一种基于图像处理的板材表面缺陷检测方法及检测系统
本技术涉及板材检测，具体为一种基于图像处理的板材表面缺陷检测方法及检测系统。
背景技术：
1、板材表面的缺陷是影响板材质量的重要因素，在板材的生产线中通常需要对其进行表面缺陷检测，现有技术中通常使用人工检测或机械自动化检测实现，随着技术发展，机械自动化检测板材表面缺陷成为主流方式。
2、机械自动化检测板材表面缺陷的技术，是现代化生产过程中不可或缺的一环，这种检测通常需要结合多种技术手段，以达到高效率、高准确度的检测目的。比如，可以运用光学检测技术，利用高清晰度的摄像头和光源，对板材表面进行细致的扫描，从而捕捉到微小的表面缺陷，同时还可以采用超声波检测技术，通过超声波在材料中的传播速度和反射情况，来判断板材内部是否存在裂纹等缺陷，此外，还可以结合机器学习算法，通过对大量样本的学习和分析，提高检测的准确度和效率。
3、然而，现有的机械自动化检测板材表面缺陷的技术中，不管使用何种方法，都需要进行板材表面数据的采集，并且在工业化生产中，需要保证较高标准的检测效率，因为板材在生产过程中通常位于流水线上，如果在规定时间内由于板材表面复杂、光线误差、数据传输等原因导致采集速度变慢，就会对整个生产线产生影响，因此通常需要根据板材的尺寸设置固定的采集时间，但是这种固定设置的采集时间会出现两种情况，一是板材表面缺陷较少，采集时间冗余，导致采集过程的持续时间变长；二是板材表面缺陷较多，设定好的采集时间内不足以将板材整面采集完成，导致后续的检测结果与实际情况不匹配，因此如何平衡单块板材的采集时间以及整个生产线的生产效率成了当前亟需解决的问题。
4、所以有必要提供一种基于图像处理的板材表面缺陷检测方法及检测系统来解决上述问题。
5、需要说明的是，本背景技术部分中公开的以上信息仅用于理解本技术构思的背景技术，并且因此，它可以包含不构成现有技术的信息。
技术实现思路
1、基于现有技术中存在的上述问题，本技术所要解决的问题是：提供一种基于图像处理的板材表面缺陷检测方法及检测系统，达到通过板材表面缺陷的分布及数量情况确定采集设备的采集时间，提高采集效率的同时减少不必要的采集时间分配。
2、本技术解决其技术问题所采用的技术方案是：一种基于图像处理的板材表面缺陷检测方法，该检测方法包括：
3、服务器接收来自第一采集设备所采集的第一采集数据，并根据第一采集数据生成板材复杂度；
4、设置第二采集设备的初始采集时间，并根据板材复杂度得到采集时间修正量，通过采集时间修正量对初始采集时间进行修正，得到修正后的采集时间，将修正后的采集时间应用至第二采集设备；
5、在第二采集设备根据修正后的采集时间对板材表面进行精细采集后，服务器接收来自第二采集设备多采集的第二采集数据；
6、服务器对第二采集数据进行预处理，并生成第三采集数据；
7、基于第三采集数据，服务器利通过图像识别与缺陷分类算法对板材表面的缺陷进行识别与分类；
8、根据识别与分类的结果，服务器将缺陷信息标注在第三采集数据上，并生成包含详细缺陷描述的检测报告。
9、在本技术的技术方案实施中，通过在生产线上设置第一采集设备与第二采集设备，并通过第一采集设备所采集的数据对第二采集设备的采集时间进行修正，平衡了单块板材的精细采集需求与整体生产线的效率，实现了采集时间的智能化调整。
10、进一步的，板材复杂度的生成方法包括以下步骤：
11、服务器根据第一采集数据建立缺陷类型集合，并构建板材表面缺陷分布图，板材表面缺陷分布图中包含若干小块；
12、服务器计算各小块内缺陷特征的数量，并基于数量分布进行复杂度评分；
13、服务器根据各小块的复杂度评分，通过加权平均法综合计算得到板材的整体复杂度。
14、进一步的，单个小块复杂度评分的计算方法为将每种缺陷的数量乘以一个预设的权重值进行加权，然后将这些加权后的值相加得到该小块的复杂度评分。
15、进一步的，对初始采集时间进行修正包括以下步骤：
16、读取板材复杂度，并将其作为采集修正时间计算的基准，同时设定板材复杂度与采集修正时间的映射关系；
17、根据设定的映射关系计算出基于板材复杂度的采集时间修正量，该采集时间修正量包含正数、负数和零；
18、将计算得到的采集时间修正量与第二采集设备的初始采集时间相加，得到修正后的采集时间；
19、服务器将修正后的采集时间发送至第二采集设备，第二采集设备接收到指令后，按照修正后的采集时间对板材进行表面图像采集。
20、进一步的，板材复杂度与采集修正时间的映射关系为线性关系、指数关系或者根据历史数据拟合得到的非线性关系的其中一种。
21、进一步的，在计算基于板材复杂度的采集时间修正量时，需要设定板材复杂度基准值。
22、进一步的，缺陷信息标注包括以下步骤：
