一种基于yolov7和彩色相机的刨花板表面缺陷检测方法与流程

本发明涉及刨花板表面缺陷检测，更具体地，涉及一种基于yolov7和彩色相机的刨花板表面缺陷检测方法。

背景技术：

1、由于刨花板数量大，在流水线上过板的速度快，使用人眼观察刨花板缺陷的方法，效率低，成本高，同时还可能发生遗漏的情况。

2、近年来，随着计算机视觉技术的发展，基于轮廓、纹理、颜色等木板表面缺陷识别的方法被广泛提出用来测量原木直径，但是由于刨花板表面缺陷的多样性和实际情况的复杂性，实际应用效果并不理想，而且在刨花板表面缺陷识别的问题上，还未充分利用刨花板表面缺陷图像本身的信息，因此，急需一种准确并且快速的自动化刨花板缺陷检测的方法。

3、针对刨花板存在污渍、裂痕和伐痕等问题，发明人从计算机视觉角度分析，设计了yolov7和彩色相机的刨花板表面缺陷检测网络模型，从而实现表面缺陷的精准识别，有效防止了人工观察的低效率，遗漏缺陷，判断不准确等造成人造板行业损失严重的问题。利用yolov7实现缺陷检测，结合彩色相机的拍摄图像信息，将大大提高刨花板表面缺陷自动测量效果，再根据彩色相机拍摄图像的像素大小，可以准确计算出刨花板表面缺陷的面积大小。使用此方法可以快速准确的识别刨花板表面缺陷并计算出其实际缺陷面积大小同时判断出刨花板的质量等级，解决人造板行业的难点；本发明设计的完善高效的检测模型，以及对人造板的精准高效快速识别，有助于促进人造板行业的发展。

技术实现思路

1、本发明的目的在于提供一种基于yolov7和彩色相机的刨花板表面缺陷检测方法，设计的完善高效的检测模型，以及对人造板的精准高效快速识别，可以准确计算出刨花板表面缺陷的面积大小，获得精准的刨花板质量等级，有助于促进人造板行业的发展。

2、为达到上述目的，提供了一种基于yolov7和彩色相机的刨花板表面缺陷检测方法，包括以下步骤：

3、(1)数据集制作：收集海量刨花板表面缺陷的图片数据，并按一定比例划分训练集、验证集与测试集；

4、(2)构建网络模型：根据传统网络模型构建刨花板表面缺陷检测的实例分割模型；

5、(3)模型训练：将步骤(1)的训练集输入至步骤(2)中的实例分割模型中进行参数训练，训练过程中，将步骤(1)的验证集输入至训练好的实例分割模型进行验证；

6、(4)模型推理：将使用彩色相机拍摄的刨花板表面缺陷图片数据输入至训练好的网络进行推理，获得刨花板表面缺陷轮廓的多边形坐标；

7、(5)缺陷多边形面积计算：将步骤(4)的多边形坐标转化为多边形，并使用多边形面积计算公式计算出多边形的面积，再根据多边形所占的像素数量比例换算出该缺陷的面积大小。

8、(6)计算原木端面直径实际大小：获取彩色相机像素信息，将步骤(5)中得到的刨花板表面缺陷的像素大小换算为实际大小，并在图片上显示，此结果即为刨花板表面缺陷的实际大小；

9、(7)输出结果：根据刨花板表面缺陷的实际大小和数量可判别出刨花板质量等级。

10、特别的，所述传统网络模型为yolov7模型。

11、特别的，所述步骤(1)中，按0.8:0.1:0.1的比例划分训练集、验证集与测试集。

12、特别的，所述步骤(2)中，构建原木端面实例分割模型的过程中，对原木端面图片数据进行[-1,1]归一化操作。

13、特别的，所述步骤(3)中，训练过程中，训练参数的优化器为adamw，学习率设置为0.01。

14、特别的，所述步骤(5)中，使用多边形面积计算公式计算出多边形的面积，具体包括以下步骤：获取任意多边形的顶点坐标，即可计算出该多边形的面积，其中n表示顶点数量，xi,yi表示多边形的坐标，s表示多边形的面积，通过以下公式计算：

15、

16、特别的，所述步骤(7)中，根据刨花板表面缺陷的实际大小和数量可判别出刨花板质量等级的具体方法为：设定若干个刨花板质量等级；建立对照表，所述对照表的表头包括实际大小范围、数量范围和刨花板质量等级；获取所需要判别的刨花板表面缺陷的实际大小和数量分别落于对照表的实际大小范围、数量范围内而获得对应的刨花板质量等级。

17、本发明的技术原理和有益效果如下所示：

18、本发明根据原木端面多样性和复杂性的特点，为原木端面自动化识别测量引入先验知识，改进算法模型的网络结构，结合深度相机和椭圆拟合算法，大大提高原木端面直径自动测量效果，提高原木测量的速度和准确度，提升模型泛化性。

技术特征：

1.一种基于yolov7和彩色相机的刨花板表面缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于yolov7和彩色相机的刨花板表面缺陷检测方法，其特征在于：所述传统网络模型为yolov7模型。

3.根据权利要求1所述的一种基于yolov7和彩色相机的刨花板表面缺陷检测方法，其特征在于：所述步骤(1)中，按0.8:0.1:0.1的比例划分训练集、验证集与测试集。

4.根据权利要求1所述的一种基于yolov7和彩色相机的刨花板表面缺陷检测方法，其特征在于：所述步骤(2)中，构建原木端面实例分割模型的过程中，对原木端面图片数据进行[-1,1]归一化操作。

5.根据权利要求1所述的一种基于yolov7和彩色相机的刨花板表面缺陷检测方法，其特征在于：所述步骤(3)中，训练过程中，训练参数的优化器为adamw，学习率设置为0.01。

6.根据权利要求1所述的一种基于yolov7和彩色相机的刨花板表面缺陷检测方法，其特征在于：所述步骤(5)中，使用多边形面积计算公式计算出多边形的面积，具体包括以下步骤：获取任意多边形的顶点坐标，即可计算出该多边形的面积，其中n表示顶点数量，xi,yi表示多边形的坐标，s表示多边形的面积，通过以下公式计算：

7.根据权利要求1所述的一种基于yolov7和彩色相机的刨花板表面缺陷检测方法，其特征在于：所述步骤(7)中，根据刨花板表面缺陷的实际大小和数量可判别出刨花板质量等级的具体方法为：设定若干个刨花板质量等级；建立对照表，所述对照表的表头包括实际大小范围、数量范围和刨花板质量等级；获取所需要判别的刨花板表面缺陷的实际大小和数量分别落于对照表的实际大小范围、数量范围内而获得对应的刨花板质量等级。

技术总结
本发明公开一种基于yolov7和彩色相机的刨花板表面缺陷检测方法，包括以下步骤：(1)数据集制作：收集海量刨花板表面缺陷的图片数据，并按一定比例划分训练集、验证集与测试集；(2)构建网络模型：根据传统网络模型构建刨花板表面缺陷检测的实例分割模型；(3)模型训练；(4)模型推理：将使用彩色相机拍摄的刨花板表面缺陷图片数据输入至训练好的网络进行推理，获得刨花板表面缺陷轮廓的多边形坐标；(5)缺陷多边形面积计算：换算出该缺陷的面积大小。(6)计算原木端面直径实际大小：刨花板表面缺陷的实际大小；(7)输出结果：判别出刨花板质量等级。本发明准确计算出刨花板表面缺陷的面积大小。

技术研发人员：陈大联,韦光亮,朱燕红,申智辉
受保护的技术使用者：广西慧云信息技术有限公司
技术研发日：
技术公布日：2024/1/13