姚建平， 肖 江*， 閆 磊， 楊建華，2

(1.北京林業(yè)大學(xué)工學(xué)院，北京 100083；2.國家林業(yè)局北京林業(yè)機(jī)械研究所，北京 100029)

研究與設(shè)計(jì)

基于3D結(jié)構(gòu)激光的木材表面缺陷檢測的研究

姚建平1， 肖 江1*， 閆 磊1， 楊建華1，2

(1.北京林業(yè)大學(xué)工學(xué)院，北京 100083；2.國家林業(yè)局北京林業(yè)機(jī)械研究所，北京 100029)

木材表面缺陷直接影響木材品質(zhì)及其使用價(jià)值，表面缺陷的檢測對于木材的科學(xué)利用具有十分重要的意義。目前大多數(shù)的木材表面缺陷檢測都是對二維可見光圖像進(jìn)行處理得到缺陷相關(guān)的特征參數(shù)，本研究設(shè)計(jì)了基于3D結(jié)構(gòu)激光的木材表面缺陷圖像采集和識別系統(tǒng)，該系統(tǒng)可以采集到木材表面缺陷的灰度圖和高度圖，再采用HALCON軟件對其進(jìn)行處理以提取木材表面缺陷的特征值。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)可以快速準(zhǔn)確地檢測識別出木材表面的節(jié)疤、蟲眼、凹痕等缺陷，具有非接觸、高精度的優(yōu)點(diǎn)。

木材表面缺陷；3D結(jié)構(gòu)激光；HALCON；檢測

我國是一個(gè)森林資源相對匱乏的國家，面對我國森林資源不足、森林質(zhì)量不高的現(xiàn)狀，如何充分利用森林資源、提高木材利用率，是我國林業(yè)科技人員迫切需要解決的重要課題。木材缺陷的類型、尺寸、位置、形狀等特征直接影響木材產(chǎn)品的強(qiáng)度、外觀及檔次，木材表面缺陷的檢測對木材加工過程中的木材材質(zhì)評定、質(zhì)量控制和產(chǎn)品分等均具有重要意義，檢測并剔除木材表面缺陷是木制品加工過程中的重要環(huán)節(jié)[1]。

木材表面缺陷是指降低木材商品價(jià)值和使用價(jià)值的各種非正常和不規(guī)則的部分[2]。木材表面缺陷類型很多，形狀復(fù)雜，傳統(tǒng)的木材表面缺陷檢測主要由人工完成，存在勞動強(qiáng)度大、效率低、準(zhǔn)確率低等問題[3-4]。隨著木材加工業(yè)向機(jī)械化、自動化的大規(guī)模生產(chǎn)方向發(fā)展，人們對木材的加工質(zhì)量，尤其是表面缺陷更加重視[5]。利用機(jī)器視覺和圖像處理技術(shù)，快速、準(zhǔn)確地檢測木材表面缺陷可以有效地提高木材加工行業(yè)的自動化程度。

機(jī)器視覺技術(shù)就是利用機(jī)器代替人眼來做測量和判斷，而在機(jī)器視覺近二十年的發(fā)展過程中，受圖像攝取技術(shù)及數(shù)據(jù)處理技術(shù)的限制，機(jī)器視覺系統(tǒng)普遍基于二維視覺技術(shù)[6]。目前機(jī)器視覺主流的檢測手段還是依賴2D相機(jī)，即從灰度圖中提取被測物特征，然后在X-Y平面內(nèi)進(jìn)行測量。當(dāng)遇到需要測量高度或需要Z方向信息，如需要高度、深度、厚度、平面度、體積、磨損等檢測時(shí)，2D視覺則不能滿足要求。近年來，隨著三維圖像攝取技術(shù)和數(shù)據(jù)處理技術(shù)的飛速發(fā)展，3D視覺技術(shù)成為了計(jì)算機(jī)視覺領(lǐng)域的發(fā)展焦點(diǎn)[7]。3D結(jié)構(gòu)激光掃描測量技術(shù)作為非接觸式測量方式之一，能夠全自動高精度地直接對目標(biāo)物體進(jìn)行激光掃描，直接獲取被測物體的深度信息，增加的第三維數(shù)據(jù)不但能夠獲取更多的被測物體信息，還可以降低數(shù)據(jù)偏差，提高測量精度和準(zhǔn)確度及工作效率[8]。因此，本研究設(shè)計(jì)了一套基于3D結(jié)構(gòu)激光的木材表面缺陷圖像采集和識別系統(tǒng)，利用專業(yè)的機(jī)器視覺軟件HALCON對其采集到的高度圖和灰度圖進(jìn)行處理，最終識別出木材表面的節(jié)疤、蟲眼及凹痕缺陷。

1 系統(tǒng)搭建

系統(tǒng)主要由Gocator 3D智能傳感器、平移運(yùn)動實(shí)驗(yàn)平臺DH-POL-PY300、Gocator數(shù)據(jù)傳輸線和I/O線、轉(zhuǎn)換器HF150W-S-48及上位機(jī)組成，系統(tǒng)實(shí)物圖如圖1所示。

