2024年3月29日发(作者：)
第
49
卷第
2
期
2021
年
2
月
林业机械与木工设备
Vol
49
No.
2
FORESTRY
MACHINERY
&
WOODWORKING
EQUIPMENT
Feb.
2021
研究与设计
木地板表面死节缺陷图像检测方法
陆俊羽
，
郭康乐
，
严
飞
，
马骁昱
，程玉柱
(南京林业大学机械电子工程学院
，
江苏南京
210037)
摘要:针对室内装饰实木地板表面死节缺陷
，
提出一种基于多通道大津法
(
Otsu)
与加权
Chan-Vese
(CV)
模型的实木地板死节缺陷图像检测算法
。
首先
，
输入
RGB
彩色图像并提取
R
、
G
、
B
三颜色通道
，
分别对
三通道进行
Otsu
阈值分割
，将三通道二值图进行或运算
，
得到初始水平集
；
然后
，
将三通道的数据项进行加
权
，
与正则化项一起构成能量泛函
，
进行曲线演化
；
最后
，
采用加权
CV
模型进行水平集迭代计算
,
得到木地板
死节缺陷
。
试验结果表明
，
提出的算法能充分利用各通道的优点
，
提高分割效果
。
关键词
：
实木地板;死节缺陷
；
Otsu
；
加权
CV
分割
中图分类号:
TP391.41
文献标识码:
A
文章编号
：
2095
-2953(2021)02
-0044
-05
Detection
Method
of
Wood
Floor
Surface
Dead
Knot
Defect
Images
LU
Jun-yu,
GUO
Kang-le,
YAN
Fei,
MA
Xiao-yu,
CHENG
Yu-zhu
(
College
of
Mechanical
and
Electronic
Engineering
,
Nanjing
Forestry
University
,
Nanjing
Jiangsu
210037,
China)
Abstract
:
Aiming
at
the
surface
dead
knot
defects
of
solid
wood
flooring
for
interior
decoration
,
an
wood
floor
dead
knot
defect
image
detection
algorithm
based
on
Otsu
and
CV
model
was
proposed.
First,the
RGB
color
image
was
in
put
and
R
,
G
,
B
three-color
channels
were
extracted
respectively
,
and
segmented
by
Otsu
threshold
method
,
then
the
three
channel
binary
images
were
OR
operated
,
the
initial
level
set
was
gained.
Then
,
the
data
items
of
the
three
channels
were
weighted
to
form
the
energy
functional
together
w
让
h
the
regularization
items
,
followed
by
curve
evolu
tion.
Finally
,
the
weighted
CV
model
was
used
to
calculate
the
level
set
iteratively
,
and
the
dead
knot
defects
of
wood
floor
were
obtained.
The
test
results
show
that
the
proposed
algorithm
can
make
full
use
of
the
advantages
of
each
channel
and
improve
the
segmentation
effect.
Key
words
：
solid
wood
floor
；
dead
knot
defect
；
Otsu
；
weighted
CV
segmentation
室内家庭装修中
，
地板是重要的主材之一
。地
目前的简易手段之一
。
实木表面缺陷图像分割是该
技术中的难点
，
实木地板表面的花纹会使图像的分
割质量下降目前
，
在实木地板上主要利用图
像灰度化
、
二值化等
，
句对表面缺陷图像进行分割
。
板表面质量的好坏直接影响家装的质量和美观
。
地
板主要分为实木地板和复合地板
，
而实木地板中节
子是存在的重要缺陷之一
。
提高实木地板检测效率
可通过对实木地板中死节缺陷的大小及位置自动检
主动轮廓图像分割算法之一的
CV
模型
「
7]
,
已在农林
图像等图像分割中被广泛应用
，
而且此算法还在不
测来实现
，
而且有助于降低人工劳动强度
。
采用机
器视觉和图像处理的算法实现实木地板缺陷检测是
断完善中囘
。
otsu
是一种阈值算法,根据类间方差
收稿日期
=2020-09-13
第一作者简介
：
陆俊羽
（
2000
-
）,
男
，本科生
，
研究方向为林业图像分割与识别
，
：
1978600171
@qq.
com
。
第
2
期
陆俊羽
,
等:木地板表面死节缺陷图像检测方法
45
最大化准则
，
寻找图像最优阈值
，
实现图像分割
。
本
文针对实木地板表面中有复杂花纹情况提出一种基
1.
