科创中国

制造业,木材加工和木、竹、藤、棕、草制品业

广西大学资源环境与材料学院开展了人造板产业智能化重要技术——桉木单板智能分检系统的攻关研究。桉木单板数据集采集、数据增强、基于深度学习的单板分级模块已初步完成。实现指标：采集8500张高质量桉木单板图像，建立桉木单板数据集，数据集规模庞大，且数据集囊括活节、死节、虫眼、开裂、毛刺在内的近10种、逾30000个桉木单板表面缺陷，建立桉木单板缺陷数据集。根据工业实际情况，细化了一整套桉木单板分等的指标，根据细化后的指标人工将数据集分为A、B、C三等。通过Gamma变换、直方图均衡等方法对数据集进行特征增强，图像质量提升较为显著，毛刺、活节等部分特征更为清晰。建立基于图像分类算法的桉木单板分等模型，实现桉木单板高效分等，目前分等准确率超过95%。建立基于语义分割算法的桉木单板表面缺陷检测模型，实现对桉木单板缺陷种类、位置、轮廓等的智能检测，目前已能实现对节子的智能检测。

该项成果基于机器视觉技术，进行桉木单板智能分检系统的开发。首先针对制定的桉木单板分等指标进行可视化确认。通过计算桉木单板各种缺陷的阈值，对桉木单板图像进行二值化处理。分析不同品质单板图像黑色像素数量的散点图，确认分等标准的可行性，同时发现部分缺陷特征不明显的问题。针对数据集图像明度、对比度不均一，部分缺陷特征不明显的问题，引入Gamma变换、直方图均衡、拉普拉斯算子等方法对图像进行特征增强。该项成果建立基于深度学习的图像分类模型对桉木单板进行分等。根据桉木单板缺陷的特点，基于Resnet分类模型，增加空间注意力机制模块以提升网络关注关键性特征的能力，减少木材单板纹理对模型分类的影响。增加空间池化金字塔，使得剪裁后的图像能够输入网络，增加了图像的尺寸不变，降低过拟合。建立基于深度学习的语义分割模型对桉木单板缺陷进行检测，通过减少网络参数量等手段提升语义分割模型的效率，通过添加小尺寸的输出层，以提高模型检测小缺陷的能力。最终将桉木单板质量分检算法与生产线运动控制系统协同作业，形成一整套桉木单板智能化分检系统。

孙建平，教授，项目负责人；张一甫，副教授，项目策划；程芳超，副教授，项目参与人；秦志永，讲师，项目参与人；王炳桢，研究生，项目参与人；尤广林，项目参与人。

点击查看