基于Python的木板條紋與顏色檢測(cè)系統(tǒng)

宋鈺青

（三峽大學(xué) 機(jī)械與動(dòng)力學(xué)院,湖北 宜昌443002）

0 引 言

木板條紋間距和顏色的色度色差會(huì)影響其美觀和商用價(jià)值。工廠在加工過(guò)程中需要將相近的木板歸為一類來(lái)進(jìn)行拼接，這一過(guò)程靠人工來(lái)分揀效率低、成本高，而在木板檢測(cè)中最常見(jiàn)的缺陷檢測(cè)[1-3]，主要針對(duì)木板上存在的死結(jié)、活結(jié)、蟲(chóng)蛀、裂縫等，對(duì)木板的條紋研究較少。故實(shí)現(xiàn)木板條紋間距與顏色分類的自動(dòng)化具有重大的意義。

工廠中的木板都是切割成形的木材，常見(jiàn)的都是方形，具有不同的長(zhǎng)度和寬度。而木板中的紋理在切割后會(huì)呈線性分布，形成條紋。目前最常見(jiàn)的算法是圖像增強(qiáng)、邊緣檢測(cè)、圖像分割算法。文獻(xiàn)[4]提出了一種基于TV濾波與FRC模型的木材年輪紋理檢測(cè)算法，采用V分量、TV濾波、FRC分割和形狀識(shí)別等方法實(shí)現(xiàn)紋理的提取。文獻(xiàn)[5]采用雙邊濾波增強(qiáng)圖像和改進(jìn)Canny算法提取紋理特征，克服傳統(tǒng)Canny算子對(duì)噪聲的敏感性。文獻(xiàn)[6]提出一種基于伯恩斯坦多項(xiàng)式一致逼近的多閾值圖像分割算法，克服圖像直方圖中毛刺的干擾帶來(lái)的算法不穩(wěn)定。木板條紋的檢測(cè)也可以通過(guò)Hough直線檢測(cè)和興趣點(diǎn)提取[7-8]，不過(guò)這僅適用于條紋清晰的木板。

木板顏色檢測(cè)的算法常用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等分類器對(duì)提取之后的顏色進(jìn)行分類[9-12]。文獻(xiàn)[13]通過(guò)提取木材的分布特征和相關(guān)關(guān)系，根據(jù)這些參數(shù)進(jìn)行聚類來(lái)實(shí)現(xiàn)木材的分類。這些提取眾多特征再進(jìn)行分類的算法比較復(fù)雜，運(yùn)行時(shí)間長(zhǎng)。

為了提高木板檢測(cè)的效率和速度，降低成本，本文在如何減少運(yùn)算量方面提供思路。

1 木板條紋和色度檢測(cè)方案設(shè)計(jì)

1.1 木板條紋和色度檢測(cè)分析

木板按條紋可分為：無(wú)條紋、有條紋。其中若無(wú)條紋或條紋間距中的絕大多數(shù)小于4 mm歸為條紋A（其中絕大多數(shù)指不小于總間距數(shù)的80%）；條紋間距中的絕大多數(shù)不小于4 mm，小于7 mm歸為條紋B；條紋間距中的絕大多數(shù)不小于7 mm則為條紋C。

木板按色度可分為：色度不均勻的、色度均勻偏深的、色度均勻偏淺的、色度均勻中色的。其中色度均勻偏淺的歸為色度a；色度不均勻的或色度均勻中色的歸為色度b；色度均勻偏深的歸為色度c。

條紋和色度分別有3類，將其組合排列共有9種類別，分別為Aa，Ab，Ac，Ba，Bb，Bc，Ca，Cb，Cc。

本系統(tǒng)分類依據(jù)的參數(shù)與人工分類依據(jù)的參數(shù)相同，而人眼在色度分類上需要通過(guò)比對(duì)另一塊木板才能判斷，極大影響了準(zhǔn)確度及效率，容易誤判。而對(duì)于同一塊木板運(yùn)行多次出現(xiàn)不同結(jié)果的概率，本系統(tǒng)較人工小。

1.2 系統(tǒng)檢測(cè)流程

該系統(tǒng)由紅外線傳感裝置、工業(yè)CCD攝像頭、計(jì)算機(jī)、光源、外罩、單片機(jī)、打標(biāo)機(jī)、傳送帶組成。該裝置運(yùn)行時(shí)，開(kāi)啟傳送帶，一旦紅外線檢測(cè)木板的進(jìn)入，圖像開(kāi)始識(shí)別處理，直到紅外線檢測(cè)木板退出，此時(shí)計(jì)算機(jī)通過(guò)串口將信號(hào)傳輸給單片機(jī)，單片機(jī)發(fā)出電流，打標(biāo)機(jī)打標(biāo)。流程圖如圖1所示。

