基于用户个性化需求的木地板表面质量分等方法及系统

本发明属于实木复合地板缺陷检测，具体涉及一种基于用户个性化需求的木地板表面质量分等方法及系统。

背景技术：

1、实木复合地板以其坚固耐用，纹路优美、吸湿透气性能好等特性成为室内装饰的首选材料。然而在生产过程中，其表面常存在多种木质纹理和缺陷，这使得对地板进行表面信息提取与缺陷检测变得尤为关键。当前，实木复合地板工件的分类及缺陷检测主要依赖人工目视，存在主观性强，效率低下，误检率较高且易疲劳等问题，难以满足现代高效生产的需求。随着智能化技术在木制品制造业中的应用日益广泛，以图像处理为基础的机器视觉技术正逐渐代替部分以人工为主的生产环节，其高效率、高精度的优势在实际生产中得到了充分验证。

2、在家居行业趋于柔性化、定制化转变的大背景下，用户对实木复合地板的需求也趋于多样化。企业在生产过程中，常常需要根据不同用户的个性化需求，灵活调整地板的生产质量标准。然而，目前木地板加工分选过程中，往往是通过修改内部算法来实现个性化加工，这种方式存在参数调整复杂、效率较低、适应性差等局限性，难以适应当前个性化生产的加工需求。

技术实现思路

1、发明目的：针对实木复合地板表面缺陷检测的现存问题，本发明提供一种基于用户个性化需求的木地板表面质量分等方法，能够根据用户对实木复合地板表面质量的个性化需求进行分等与筛选。

2、技术方案：为实现上述目的，本发明采用的技术方案为：

3、一种基于用户个性化需求的木地板表面质量分等方法，包括以下步骤：

4、步骤s1：构建地板表面图像采集系统，通过地板表面图像采集系统采集地板表面图像。

5、步骤s2：将采集到的地板图像经过图像预处理方法，得到特征明显的只包含地板区域的地板表面标准图像。

6、步骤s3：根据地板表面标准图像和用户需求，利用专家系统和模糊准则方法对地板表面的颜色、纹理、缺陷类型进行粗分类操作并绘制标签信息。

7、步骤s4：将已绘制标签的地板图像作为训练数据集，通过结合csp结构和transformer自注意力机制优化的yolov9模型。通过训练好的优化yolov9模型实现对后续生产流程中地板表面特征和缺陷的识别与分类。

8、步骤s5：搭建地板关系型数据库，用于存储地板图像的识别结果，通过特征提取方法提取并量化生产线中地板表面的颜色、纹理以及缺陷信息，并将这些信息作为地板图像的元数据存储在地板关系型数据库中。

9、步骤s6：根据用户自身需求对地板关系型数据库中的板件进行分等与筛选，从而实现个性化定制加工的目标。

10、优选的：在步骤s3中，采用专家系统和模糊准则方法相结合对地板表面的颜色、纹理、缺陷类型进行粗分类的具体步骤如下：

11、s31，利用专家系统构建地板分类知识库，涵盖颜色、纹理和缺陷类型的特征描述及相应的分类规则。根据颜色、纹理和缺陷类型的特征建立综合评分模型得到颜色纹理缺陷特征的综合评分。

12、s32，结构化地板分类知识库。

13、s33，由于颜色、纹理和缺陷类型往往具有模糊性，引入模糊集合理论，通过为每个属性定义隶属函数，隶属函数表示地板表面特征属于某个类别的程度。

14、s34，专家系统的推理机根据知识库中的规则和模糊准则方法，进一步对地板表面的颜色、纹理和缺陷类型进行推理和分类。推理机根据输入的地板表面特征，通过模糊匹配和模糊推理，计算出该特征属于各个类别的隶属度。通过不同特征属于各个类别的隶属度得到不同特征属于各个类别的模糊推理结果。

15、s35，根据不同特征属于各个类别的模糊推理结果运用最大隶属度原则得到概率最大的模糊推理结果。将概率最大的模糊推理结果与颜色纹理缺陷特征的综合评分进行比较，确定地板表面的最终模糊分类。