2
Otsu
最大类间方差法为著名的
Otsu
算法,其是由日
于
Otsu
与加权
CV
模型的检测算法进行木材死节缺
陷图像分割
,
完成实木地板缺陷提取
。
本学者大散
Nobuyuki)
于
1979
年提出的
，
是一种自
动化的阈值确定方法
。
这个算法通过设定阈值与图
像像素点进行比较从而将图像分成前景和背景多个
1
检测算法
1.1
加权主动轮廓模型
本文将大津法
(
Otsu)
与加权无边区域主动轮廓
模型
(ACM)
相结合
，
提出一种
Otsu
初次分割与加权
ACM
最终分割的组合检测方法
,
能解决家庭装饰物
区域
，
然后通过定义这多个区域区分度最大的阈值
即为所求的最佳阈值
。
定义组内方差
，
使得组内方
差最大
：
wc
2
(f)
=
£
0
(
f
)
(«0
-
a,)
2
+
£0)
(
5
-
a
』
中木质地板表面的节子缺陷自动检测问题
，
提高了
检测效率
，
算法流程图如图
1
所示
。
首先
，
在室内木
(1)
取输出值
0
=
l/ztc
2
(t)
，
通过选择输出值
0
最小
地板表面上采集节子缺陷
RGB
彩色图像
，
然后进行
灰度图提取
RGB
彩图
，
对三通道灰度图分别进行
Otsu
分割
,
得到加权分割结果
,
并确定水平集同时获
化的阈值
t
即为优化解,其中
：
E
o
(
t)
=
i
=
Ot
-
1S(
r)
,
E[(t)
=
i
=
tL
-
1S(i)
(2)
得初始分割
，
然后通过加权的
ACV
模型进行演化并
最终确定木地板死节缺陷
。
其中伦
(
t)
为分类后像素值小于等于
t
的所有像
素点数占图像的百分比均⑴为像素值大于/的所有
像素点数占图像的百分比
，
用靳来表示直方图的各个
分量
。
图像中所有像素平均值
a
t
=1
=
1
256
富,
a
。
为
分开后图像中像素值小于等于
t
的所有像素点的平均
灰度,％为分开后图像中像素值大于/的所有像素平
均灰度
。
1.3
主动轮廓模型
主动轮廓模型
(
ACM)
已经用于图像和视频的分
割和检测中,主要分为边缘型和区域型两大类
。
边缘
型侧重为灰度边缘检测,检测像素值的跳变
。
区域型
侧重于区域的均值和方差参数的计算
。
因此,两种类
型都有自己的优缺点
,
边缘型敏感于噪声
,
区域型弱
于非均匀性分割
。
有很多改进将边缘和区域相结合
使用
，
将全局和局域进行组合
，
提高算法性能
。
CV
模
图
1
算法流程图
型是无轮廓区域的模型，
定义曲线运动能量
：
E
cv
(
C,c
1
,c
2
)
=
a
•
length
(
C
)
+
0
•
area(
inside(C))
+
Ti
Jinside^C)
u
-
c,
^dx
+
y
2
〕
outside
(C)
u
-
c2
2
dx,x
e
H
(3)
最小化能量泛函
：
d = 8( ▽ 。 ▽切 - /3 - - c A ) 2 + y 2 ( u ~ c 2) 2 c i (?>) (4) == 血( 1 通常 =1, 丁 2 =1 ， 可人工预先设 大方差的隐含分割阈值 。 假定目标水平集为正值, 定,也可以最优化求解得到心与 C2 为目标和背景的 均值, “ 为灰度图像 W 为水平集 。 CV 模型与 Otsu 背景水平集值为负 ， 当像素值接近目标均值时 ， 水平 集演化是朝着正值移动 ， 当像数值属于背景值时 , 演 是不同的算法 ， 有各自的特点 , Otsu 是求不同类的组 化朝着负值移动 。 曲线演化主要由数据项控制 ， 正 内均值与总均值的方差之和最大所对应的阈值; CV 则化保持曲面局部光滑 ， 提高演化精度 。 两种方法 有相似之处 , 手段不同 ，本质等价 。 