圖1 過(guò)程流程圖

2 木板間距識(shí)別

本文采用主機(jī)CPU為Inter(R)Core(TM) i3-4130 3.40Ghz，內(nèi)存4.00 GB，操作系統(tǒng)為Windows 10旗艦版。開(kāi)發(fā)語(yǔ)言采用Python，結(jié)合OpenCV庫(kù)，實(shí)現(xiàn)圖像的檢測(cè)識(shí)別。

2.1 圖像分段和直方圖運(yùn)算

將讀入圖像的色彩空間轉(zhuǎn)為灰度圖，進(jìn)行均衡化來(lái)提高圖像對(duì)比度，再進(jìn)行高斯濾波來(lái)消減干擾的噪聲，最后對(duì)其每一列的灰度值進(jìn)行疊加，形成直方圖。該運(yùn)算是對(duì)灰度值進(jìn)行線性疊加，疊加效果如圖3所示，其原圖如圖2所示。

圖2 木板

圖3 灰度疊加直方圖

從圖2、圖3中可以看出，灰度值中越白其值越大，木板中條紋的紋路是較深的，所以在該直方圖中波谷代表?xiàng)l紋所在的位置。因此我們要找出波谷的具體位置。同時(shí)為了提高條紋檢測(cè)的準(zhǔn)確度，該算法需要對(duì)圖片進(jìn)行分段，以每70個(gè)像素點(diǎn)為一段。

2.2 確定圖像條紋位置

波谷即數(shù)學(xué)中的極小值。在這些極小值中存在噪聲，會(huì)干擾條紋位置的判斷，因此要通過(guò)設(shè)定閾值消減噪聲。

通過(guò)對(duì)比可以發(fā)現(xiàn)，這些噪聲的波動(dòng)幅度遠(yuǎn)遠(yuǎn)小于條紋波動(dòng)幅度，只要將這些波動(dòng)幅度小的噪聲點(diǎn)剔除掉，就可以得到條紋位置。因此，本文將閾值定為條紋間距中由小到大的80%位置上的間距的1/3。效果圖如圖4所示。

圖4 木板條紋位置

2.3 圖像條紋間距的判斷

在上一步得到條紋位置后，只需將相鄰條紋的位置相減，即可得到條紋間距，該間距值為像素值。其中，條紋間距（mm）= 間距像素值×帶刻度的鋼尺在圖像的距離（mm）/圖像像素。

由于存在無(wú)條紋木板及噪聲的存在，該算法加一個(gè)界定條件，對(duì)應(yīng)60 mm的木板（400個(gè)像素點(diǎn)）少于10條間距，則為無(wú)條紋。以下參數(shù)單位為像素。

If 木板寬度*10/400＜10:

條紋A

elif 條紋間距＜12:

條紋A

elif 條紋間距＜16:

條紋B

else:

條紋C

該算法由于存在多次循環(huán)，若圖像太大，會(huì)極大降低運(yùn)算速度，因此在不影響識(shí)別準(zhǔn)確的情況下，本系統(tǒng)將圖片的大小降為（640,480）。

3 木板顏色識(shí)別

木板的色度受光照影響極大，本系統(tǒng)需要在攝像頭周圍放置遮光罩，并在內(nèi)部均勻地放置燈作為光源。

3.1 圖像分割

圖像顏色檢測(cè)中，背景的顏色會(huì)對(duì)其產(chǎn)生較大影響，需要先去除背景。因?yàn)閭魉蛶蔷G色的，R值遠(yuǎn)小于140，而木板R值大于140，故取閾值為140。

木板的邊界是直線型的，只需把左右兩端的邊界點(diǎn)求出來(lái)，左端取較大值，右端取較小值，以減少運(yùn)算量。分割前后的圖像如圖5、圖6所示。

3.2 圖像色差判斷

將木板劃分為縱向三部分，將圖像的顏色BGR三通道分離出來(lái)，每個(gè)部分求R通道的均值，若變化大于4，則判斷色差大，色度為b，否則為色度均勻。

圖5 拍攝原圖

圖6 分割圖

3.3 圖像色度檢測(cè)