16、优选的：地板表面的最终模糊分类公式如下：

17、

18、式中，d表示地板表面的最终模糊分类,argmax表示最大隶属度原则，f(ci,ti,di)表示模糊推理结果，ci表示地板颜色特征，ti表示地板纹理特征，di表示地板缺陷特征，sk(ci,ti,di)表示第k个分类规则的综合评分，wk表示权重系数，μ(ci)表示地板颜色的特征函数值，μ(ti)表示纹理的特征函数值，μ(di)表示缺陷类型的特征函数值，αi为地板颜色特征超参数，βi为纹理特征超参数，γi为缺陷类型特征超参数，λk是与规则复杂度相关的指数。

19、优选的：在步骤s2中，图像预处理实施方法如下：

20、s21，通过加权平均法将原始图像转为灰度图像，对rgb三分量进行加权平均得到较合理的灰度图像，公式如下：

21、gray(i,j)＝0.299*r(i,j)+0.578*g(i,j)+0.144*b(i,j)；

22、其中，gray(i,j)表示像素点(i，j)的灰度值，r(i,j)表示像素点(i，j)的红色分量值，g(i,j)表示像素点(i，j)的绿色分量值，b(i,j)表示像素点(i，j)的蓝色分量值，i表示像素点的行坐标，j表示像素点的列坐标。

23、s22，利用高斯滤波法平滑图像，降低图像表面的噪声，公式如下：

24、

25、式中，g(x,y)是滤波后图像在坐标(x,y)处的像素值。σ是高斯函数的标准差，决定了高斯函数的权重分布。

26、s23，利用灰度阈值二值化的方法分离图像中的背景和地板区域，通过设定合适的阈值，能够清晰地界定地板与背景的边界，并生成黑色掩码图像，为后续地板特征提取提供便利。

27、s24，将黑色掩码图像覆盖在原始图像上得到不包含背景的地板表面标准图像。

28、优选的：在步骤s4中，深入采用使用csp结构与transformer优化的yolov9模型，并将其应用于专家系统标注文件图片的训练分类中，其具体过程如下：

29、s41：首先对图片文件数据进行增强处理，包括翻转、任意角度旋转、添加噪声、亮度调整，以模拟不同光照条件和拍摄角度下的地板图像。

30、s42：引入yolov9模型，并使用csp结构和transformer自注意力机制来优化模型，csp结构通过将输入特征分为两部分，然后在这两个部分之间进行交叉连接的方法来提高深度神经网络的性能。csp结构能有效提高模型的特征表示能力，从而提高模型的准确性和泛化能力。transformer的自注意力机制可以在目标缺陷区域较小或混杂于复杂纹理中时，能够更好地捕捉图像中的上下文信息和长距离依赖关系，提高模型的识别精度。

31、自注意力机制通过计算q和k的相似性或者相关性，得到每个k对应v的权重系数，然后对v进行加权求和，即得到最终的attention数值，计算公式如下：

32、

33、式中，q代表查询(query)矩阵，用于与键(key)矩阵进行匹配。k代表键矩阵，用于与查询矩阵进行匹配。v代表值(value)矩阵，包含用于更新查询的信息。dk是键向量的维度，用于缩放点积结果，防止梯度消失或爆炸，soft max函数用于将点积结果归一化为概率分布。

34、s43：根据分类结果统计精确率和召回率，并以此来绘制pr曲线，计算平均精度均值实现对模型的评估。

35、s44，根据评估结果，调节学习率，层结构参数来提升模型分类效果。

36、优选的：在步骤s42中，不同参数类型的具体统计方法如下：

37、颜色：通过高级颜色空间cielab统计缺陷区域的颜色直方图，计算颜色特征向量来量化缺陷区域的颜色信息。颜色特征向量为多阶的颜色矩，包括均值、方差和斜度，计算公式如下：

38、均值，反映了图像每个颜色分量的平均强度：

39、

40、方差，反映了图像待测区域的颜色方差，即不均匀性：

41、

42、斜度，反应了图像颜色分量的偏斜度，即颜色的不对称性：

43、

44、式中，pi,j表示地板彩色图像第i个像素的第j个颜色分量，n表示图像中的像素个数。

45、图像的3个分量r,g,b图像的前三阶颜色矩组成一个9维直方图向量,即图像的颜色特征表示如下:

