習的木料優(yōu)選鋸智能檢測方法

在審

• 申請?zhí)枺?/td>: 201811379843.1
• 申請日: 2018-11-19
• 公開（公告）號: CN109557104A
• 公開（公告）日: 2019-04-02
• 發(fā)明（設計）人: 李保菊;邵明偉;李正春
• 申請（專利權(quán)）人: 臨沂眾為智能科技有限公司;邵明偉;李正春
• 主分類號: G01N21/89
• 分類號: G01N21/89;G06N3/04
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 季英健

本發(fā)明涉及木業(yè)自動化技術(shù)，提供一種基于深度學習的木料優(yōu)選鋸智能檢測方法，由圖像處理和深度學習的相關(guān)算法，自動對缺陷和木材等級進行識別，確定缺陷和木材等級的實際位置，進而由相關(guān)計算原則確定最終的切除列表，傳遞給動作執(zhí)行機構(gòu)對木材進行切除。本發(fā)明可完成優(yōu)選鋸中木料缺陷的剔除和等級的分類任務，且無需人工干預，完全實現(xiàn)無人值守操作，自動化程度高，容錯性強，可提高木料的加工效率，提高行業(yè)的自動化水平。

技術(shù)領域

本發(fā)明屬于木業(yè)自動化技術(shù)，具體涉及一種基于深度學習的木料優(yōu)選鋸智能檢測方法。

背景技術(shù)

在木料加工行業(yè)，需要對木材的優(yōu)劣進行判斷，以發(fā)揮木材的最大價值，其中，木材缺陷剔除和木材的等級分類是不可或缺的兩個部分。兩者的工作效率和準確程度直接關(guān)系到木料的出材效率。在這種情況下，一種名為優(yōu)選鋸的機械自動化設備應運而生。典型的優(yōu)選鋸主要由兩部分組成，即工業(yè)控制系統(tǒng)和機械執(zhí)行機構(gòu)。優(yōu)選鋸的基本工作流程如下：首先，由工人根據(jù)木材的等級和缺陷的位置在木材表面用特制的熒光筆劃線，劃線的位置即木材需要截斷的位置；其次，木材由傳動機構(gòu)通過熒光探測器，由熒光探測器確定熒光線的位置，并將信號傳遞給工業(yè)控制系統(tǒng)。工業(yè)控制系統(tǒng)確定木材截取位置后根據(jù)不同的規(guī)則(如等級優(yōu)選，長度優(yōu)選，價值優(yōu)選等)對木材的最終切除位置進行計算，并將最終切除位置列表傳遞給機械執(zhí)行機構(gòu)，由機械執(zhí)行機構(gòu)對木材進行切除。由于電動旋轉(zhuǎn)鋸鋸片位置和熒光探測器的位置固定且事先精確已知，在木材自熒光探測到木材位置開始向鋸片方向移動相應距離后進行切除，即可在劃線位置進行準確的切除。

典型優(yōu)選鋸的出現(xiàn)，使得木材的出材率提高，并大大降低了人工成本，提高了工人工作的安全系數(shù)。但是，典型的優(yōu)選鋸并未實現(xiàn)完全的自動化生產(chǎn)，在工作過程中，仍然需要幾名工人對木材進行劃線。特別是當木材較為笨重的時候，該操作就變得更加困難。

另一方面，工人長期工作后不可避免的會出現(xiàn)視覺疲勞，進而對木材準確位置的識別出現(xiàn)偏差。在這種情況下，典型的優(yōu)選鋸并不能提高木材的出材效率，降低人工成本。

發(fā)明內(nèi)容

本發(fā)明提出一種基于深度學習的優(yōu)選鋸智能檢測方法，由圖像處理和深度學習的相關(guān)算法，自動對缺陷和木材等級進行識別，確定缺陷和木材等級的實際位置，進而由相關(guān)計算原則確定最終的切除列表，傳遞給動作執(zhí)行機構(gòu)對木材進行切除。

本發(fā)明的技術(shù)方案包括以下步驟：

(1)將需檢測木料置于動力傳輸機構(gòu)上，并確保木料能夠在傳送帶上沿正常測量方向傳送；

(2)木料通過優(yōu)選鋸視覺檢測系統(tǒng)，并確保木材能夠在視覺檢測系統(tǒng)中成清晰的像，當木料通過視覺檢測系統(tǒng)后，會得到一系列木料圖像；

(3)由充足的圖像樣本預先訓練得到的用于區(qū)分缺陷木材圖像和無缺陷木材圖像的分類網(wǎng)絡，對獲取得到的木料圖像進行目標檢測，確定木料缺陷在圖像中的位置；

(4)由充足的圖像樣本預先訓練得到的木料等級分類網(wǎng)絡對除步驟3外的無缺陷木料圖像進行檢測，確定木料圖像中等級分類臨界線在圖像中的位置。

(5)由圖像坐標與物理坐標之間的單應關(guān)系，即可由步驟(3) 和步驟(4)中的圖像位置，確定需截斷位置的物理坐標，進而確定整個木料截斷位置的清單；

(6)將木料截斷位置的清單傳送到動力執(zhí)行機構(gòu)，由動力執(zhí)行結(jié)構(gòu)在木料相應的位置進行截斷，實現(xiàn)對木料缺陷的剔除和等級的分類。

為了減少測量環(huán)境對視覺檢測系統(tǒng)的影響，步驟2還包括對捕捉到的木材圖像進行感興趣區(qū)域分割。

優(yōu)選的，所述步驟2中還包括圖像預處理，圖像預處理算法采用形態(tài)學算法。

為了獲得輸出值，需要對對經(jīng)過預處理的圖像進行特征提取，所述步驟2還包括對捕捉到的木材圖像進行卷積操作。