收藏本站
《福建农林大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于机器视觉竹条缺陷识别技术研究

卢秋芬  
【摘要】:竹集成材生产过程中需对竹条进行分拣,剔除不合格竹条,并将合格竹条按颜色分级,以满足竹集成材生产要求。不合格竹条是指有虫孔、霉变、腐朽、留青、留黄、开裂等缺陷的竹条。当前竹条分拣任务主要由人工完成,生产效率低、成本高。本文基于机器视觉技术研究竹条缺陷特征参数及缺陷判断与识别方法,以实现竹条分拣分级自动化,加快竹集成材生产过程自动化进程,提高产品质量,降低生产成本。本研究采用工业相机设计竹条图像采集系统,采集竹条弦面图像,并采用数字图像滤波、均衡算法对竹条图像进行预处理,消除噪声,减少特征参数误差。对比分析各种竹条缺陷特征后,分别在颜色特征、纹理特征、频域幅值谱特征和数学形态学特征四个方面提取与分析竹条图像特征参数。通过分析对比缺陷竹条与无缺陷竹条的特征差异,选择了竹条图像色差一阶原点矩与二阶中心矩;灰度图像的一阶原点矩与二阶中心矩;灰度差分矩阵的均值、对比度、熵;灰度共生矩阵的对比度、熵、角二阶矩;频域幅值谱R_3C_(3-50)区域的均值、方差、熵;频域幅值谱R_(3-50)C_3区域的均值、方差和熵;连通区域宽度的最大值与平均值;连通区域长度的最大值与平均值;连通区域面积的最大值;连通区域周长的最大值;连通区域圆形度的最大值;最大连通区域的宽度和长度等25个参量作为竹条缺陷识别的特征参数。以筛选得到的25个特征参数,构建竹条缺陷识别特征向量。以竹条缺陷视觉识别特征向量为输入量、有无缺陷为输出量,建立竹条图像有无缺陷判断BP神经图络,经训练后竹条缺陷判别正确率超过98%。以竹条缺陷识别特征向量为输入量、缺陷类型为输出量,建立竹条图像缺陷类型识别BP神经图络,经训练学习后竹条表面图像缺陷类型识别率可达到91%以上。构建的竹条缺陷识别特征向量较全面描述了竹条缺陷特征,采用BP神经网络可有效地判断与识别竹条缺陷。
【学位授予单位】:福建农林大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TP391.41;S781.5

【参考文献】
中国期刊全文数据库 前10条
1 石炜;邵珠庆;李巍巍;;机器视觉在圆锥滚子轴承内圈外表面缺陷检测中的应用[J];机械设计与制造;2015年05期
2 彭铁根;何永辉;孙晨;;差厚打印线在镀锡带钢表面检测系统中的识别技术[J];宝钢技术;2015年02期
3 窦刚;陈广胜;赵鹏;;采用颜色纹理及光谱特征的木材树种分类识别[J];天津大学学报(自然科学与工程技术版);2015年02期
4 张富强;;不同截断长度对毛竹材利用率的影响[J];武夷科学;2014年00期
5 刘珉;;多角度解读第八次全国森林资源清查结果[J];林业经济;2014年05期
6 张巧玲;周洪伟;梁廷斌;仝雪艳;曾钦志;;不同立杆高度毛竹材弦切面的润湿性能研究[J];中国工程科学;2014年04期
7 严中俊;闫军威;;基于BP神经网络的冷水机组能效预测方法[J];制冷与空调(四川);2013年05期
8 孙娟;;基于BP神经网络的客户洗钱风险等级划分模型[J];金融电子化;2013年10期
9 吕宏丽;叶双;;基于BP神经网络的SVPWM控制系统仿真研究[J];唐山师范学院学报;2013年05期
10 窦爱霞;马宗晋;黄文丽;王晓青;袁小祥;;基于机载LiDAR和多光谱图像的建筑物震害自动识别方法[J];遥感信息;2013年04期
【共引文献】
中国期刊全文数据库 前9条
1 王秋芬;胡启蒙;吝亚杰;宇文杏;刘婷婷;白会聪;林胜男;;美国白蛾危害前后树木可溶性糖含量与抗虫性的关系[J];广东农业科学;2015年22期