木板圖像中偏深的區(qū)域的BGR值在一定范圍內(nèi)且有規(guī)律性，找到這個(gè)范圍，利用OpenCV中的cv2.inrange函數(shù)實(shí)現(xiàn)圖像的二值化，再利用cv2.calcHist計(jì)算二值化圖像中的比率，最后得到偏深色度的比值，二值化前后圖像如圖7、圖8所示。如果大于35%，則判斷該木板為深色。同理可以判斷淺色，其余的則為中色。最后結(jié)合上一步的結(jié)果，得到最終判斷結(jié)果。

圖7 深色木板

圖8 二值化

4 系統(tǒng)測(cè)試

4.1 測(cè)試裝置

系統(tǒng)實(shí)驗(yàn)裝置整體參數(shù)如下：紅外線；攝像頭分辨率為2560×1440，傳輸方式為USB3.0；支架為鋁合金材料，長(zhǎng)×寬×高為200 mm×150 mm×200 mm；STC51單片機(jī)；打標(biāo)機(jī)（電磁閥加印章）；可多級(jí)調(diào)速傳送帶。整體實(shí)驗(yàn)設(shè)備如圖9所示，為拍攝紅外線位置，遮光罩和光源沒(méi)有拍出來(lái)。單片機(jī)如圖10所示。

圖9 實(shí)驗(yàn)設(shè)備

圖10 單片機(jī)

在測(cè)試過(guò)程中，每個(gè)木板放置間隔的距離不小于單片機(jī)延遲的時(shí)間乘以傳送帶速度。實(shí)驗(yàn)步驟為：1)開(kāi)啟傳送帶，速率為4級(jí)，開(kāi)啟系統(tǒng)，放置木板；2)紅外線檢測(cè)到有木板進(jìn)入，開(kāi)始圖像處理；3)紅外線檢測(cè)到木板退出，停止圖像處理并發(fā)送最終結(jié)果給單片機(jī)；4) 單片機(jī)發(fā)送指令給打標(biāo)機(jī)，打標(biāo)機(jī)打標(biāo)；5)進(jìn)入下一個(gè)循環(huán)。

將系統(tǒng)檢測(cè)的結(jié)果與人工檢測(cè)結(jié)果對(duì)比，并對(duì)同一木板進(jìn)行多次檢測(cè)，計(jì)算系統(tǒng)的準(zhǔn)確率和穩(wěn)定性。

4.2 測(cè)試結(jié)果

將編好的程序打包為.exe文件，對(duì)300個(gè)木板進(jìn)行檢測(cè)。其中，每個(gè)木板具有不同的長(zhǎng)度、寬度、條紋間距、顏色、缺陷等。其中的9個(gè)樣本如圖11所示，條紋間距如圖12所示，結(jié)果如表1所示。

圖11 樣本

圖12 樣本條紋

表1 測(cè)試結(jié)果

從圖11、圖12中可以看出，條紋檢測(cè)對(duì)條紋清晰的木板的準(zhǔn)確率高達(dá)99%，如樣板2、4、9。表面粗糙，條紋顏色與條紋間顏色相近，表面有應(yīng)力線的木板雖然存在噪聲干擾，但準(zhǔn)確率也有97%，如樣板3、6。對(duì)于整體條紋非常細(xì)密，顏色又均勻的樣本，條紋雖然沒(méi)有100%檢測(cè)出來(lái)，但可以檢測(cè)出80%，對(duì)結(jié)果影響不大，如樣本1、5。

在顏色檢測(cè)當(dāng)中，算法檢測(cè)的是整塊木板，如果條紋線也在劃分的深色區(qū)間內(nèi)，會(huì)加大樣本是深色的概率，但可以通過(guò)測(cè)得條紋的位置將該位置的顏色剔除掉，削減影響。對(duì)于存在色差的樣板（如樣板6）檢測(cè)的準(zhǔn)確率為98%；對(duì)于在色差小的樣板中區(qū)分中、淺，若樣板在劃分的臨界區(qū)間附近，會(huì)存在多次檢測(cè)結(jié)果不同的問(wèn)題。

5 結(jié) 論

本文設(shè)計(jì)了木板顏色和條紋間距檢測(cè)系統(tǒng)，利用改進(jìn)直方圖算法和分類區(qū)間，檢測(cè)速度為8 cm/s，識(shí)別準(zhǔn)確率達(dá)92.3%。檢測(cè)效率和準(zhǔn)確率高于人工檢測(cè)，為工廠的自動(dòng)化加工提供了簡(jiǎn)單實(shí)用的可行方案。