23、定位缺陷区域，并形成边界框；
24、在边界框内或附近，以文本形式标注缺陷类型；
25、描述缺陷特征，描述的缺陷特征包括缺陷的尺寸、形状、位置、颜色、可能的成因或影响；
26、整合包含缺陷标注和描述的第三采集数据，并生成综合检测报告。
27、进一步的，该检测方法还包括：
28、服务器将检测报告发送至生产线控制系统或相关操作人员，同时将检测数据存入数据库；
29、服务器定期对检测数据进行分析和评估，包括统计缺陷类型分布、评估检测算法的准确性以及识别检测盲区。
30、一种基于图像处理的板材表面缺陷检测系统，该检测系统包括：
31、板材复杂度生成模块，用于服务器接收来自第一采集设备所采集的第一采集数据，并根据第一采集数据生成板材复杂度；
32、采集时间修正模块，用于设置第二采集设备的初始采集时间，并根据板材复杂度得到采集时间修正量，通过采集时间修正量对初始采集时间进行修正，得到修正后的采集时间，将修正后的采集时间应用至第二采集设备；
33、精细采集模块，用于在第二采集设备根据修正后的采集时间对板材表面进行精细采集后，服务器接收来自第二采集设备多采集的第二采集数据；
34、预处理模块，用于服务器对第二采集数据进行预处理，并生成第三采集数据；
35、缺陷识别与分类模块，用于基于第三采集数据，服务器利通过图像识别与缺陷分类算法对板材表面的缺陷进行识别与分类；
36、检测报告生成模块，用于根据识别与分类的结果，服务器将缺陷信息标注在第三采集数据上，并生成包含详细缺陷描述的检测报告。
37、进一步的，该检测系统还包括：
38、检测报告发送模块，用于服务器将检测报告发送至生产线控制系统或相关操作人员，同时将检测数据存入数据库；
39、维护模块，用于服务器定期对检测数据进行分析和评估，包括统计缺陷类型分布、评估检测算法的准确性以及识别检测盲区。
40、本技术的有益效果是：本技术提供的一种基于图像处理的板材表面缺陷检测方法及检测系统，通过在生产线上设置第一采集设备与第二采集设备，并通过第一采集设备所采集的数据对第二采集设备的采集时间进行修正，平衡了单块板材的精细采集需求与整体生产线的效率，实现了采集时间的智能化调整。
41、除了上面所描述的目的、特征和优点之外，本技术还有其它的目的、特征和优点。下面将参照图，对本技术作进一步详细的说明。
技术特征：
1.一种基于图像处理的板材表面缺陷检测方法，其特征在于：该检测方法包括：
2.根据权利要求1所述的一种基于图像处理的板材表面缺陷检测方法，其特征在于：板材复杂度的生成方法包括以下步骤：
3.根据权利要求2所述的一种基于图像处理的板材表面缺陷检测方法，其特征在于：单个小块复杂度评分的计算方法为将每种缺陷的数量乘以一个预设的权重值进行加权，然后将这些加权后的值相加得到该小块的复杂度评分。
4.根据权利要求1所述的一种基于图像处理的板材表面缺陷检测方法，其特征在于：对初始采集时间进行修正包括以下步骤：
5.根据权利要求4所述的一种基于图像处理的板材表面缺陷检测方法，其特征在于：板材复杂度与采集修正时间的映射关系为线性关系、指数关系或者根据历史数据拟合得到的非线性关系的其中一种。
6.根据权利要求4所述的一种基于图像处理的板材表面缺陷检测方法，其特征在于：在计算基于板材复杂度的采集时间修正量时，需要设定板材复杂度基准值。
7.根据权利要求1所述的一种基于图像处理的板材表面缺陷检测方法，其特征在于：缺陷信息标注包括以下步骤：
8.根据权利要求1所述的一种基于图像处理的板材表面缺陷检测方法，其特征在于：该检测方法还包括：
9.一种基于图像处理的板材表面缺陷检测系统，用于实施如权利要求1至8任一项所述的基于图像处理的板材表面缺陷检测方法，其特征在于：该检测系统包括：
10.根据权利要求9所述的一种基于图像处理的板材表面缺陷检测系统，其特征在于：该检测系统还包括：
技术总结
本申请公开了一种基于图像处理的板材表面缺陷检测方法及检测系统，属于板材检测技术领域，包括：接收来自第一采集设备所采集的第一采集数据，生成板材复杂度；设置第二采集设备的初始采集时间，并根据板材复杂度得到采集时间修正量，得到修正后的采集时间；接收来自第二采集设备多采集的第二采集数据；对第二采集数据进行预处理，生成第三采集数据；基于第三采集数据，对板材表面的缺陷进行识别与分类。在本申请的技术方案实施中，通过在生产线上设置第一采集设备与第二采集设备，并通过第一采集设备所采集的数据对第二采集设备的采集时间进行修正，平衡了单块板材的精细采集需求与整体生产线的效率，实现了采集时间的智能化调整。
技术研发人员：钟世禄,李锐,杨雪梅
受保护的技术使用者：南京林业大学
技术研发日：
技术公布日：2024/9/23