模型是构建方差泛函 ， 使得泛函最小时 ， 求解对应最 46 林业机械与木工设备 (4) 得到 ： 第 49 卷 1.4 加权 CV 模型 CV 模型通常是对灰度图进行处理 ， 将 RGB 三 d ( pdt = 8( div ( V^> V^>) - ( u - Cj ) 2 + ( u _ c? ) (5) 通道的数据项进行加权 ， 再与正则化项求和 ， 得到总 进一步拓展至三通道 ， 得到水平集进化: 的能量值 。 首先令 a = 1,0 =0, 力 =1 =1, 简化式 dcpdt = 8( ( p)div( V^>V^o) - X.R(k * u - c 1 R) 2 + XR(k * u - c 2 R) 2 - AG( k * u - c 1 G) 2 + AG( k * u - c 2 G) 2 - XB(k * u - CjB) 2 + XB(k * u - c 2 B')2c 1 I( ( p') = QIH(a>)dnf2H( 2 I(a>) = 12/(1 - H( - H( (6) 式中:肱 、入 GJP 为三通道数据项的权重值; cj 为各 通道目标均值 ； c/ 、 qG 、 c/,cJ 为各通道背景均值; c 2 R^ 2G^c 2 B,k 为卷积核 。 其中 ， 如何选择最优的权 重值是算法的关键 。 2 木地板节子缺陷图像检测 地板是室内装修时需要选用的主材之一 ， 通常 有实木地板和复合地板 ， 其中实木地板利用实木加 工而成 ， 价格贵且板材本身就存在一定的缺陷 ， 最常 见的节子缺陷包括活节 、 死节等 。 针对室内木地板 死节缺陷 ， 选取两张死节缺陷图像进行检测 。 otsu 初始分割 、 RGB 彩图经三通道分解、 加权 CV 图像分 割等取得缺陷最终检测结果 。 图 2 是木地板死节缺 陷的彩图 ， 可以看出 ， 实木地板图片中死节目标非常 明显 ， 图 2(a) 有一个大的死节目标 ， 但目标和背景 差异不大 ， 且节子周围和背景地板存在过渡带 ； 图 2 (b) 有 1 个死节目标 ， 目标和背景差异明显,但是地 板具有一些花纹,使得对图像分割的难度加大 ，阙值 法不能一次性完成对权限目标的提取 。 (a) 深色节 (b) 浅色节 图 2 木地板死节缺陷 2. 1 Otsu 初始分割 将彩图 2 进行三通道分解 ， 分别得到 R 通道 、 G 通道 、 B 通道 ， 然后对三通道进行 Otsu 分割，用函数 graythresh 实现分割阈值 ， 用 imbinarize 函数获取二值 图 。 图 3 为图像 Otsu 三通道分割图 ， 第一列为 R 通 道分割图 ， 第二列为 G 通道分割图 ， 第三列为 B 通道 分割图 。 第一行为图 2 中第一幅图对应的三通道分 割图 ， 第二行为图 2 中第二幅图对应的三通道分割 图 。 从图中可以看出 ，地板的深色花纹与节子的像 素值接近时会产生误分割 。 (a)R 通道 ( b)G 通道 (e)B 通道 图 3 Otsu 初始分割图 2.2 单通道 CV 分割 为了与 CV 模型进行比较 ， 将彩图 2 进行三通道 分解 , 分别得到 R 通道 、 G 通道 、 B 通道 ，然后对三通 道进行 CV 模型分割 ， 用函数 activecontour 实现分 割,获取二值图 。 图 4 为图像三通道 CV 模型分割 图 ， 第一列为 R 通道分割图 ， 第二列为 G 通道分割 图 ， 第三列为 B 通道分割图 。 第一行为图 2 中第一 幅图对应的三通道分割图 ， 第二行为图 2 中第二幅 图对应的三通道分割图 。 从图中可以看出 ， 地板的 深色花纹与节子的像素值接近时会产生误分割 , 但 CV 模型的分割效果优于 Otsu 。 2.3 加权 CV 分割 式 ( 1) 和式 (2) 处理结果如图 3 所示,将 RGB 三 通道的二值图求或 ， 得到初始水平集 ， 作为 Mask, 利 用代入到式 ( 8) 进行计算 ， 最终得到测试结果 , 如图 5 所示 。 