基于机器视觉的板材表面缺陷自动检测方法研究

木质板材的表面缺陷不仅直接影响该产品的外观和质量，而且是影响板材分等级的重要因素之一。木质板材的表面质量是评估板材质量的重要指标，同时也能反映加工方法的合理性。由于板材表面缺陷种类有多种，同类缺陷在大小和外观形态上也各有差异，这种检测方式，一方面容易受人为因素影响，无法避免错检、漏检等情况发生，从而影响板材的质量；另一方面，浪费了大量的人力、财力，提高了成本，降低了竞争优势，还浪费了宝贵的林木资源。本文提出利用工业机器视觉语言对板材表面缺陷自动检测方法。该检测方法采用一种新的改良算法,解决了板材图像的配准问题；通过综合人工神经网络、模糊技术和遗传算法，建立了一种混合智能模型，利用人工神经网络技术，实现板材的表面缺陷检测。同时，设计出一种自动检测板材表面缺陷装置，该装置还可以按产品等级进行分拣。这样大大降低生产成本，减少产品检测过程的人为干扰因素，实现产品生产高度自动化，提高产品质量，能够产生很好的社会和经济效益。

随着世界经济的快速发展，人们对板材资源的需求量越来越多，我国无论是对板材的生产还是消费都占有很大的市场。在国内需求方面，我国正在进行快速的建设，这需要占用大量的板材资源；在对外出口方面， 我国板材的出口不但是我国经济发展的重要支撑， 同时也为其他国家提供了丰富的板材资源。

由此可以看出，我国的板材产业处于一个十分重要的地位。然而，由于人们乱砍滥伐，过度使用森林资源，使得我国的森林覆盖率越来越小，这也引起了许多环境和气候的问题。面对诸多问题，在增强人们的环境保护意识、植树造林、绿化家园的同时更应该考虑如何利用新技术，加强对板材资源的利用。

目前， 木质板材是应用需求量最大的品种， 木质板材的表面缺陷不仅直接影响该产品的外观和质量， 而且是影响板材分等级和实现合理下锯的重要因素之一[1]。木质板材的表面质量是评估板材质量的重要指标，同时也能反映加工方法的合理性。因此对木质板材表面缺陷的检测和分类是非常重要的工作。在我国的木材生产领域，大部分生产还处在半机械甚至原始的人工生产状态，板材分选及产品分等主要依靠人工视觉与经验，根据板材的构造特性、颜色、色泽、纹理等来评价[2]。由于板材表面缺陷种类有多种，同类缺陷在大小和外观形态上也各有差异，这种检测方式一方面容易受人为因素影响，无法避免错检、漏检等情况的发生，从而影响板材的质量；另一方面，浪费了大量的人力、财力，提高了成本，降低了竞争优势，还浪费了宝贵的林木资源。