2 郑雅娴;吕文华;许茂松;;树脂型无机硅酸盐浸渍改性人工林杉木的性能[J];木材工业;2015年06期
3 周璇;蔡盼盼;练斯甄;闫军威;;基于PSO-SVR的冷水机组运行能效预测模型研究[J];制冷学报;2015年05期
4 王秋芬;胡启蒙;吝亚杰;宇文杏;刘婷婷;白会聪;林胜男;;美国白蛾危害前后树木蛋白质含量与抗虫性关系[J];生态学杂志;2015年10期
5 龚直文;姚顺波;顾丽;;中国森林资源增长率区域结构与空间关联分析[J];林业经济;2015年09期
6 蔡盼盼;周璇;李利文;;基于支持向量回归机的离心式冷水机组运行能效模型研究[J];制冷与空调(四川);2015年03期
7 刘珉;郎晓娟;;森林财富观[J];林业经济;2015年06期
8 谢海涛;张智光;;基于目标-组织-过程框架的林业供应链协作特性分析——与制造业供应链比较[J];农林经济管理学报;2015年01期
9 曹鸿;李永强;牛路标;毛杰;闫阳阳;;基于机载LiDAR数据的建筑物点云提取[J];河南城建学院学报;2014年01期
【二级参考文献】
中国期刊全文数据库 前10条
1 彭铁根;何永辉;李兵虎;杨水山;宗德祥;;基于TDI成像技术的镀锡带钢表面质量在线检测系统研发[J];红外与激光工程;2014年01期
2 高伟;罗艳丽;甘卫星;覃琼林;黎小波;;竹材表面润湿性能研究[J];安徽农业科学;2012年35期
3 杨忠;江泽慧;吕斌;;红木的近红外光谱分析[J];光谱学与光谱分析;2012年09期
4 杨忠;吕斌;黄安民;刘亚娜;谢序勤;;近红外光谱技术快速识别针叶材和阔叶材的研究[J];光谱学与光谱分析;2012年07期
5 侯玲艳;赵荣军;任海青;安珍;;不同竹龄毛竹材表面颜色、润湿性及化学成分分析[J];南京林业大学学报(自然科学版);2012年02期
6 李威;张昌;;基于外在参数的冷水机组数学模型[J];制冷与空调;2011年06期
7 宋孝金;刘晓辉;;竹材的工业化利用[J];林业科技;2011年06期
8 于海洋;程钢;张育民;卢小平;;基于LiDAR和航空影像的地震灾害倒塌建筑物信息提取[J];国土资源遥感;2011年03期
9 赵高长;张磊;武风波;;改进的中值滤波算法在图像去噪中的应用[J];应用光学;2011年04期
10 任一萍;王正;高黎;常亮;;偶联剂对竹材表面润湿性及胶合强度的影响[J];粘接;2011年07期
【相似文献】
中国期刊全文数据库 前10条
1 赵万民;曾德文;;荧光磁粉探伤缺陷识别系统的研究现状与关键技术[J];铁道机车车辆工人;2008年08期
2 柳春图,陈卫江;缺陷识别反问题的研究状况与若干进展[J];力学进展;1998年03期
3 王力;周志杰;胡昌华;刘涛源;;基于置信规则和证据推理的超声检测缺陷识别[J];中国测试;2017年04期
4 张毅刚;建筑结构缺陷识别与计算机应用[J];工程设计CAD与智能建筑;1999年12期
5 韩宏峰;罗羿隆;相克磊;徐毅蒙;;基于机器学习的软件缺陷识别的必要性[J];电脑知识与技术;2017年25期
6 刘金海;付明芮;唐建华;;基于漏磁内检测的缺陷识别方法[J];仪器仪表学报;2016年11期
7 李刚;;平板玻璃缺陷识别系统设计[J];重庆科技学院学报(自然科学版);2017年02期
8 赵冬;;内控缺陷识别框架的初探[J];商业文化(上半月);2011年12期
9 邝泳聪;欧阳高飞;杨锦荣;谢宏威;洪始良;;基于决策树自动构造的组装缺陷识别[J];制造业自动化;2009年08期
10 李勇;;X射线图像缺陷识别的特征参数选择及其识别[J];无线互联科技;2012年11期
中国重要会议论文全文数据库 前10条
1 张毅刚;;结构缺陷识别的线性规划法[A];中国土木工程学会计算机应用分会第七届年会论文集[C];1999年