左上图为对应图 2 第一幅图分割图,左下图 第 2 期 陆俊羽 , 等:木地板表面死节缺陷图像检测方法 47 对应图 2 第一幅图分割图 ， 右上图和右下图分别为 两幅图的参考标准图 ，由人工分割 。 (a)R 通道 (b) G 通道 (e)B 通道 图 4 分割结果 (a) 测试结果 ( b) 参考标准 图 5 分割结果及人工参考标准 3 结果分析 为了对图像分割质量进行精确评估 ， 已有监督 客观评价方法 ， 对理想目标施行人工分割 s ⑴ ， 以人 工为对照组 ， 如图 5(b) 。 利用 Matlab2019 软件的三 个评价函数来实现计算 ， 三函数为 Jaccard 、 Dice 、 Bf- score, 定义为 ： JAC 相似度定义为 ： JAC = TPTP + FP + FN x 100% (7) Dice 定义为 ： Dice = 2 x TP2 * TP + FP + FN x 100% (8) BFScore 定义为 ： BFScore 二 2 * precision * recallrecall + precision x 100% (9) 式中: TP 为判断正确的正像素， TN 为判断正确的负 像素, FP 为判断错误的负像素, F7V 判断错误的正像 素 , precision 为精确率 , recall 为召回率 。 利用式 (7) ~式( 9) 对图 3~5 进行计算,分别得 到 Otsu 方法 、 CV 方法 、 加权 CV 方法的性能指标值, 见表 1 、 表 2 和表 3 。 表 1 Otsu 分割 Otsu/% JAC Dice BFScore R 通道 95.81 97.86 92. 75 深色节 G 通道 95.81 97.86 92. 75 B 通道 95.81 97.86 92. 75 R 通道 91.26 95. 43 95. 34 浅色节 G 通道 91.26 95. 43 95. 34 B 通道 91.26 95. 43 95. 34 平均值 93. 535 96. 645 94. 045 表 2 CV 分割 CV/% JAC Dice BFScore R 通道 96. 47 98. 20 96. 34 深色节 G 通道 96. 47 9 & 20 96. 34 B 通道 96. 47 98. 20 96. 34 R 通道 92. 47 96. 09 95. 94 浅色节 G 通道 92. 47 96. 09 95. 94 B 通道 92. 47 96. 09 95. 94 平均值 94. 47 97.145 96. 14 表 3 加权 CV 分割 加权 CV/% JAC Dice BFScore 深色节 通道 92. 13 95. 25 99. 34 浅色节 通道 98.59 99. 29 97.60 平均值 95.36 97.27 9 & 47 Otsu 的平均值 JAC 为 93.535% 、 Dice 为 96. 645% 、 BFScore 为 94. 045% ； CV 的平均值 JAC 为 94. 47% 、 Dice 为 97. 145% 、 BFScore 为 96. 14% ； 加 权 CV 的平均值 JAC 为 95. 36% 、 Dice 为 97. 27% 、 BFScore 为 98. 47% 。 CV 方法优于 Otsu 方法 ， 更能 检测出地板死节 ， 利用加权的思想 ， 可以进一步改进 CV 模型 [12 -14] , 加权 CV 方法优于 Otsu 和 CV 方 法 4 切 o 如何选取最优权重兀 、 仏 、 兀是加权算法 的关键 ， 当忑= 1 、 入( ； = 0 、 為 =0, 模型退化为 R 通道 CV 分割 ； 当兀 =0 、 屁 = 1 、 心 =0, 模型退化为 G 通 道 CV 分割； 当忑 = 0 、 屁 = 0 、 為 = 1, 模型退化为 B 通道 CV 分割 。 