46、

47、纹理：应用结合等价模式和旋转不变性的局部二值模式lbp来描述纹理，并通过统计其直方图来量化纹理特征。

48、lbp特征向量提取纹理的步骤如下：

49、1.计算地板图像中每个像素点的lbp模式。将图像划分若干为16*16的图像子块，计算其中每个子块中每个像素的lbp值。

50、2.计算每个子块的lbp特征值直方图,得到每个图像子块的直方图，然后对这些直方图进行归一化处理。

51、3.将得到的每个子块的归一化直方图连接成一个特征向量，也就是整幅图的lbp纹理特征向量，计算公式如下：

52、

53、其中(xc,yc)是中心像素，gc是亮度；gp是相邻像素的亮度；s为符号函数。

54、物理参数：物理参数为缺陷的面积、位置和数量。通过连通组件分析统计连续的缺陷像素区域，将其记为不同的组件，统计组件个数即为数量。同时通过对组件区域的平均灰度值统计计算来规定阈值，通过结果阈值来分割图像，并利用形态学操作平滑边缘，利用边界跟踪算法来计算缺陷区域面积。然后通过surf缺陷点算法来统计图像中缺陷区域的关键点来评估每个组件的几何中心，最后通过计算几何中心点到板件中心点的欧式距离来判断缺陷的位置。

55、优选的：在步骤s6中，设计并构建图形用户界面使数据库信息可视化，同时以等级划分模型取代量化参数作为筛选条件，并调节不同等级对应的量化参数范围。

56、优选的：所述地板表面图像采集系统包括工业线阵ccd相机、可调节光源系统、机械传动装置和图像处理卡，所述机械传动装置用于调节工业线阵ccd相机、可调节光源系统的位置，所述可调节光源系统用于对板件传送带的地板提供符合要求的光源强度的光源。所述工业线阵ccd相机用于对光源照耀下的地板进行拍照。所述图像处理卡用于对拍好的地板照片进行处理，获得清晰且符合标准的地板图像。

57、优选的：工业相机的扫描频率与板件传送带的输送频率保持一致。

58、优选的：在步骤s3中，缺陷包括地板生长缺陷、地板生物侵染缺陷以及地板加工缺陷，地板生长缺陷包括表面的色差、白边、节子、裂缝、夹皮和矿物线，地板生物侵染缺陷包括腐朽、真菌变色、虫孔，地板加工缺陷包括锯痕、翘皮、透胶、拼缝、缺损。

59、一种基于用户个性化需求的木地板表面质量分等系统，用于实现基于用户个性化需求的木地板表面质量分等方法，包括地板表面图像采集系统、图像预处理单元、粗分类单元、二次分类单元、地板关系型数据库单元、分等筛选单元，其中：

60、所述地板表面图像采集系统用于采集地板表面图像。

61、所述图像预处理单元用于将采集到的地板图像经过图像预处理方法，得到特征明显的只包含地板区域的地板表面标准图像。

62、所述粗分类单元用于根据地板表面标准图像和用户需求，利用专家系统和模糊准则方法对地板表面的颜色、纹理、缺陷类型进行粗分类操作并绘制标签信息。

63、所述二次分类单元用于将已绘制标签的地板图像作为训练数据集，通过结合csp结构和transformer自注意力机制优化的yolov9模型，实现对后续生产流程中地板表面特征和缺陷的识别与分类。

64、所述地板关系型数据库单元用于存储地板图像的识别结果，通过特征提取方法提取并量化生产线中地板表面的颜色、纹理以及缺陷信息，并将这些信息作为地板图像的元数据存储在地板关系型数据库中。

65、所述分等筛选单元用于根据用户自身需求对地板关系型数据库中的板件进行分等与筛选，从而实现个性化定制加工的目标。

66、本发明相比现有技术，具有以下有益效果：

67、利用专家系统、深度学习神经网络算法以及图像处理算法实现了对地板表面纹理、颜色及其他各种缺陷信息的量化统计，并且依据图像信息统计数据构建数据库，实现个性化的分等和索引。具备鲁棒性好、识别精度高、处理速度快和更新维护便捷等优势。能够根据用户对实木复合地板表面质量的个性化需求进行分等与筛选，可以有效解决目前实木复合地板企业实现个性化定制程序复杂的问题，进一步促进家居行业柔性化、定制化加工的发展。