(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211205044.9 (22)申请日 2022.09.30 (71)申请人 南通恒祥木业有限公司 地址 226000 江苏省南 通市通州区兴东 镇 孙李桥村三组1幢186 6号 (72)发明人 翟其恒　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/90(2017.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06T 5/40(2006.01) G06T 5/00(2006.01) (54)发明名称 基于人工智能的实木板材生产缺陷识别系 统、 电子设备 (57)摘要 本发明涉及图像识别领域， 具体涉及一种基 于人工智能的实木板材生产识别系统、 电子设 备。 包括： 板 材图像采集模块， 用于获取板 材滤波 图像； 缺陷板材检测模块， 用于获取每个像素点 的最佳归属类别； 构建损失函数对板材滤波图像 中所有像素点进行分割， 将像素点类别数大于1 的板材作为疑似缺陷板材， 计算其缺陷程度， 当 缺陷程度大于第一阈值时为缺陷板材； 无缺陷板 材分类模块， 用于计算无缺陷板材图像 分类第一 指标以及第二指标， 计算两两无缺陷板材分类识 别指标， 当分类识别指标大于第二阈值时， 将对 应两两无缺陷板材划分为同一类别。 本发明不仅 能够对缺陷实木板材进行检测识别， 而且对于无 缺陷的实木板材可实现分类， 计算量小且评估精 度高。 权利要求书3页 说明书10页 附图1页 CN 115294109 A 2022.11.04 CN 115294109 A 1.一种基于人工智能的实木板材生产缺陷识别系统， 其特征在于， 包括图像采集模块、 图像处理模块、 聚类模块、 第一计算模块、 分割模块、 缺陷判断模块、 第一指标计算模块、 第 二指标计算模块、 第二计算模块以及分类模块； 图像采集模块： 用于采集板材生产过程中板材表面图像； 图像处理模块： 对图像采集模块到的板材表面图像进行去噪处 理获得板材去噪图像； 聚类模块： 用于对板材去噪图像中的所有像素点进行聚类， 获得每一个像素点的最佳 类别归属； 第一计算模块： 利用聚类模块获得的每一个像素点的最佳类别归属所对应的高斯函数 及该像素点在其他类别所对应的高斯函数构建损失函数， 并利用构建的损失函数计算每一 个像素点的损失指标； 分割模块： 利用对第 一计算模块获得的每一个像素点的损失指标对每一个像素点的损 失指标进行分割； 缺陷判断模块： 根据分割模块分割的结果判断采集模块所采集的板材图像是否有缺 陷， 如分割模块分割出的区域 为1时， 所采集的板材为无缺陷板材； 第一指标计算模块： 获取每个无缺陷板材图像的结构分布矩阵， 计算两两无缺陷板材 图像的结构分布矩阵中每列向量的余弦相似度， 将所有列向量余弦相似度的均值作为无缺 陷板材图像分类第一指标； 第二指标计算模块： 获取所有无缺陷板材图像R,G,B各个通道的分量差分图像， 计算两 两无缺陷板材图像的各个分量差分图像的色彩特征参数差异， 根据两两无缺陷板材图像的 各个分量差分图像的色彩特 征参数差异值计算无缺陷板材图像分类第二指标； 第二计算模块： 根据 所述无缺陷板材图像分类第 一指标以及第 二指标建立板材分类识 别模型， 计算两 两无缺陷板材图像的分类识别指标； 分类模块： 当第二计算模块中得到的分类识别指标大于预设阈值时， 将对应两两五缺 陷板材划分为同一类别。 2.根据权利要求1所述的一种基于人工智能的实木板材生产缺陷识别系统， 其特征在 于， 所述损失函数的表达式如下： 其中， 表示第i个像素点最大高斯函数值对应的类别 为第i个像素点的最佳归属 类别， 为第i个像素点在第k个高斯模型中的高斯函数值， K为高斯模型个总个数， M为像 素点的总个数， 为自定义 函数。 3.根据权利要求1所述的一种基于人工智能的实木板材生产缺陷识别系统， 其特征在 于， 当分割模块分割 出的区域不为1时， 所采集的板材为疑似缺陷板材， 根据疑似缺陷板材 图像中疑似缺陷像素点的数量计算其缺陷程度， 当该疑似缺陷板材的缺陷程度大于缺陷阈 值时， 该疑似缺陷板材为 缺陷板材。 4.根据权利要求3所述的一种基于人工智能的实木板材生产缺陷识别系统， 其特征在权　利　要　求　书 1/3 页 2 CN 115294109 A 2于， 计算疑似缺陷板材图像缺陷程度的方法为： 将疑似缺陷板材图像中像素点数量最多类别的区域作为正常区域， 其他各个类别像素 点构成的区域为疑似缺陷区域， 获取所有疑似缺陷区域中疑似缺陷像素点的数量， 计算疑 似缺陷板材图像的缺陷程度， 表达式为： 其中， S疑似缺陷板材图像中疑似缺陷像素点的数量， 为疑似缺陷板材图像中像素点 的类别数， 为疑似缺陷板材图像的缺陷程度。 5.根据权利要求1所述的一种基于人工智能的实木板材生产缺陷识别系统， 其特征在 于， 获取每 个无缺陷板材图像的结构分布 矩阵的方法为： 根据每个无缺陷板材图像中所有像素点的高斯模型函数值建立对应无缺陷板材图像 的高斯混合模型， 根据每个无缺陷板材图像的高斯混合模型中的高斯参数构建对应无缺陷 板材图像的结构分布 矩阵。 6.根据权利要求1所述的一种基于人工智能的实木板材生产缺陷识别系统， 其特征在 于， 计算两 两无缺陷板材图像的各个分量差分图像的色彩特 征参数差异的方法为： 所述无缺陷板材图像的各个分量差分图像分别为 对应的分量差 分图像； 获取各分量差分图像所对应的直方 图 ， 将其作为各个分量差分图 像的色彩特征参数， 计算两两无缺陷板材图像的各个分量差分图像的色彩特征参数差异的 表达式为： 其中， 表示第i个无缺陷板材图像与第j个无缺陷板材图像的 分量差分图像 的色彩特征差异， 表示第i个无缺陷板材图像的 分量差分图像的色彩特征， 表示第j个无缺陷板材图像的 分量差分图像的色彩特征， 表示直方图各个维 度的权值， l表示维度； 同理， 计算得到第i个无缺陷板材图像与第j个无缺陷板材图像的 分量差分图像 的色彩特 征差异 以及 分量差分图像的色彩特 征差异 。 7.根据权利要求6所述的一种基于人工智能的实木板材生产缺陷识别系统， 其特征在 于， 计算无缺陷板材图像分类第二指标的方法为： 其中， 表示第i个无缺陷板材图像与第j个无缺陷板材图像的图像分类第二指标， 表示第i个无缺陷板材图像与第j个无缺陷板材图像的 分量差分图像的色彩特 征差异， 表示第i个无缺陷板材图像与第j个无缺 陷板材图像的 分量差分图像的权　利　要　求　书 2/3 页 3 CN 115294109 A 3