试验表明 R 通道的分割性能优于 G 通道和 B 通道 ， 因此如何确定最优的比重是此研究 48 林业机械与木工设备 第 49 卷 的难点和重点 。 fects based on particle swarm-genetic hybrid algorithm [ C ] // Inter national Conference on Audio , Language and Image Processing. 4 小结 [8] IEEE,2017 ： 375 -379. Khadidos A, Sanchez V, Li C T. Weighted Level Set Evolution (1) 多通道分解与 Otsu 能有效地粗定位待分割 Based on Local Edge Features for Medical Image Segmentat- ion[ J] . IEEE Transactions on Image Processing, 2017,26 ( 4 ) ： 1979 -1991. [9] 的室内装修中木地板节子 ， 为家装木地板缺陷图像 检测提供一个有效的预定位方法 。 (2) 将加权的思想用于 RGB 彩色图像三通道是 周宇 ， 周仲凯,于音什 ， 等•基于 RCDA 的家具表面死节缺陷图 像分割林业机械与木工设备 ,2019,47(8):8 -11. 顾权,李赵春.基于稀疏表示分类的家具表面缺陷检测 [ J] • 家 具 ,2019,40(2):112-116. 可行的 ， 能进一步提升 CV 模型的分割能力,通过选 [10] 择不同的权重实现木地板的死节图像分割功能 。 (3) 提出的算法检测功能性强 ， 可达成自动化分 [11] 孙绩婷 ， 戚大伟•基于图像融合的竹塑复合材内部缺陷边缘检 割 ， 图像分割性能较高 。 利用自然启发优化算法全 自动确定权重是今后的研究方向 。 参考文献 ： [1] 测研究 [J ] •森林工程 ,2019,35(3) ： 36 -40. [12] 张浩然 ， 东佳毅 ， 张岱 ， 等•木材节子缺陷图像分割方法比较研 究 [ J ] •林业机械与木工设备 ,2020,48(8) ： 22 -26 + 34. 段文彤•我国家具质量与检测技术水平综合分析 [J]. 家具, 2008(2) ： 41 -45. [13] 丁奉龙 ， 刘英 ， 贺婷 ， 等•人工智能在木材加工中的应用 [J/ 0L] . 世界林业研究 ： 1-6 [ 2020-09-13 ]. https : // doi. org/ [2] 朱长岭•中国家具业的现状与 2017 中国家具协会工作重 点 [J] •家具与室内装饰 ,2017(1) ： 6-7. 李丽,张金玉.木材表面缺陷图像特征提取方法的研究 [ J ]. 木 10. 13348/j. cnki. sjlyyj. 2020. 0050. y. [14] 李若尘 ， 朱悠翔,孙卫民 ， 等•基于深度学习的木材缺陷图像的 识别与定位 [J] • 数据采集与处理 ,2020,35(3) ： 494 -505. [3] 材加工机械 ,2011,22(2):9 -14. [4] [15] 陈献明 ， 王阿川 ， 王春艳.基于深度学习的木材表面缺陷图像 检测 [J] •液晶与显示 ,2019,34(9):879 -887. 李敏秀 ， 刘国宏.木制家具平开门设计中暗较链参数的分析与 应用 [ J] • 林产工业 ,2019,46(2) ： 59 -63. 张豪 ， 赵小矛.基于机器视觉的家具零件精度检测系统探 究 [J]. 家具与室内装饰 ,2017(4) ： 86 -88. 邓格求 ， 余鸿发 ， 吕叶香 ， 等•手持显微镜在红木家具木种无损 [16] [5] 检测中的应用 [J]. 家具与室内装饰 ,2016(9):16-19. [6] [ 17 ] 王红军 , 黎邹邹 , 邹湘军.