2 张毅刚;;结构缺陷识别的线性规划法[A];中国土木工程学会计算机应用分会第七届年会土木工程计算机应用文集[C];1999年
3 尚钢;陈立耀;李卓球;王建平;;神经网络在梁体结构缺陷识别中的应用[A];第七届全国结构工程学术会议论文集(第Ⅰ卷)[C];1998年
4 张潜;高立群;王贞祥;;基于小波分析的板型缺陷识别方法[A];管理科学与系统科学研究新进展——第6届全国青年管理科学与系统科学学术会议暨中国科协第4届青年学术年会卫星会议论文集[C];2001年
5 张毅刚;;结构缺陷识别的参数判定法[A];面向21世纪的科技进步与社会经济发展(下册)[C];1999年
6 原培新;孙丽娜;;基于图像处理的X射线胶片缺陷识别[A];2007'中国仪器仪表与测控技术交流大会论文集(二)[C];2007年
7 戴飞虎;;特厚板AUT典型缺陷识别[A];第八届(2011)中国钢铁年会论文集[C];2011年
8 戴飞虎;;特厚板AUT典型缺陷识别[A];2011年全国中厚板生产技术交流会论文集[C];2011年
9 陆斌;;X光实时连锁检测在铸件零缺陷战略中的应用[A];中国铸造行业第五届高层论坛论文集[C];2011年
10 贺笛;徐科;孙金胜;;深度学习在中厚板表面缺陷识别中的应用[A];第十一届中国钢铁年会论文集——S18.冶金自动化与智能管控[C];2017年
中国重要报纸全文数据库 前1条
1 田恬;我国管道漏磁检测技术缺陷识别可信度达90%[N];中国安全生产报;2005年
中国博士学位论文全文数据库 前10条
1 梁浩;基于目标定位与光谱技术的实木板材表面缺陷识别研究[D];东北林业大学;2017年
2 赵向阳;基于神经网络的钢板表面缺陷识别若干问题的研究[D];大连理工大学;2006年
3 陈恺;集成电路芯片表面缺陷视觉检测关键技术研究[D];东南大学;2016年
4 詹湘琳;超声相控阵油气管道环焊缝缺陷检测技术的研究[D];天津大学;2007年
5 佟彤;基于X射线图像的焊缝缺陷检测与识别研究[D];上海交通大学;2014年
6 周鹏;基于多信息融合的高温铸坯表面缺陷在线检测方法[D];北京科技大学;2015年
7 李长乐;冷轧带钢表面缺陷图像检测关键技术的研究[D];哈尔滨工业大学;2009年
8 冯志红;大型锻件超声检测方法及信号处理算法研究[D];天津工业大学;2016年
9 何赟泽;电磁无损检测缺陷识别与评估新方法研究[D];国防科学技术大学;2012年
10 梁巍;管道缺陷检测中超声信号稀疏解卷积及稀疏压缩方法的研究[D];上海交通大学;2008年
中国硕士学位论文全文数据库 前10条
1 卢秋芬;基于机器视觉竹条缺陷识别技术研究[D];福建农林大学;2019年
2 王景林;ACFM技术的缺陷识别与量化反演系统设计及试验[D];南昌航空大学;2019年
3 徐国辉;基于探地雷达的城市道路隐伏缺陷识别及治理对策研究[D];河北经贸大学;2019年
4 海潮;基于深度学习的红枣缺陷识别技术研究[D];郑州大学;2019年
5 赵峰;基于涡流检测信号的国VI活塞喉口微细缺陷识别研究[D];山东大学;2019年
6 周咏;基于图像处理的钢轨表面缺陷识别研究[D];兰州交通大学;2018年
7 李衡;基于扭转波的桩基缺陷识别技术研究[D];哈尔滨工程大学;2018年
8 郝亚如;带钢表面缺陷的视觉识别方法研究[D];重庆交通大学;2018年
9 赵轶;基于迁移学习的硅钢钢带缺陷识别评级研究[D];东华大学;2018年
10 彭玉;饮料空瓶检测机器人的瓶口缺陷识别算法研究[D];湖南大学;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026