基于 Adaboost 与 CNN 的木材表面缺 袁雯雯 ， 姜树海,史晨辉.基于改进 GMM 算法的林火烟雾识别 研究 [Jh 火灾科学 ,2019,28(3):149 -155. Ke Z N,Zhao Q J , Huang C H,et al. Detection of wood surface de 陷检测 [J]. 系统仿真学报 ,2019,31(8) ： 1636 -1645. (责任编辑王琦) [7] (上接第 43 页) (2) 分析籽粒切向受力 ， 当入射角比较大时 ， 除 [7] 任述光 ， 陈赛 ， 吴明亮 ， 等•小型油菜联合收获机双风道气流清 选装置的设计与试验 [J]. 湖南农业大学学报 ： 自然科学版 ， 2020(4) ： 472 -479. [ 8 ] 董海龙.旱寒区油菜联合收获机脱粒分离装置的设计 [ D ]. 兰 了法向作用形成应力裂纹外 ， 碰撞过程中切向作用 力的最大值超过籽粒壳的极限拉力时 , 籽粒壳将被 撕裂 ， 形成外部损伤 。 (3) 确定用 D 啦评价籽粒外部损伤 ， 用 0 〃评价内 州 ： 甘肃农业大学 ,2020. [9] 张本华•理论力学 [ M] . 2 版.北京 ： 中国农业出版社 ,2016. Ma Ni,Zhang Chunlei,Li Jun , et al. Mechanical harvesting effects on seed yield loss,quality traits and profitability of winter oilseed [10] 部损伤 ， 用标准损伤指数增量人 0 评价脱粒分离装 置对籽粒的损伤程度 。 参考文献 ： [1] rape J ]. Journal of Integrative Agriculture, 2012,11 ( 8 ) ： 1297 -1304. [11] 孙进 ， 李耀明,徐立章•油菜联合收割机清选装置研究动态和 技术分析 [ J] • 农机化研究 ,2006(6) ： 62 -64. 张彬 ， 张礼钢,沐森林 ， 等•我国油菜机械化收获现状及发展方 向 [Jh 中国农机化 ,2008(6) ： 69 -71. [12] 王朕 ， 黄浩 ， 易应武 ， 等•小型油菜联合收割机吹禾气流管道结 构优化设计与试验 [J]. 中国农机化学报 ,2020,41(9) ： 16 -24. [2] 艾姝智•油菜机械化联合收获问题思考 [ J] . 农村经济与科技 ， 2018,29(13) ： 87 -88. [ 13 ] 冉军辉 ，沐森林,李海同 ， 等.油菜联合收获机往复式双动割刀行星 [3] 吴福良•多功能油菜联合收获机的现状及发展方向 [J]. 农业装 轮驱动器设计与试验 [J] - 农业工程学报 ,2020,36 ⑼ ： 17-25. [14] 备与车辆工程 ,2007(4):3 -5. [4] 苏宁 ， 郭克君,吴立国 ， 等•基于正交试验的新型反拉式芒麻剥 麻机参数优选 [JJ- 林产工业 ,2019,56 (12) ： 38 - 42. 陈旭,吴崇友 ， 张敏•我国油菜联合收割机发展现状及趋势分 析 [Jh 中国农机化学报 ,2018,39(10) ： 28 -31. [5] [15] 王刚 ， 关卓怀,沐森林 ， 等•油菜联合收获机种子籽粒脱粒装置 结构及运行参数优化 [J]. 农业工程学报 ,2017,33(24)=52 -57. 黄小毛 ， 宗望远•油菜联合收获的研究现状及发展趋势 [ J] . 农 业工程 ,2012,2(1):14-19. [6] 董海龙 ， 张克平 ， 张鹏 ， 等.旱寒区油菜收获技术研究现状及展 (责任编辑王琦) 望 [Jh 中国农机化学报 ,2018,39(12) ： 25 -29.
更多推荐
图像,分割,缺陷,检测,木地板,死节
发布评论