Gocator 3D智能傳感器由加拿大LMI公司生產(chǎn)，其為集激光發(fā)射器和相機(jī)成像測量裝置為一體的智能激光傳感器。Gocator非常適合被集成在生產(chǎn)設(shè)備上進(jìn)行材料檢測或用于改善生產(chǎn)過程質(zhì)量控制的速度，是各種非接觸式在線檢測應(yīng)用的理想選擇。

圖1 系統(tǒng)實(shí)物圖

Gocator 3D智能傳感器具有性能穩(wěn)定、測量精度高、維護(hù)簡便等特點(diǎn)，可廣泛應(yīng)用于工業(yè)自動化、汽車制造、輪胎檢測、道路檢測、金屬冶煉等各個(gè)領(lǐng)域[9]。本系統(tǒng)采用的型號為Gocator 2330，該傳感器外觀圖如圖2(a)所示，整體結(jié)構(gòu)如圖2(b)所示。Laser Emitter發(fā)射結(jié)構(gòu)光用于激光成型，Camera用于觀測從目標(biāo)表面反射出的激光，I/O connector接受輸入和輸出數(shù)字信號，Power/LAN Connector接通電源和激光安全信號并連接到千兆以太網(wǎng)。另外，Gocator還包括電源狀態(tài)指示燈、Camera測量狀態(tài)指示燈和激光狀態(tài)指示燈。Gocator 2330性能參數(shù)見表1。

圖2 Gocator 2330智能傳感器

傳感器可以連接到各種輸入和輸出設(shè)備上，如通過Master連接電腦，Master可為激光傳感器提供電源和數(shù)據(jù)I/O的單點(diǎn)接入。激光傳感器提供兩種應(yīng)用接口，本研究采用Web界面，用戶可以根據(jù)需要進(jìn)行各種參數(shù)設(shè)置，同時(shí)還提供了開發(fā)工具包，可以根據(jù)需要定制個(gè)性化解決方案，Web界面的所有參數(shù)都可以通過函數(shù)接口實(shí)現(xiàn)。傳感器通過IP在局域網(wǎng)中尋址找到對應(yīng)的傳感器進(jìn)行各項(xiàng)設(shè)置及數(shù)據(jù)的獲取。Gocator既能夠靜止采集一條激光線的高度數(shù)據(jù)，也能夠運(yùn)動采集一個(gè)平面的高度數(shù)據(jù)。X方向(激光線方向)以及Z方向(高度方向)上的間隔在出廠時(shí)就已經(jīng)校準(zhǔn)好，Y方向(運(yùn)動采集方向)則需要設(shè)置對應(yīng)的毫米距離。運(yùn)動采集的方式有兩種：

表1 Gocator 2330性能參數(shù)

掃描速度170～5000Hz接口千兆以太網(wǎng)輸入差分編碼器，激光安全控制，外觸發(fā)輸出2?數(shù)字輸出，RS-485串口(115K)，1?模擬輸出(4～20mA)輸入電壓+24～+48VDC(13W)，波動范圍：±10%每條剖面輪廓所包含數(shù)據(jù)點(diǎn)數(shù)1280Z方向線性度/%ofMR001Z方向分辨率/mm0006～0014X方向分辨率/mm0044～0075凈距離CD/mm90測量范圍MR/mm80視場FOV/mm47～85設(shè)備尺寸/mm49×75×142工作溫度/℃0～50

一種是時(shí)間運(yùn)動采集，即間隔固定的時(shí)間采集；另一種是編碼器運(yùn)動采集，即通過脈沖觸發(fā)采集。時(shí)間運(yùn)動采集無需編碼器，但需要物體勻速穩(wěn)定運(yùn)動，否則Y向間隔不能和實(shí)際距離相對應(yīng)。編碼器脈沖采集需要接入A、B兩相觸發(fā)，按照每個(gè)脈沖的上升沿進(jìn)行觸發(fā)，在最高采集頻率內(nèi)不受運(yùn)動速度的影響，并且能分辨物體的運(yùn)動方向。傳感器的Web應(yīng)用界面如圖3所示。

本系統(tǒng)采用的實(shí)驗(yàn)平臺是平移運(yùn)動實(shí)驗(yàn)平臺DH-POL-PY300，該平臺適用于線陣攝像機(jī)拍照實(shí)驗(yàn)，并提供有旋轉(zhuǎn)編碼器。Gocator可通過平移臺編碼器進(jìn)行觸發(fā)采集圖像。平移實(shí)驗(yàn)平臺的相關(guān)參數(shù)見表2。

表2 平移實(shí)驗(yàn)平臺相關(guān)參數(shù)

項(xiàng)目參數(shù)平移實(shí)驗(yàn)臺面尺寸/mm600×400×200方形托盤尺寸/mm300×250支架高度/mm700平臺材料金屬運(yùn)動方式往復(fù)運(yùn)動運(yùn)動速度/mm·s-10～200重復(fù)運(yùn)動精度/mm±01跳動/mm±01觸發(fā)傳感器內(nèi)置旋轉(zhuǎn)編碼器(2000脈沖/r)中心最大負(fù)載/kg10工作溫度/℃-5～60

實(shí)驗(yàn)選擇的是編碼器運(yùn)動采集模式，當(dāng)實(shí)驗(yàn)臺中的電機(jī)開始帶動平移臺往復(fù)運(yùn)動時(shí)，編碼器發(fā)出與運(yùn)動同步的觸發(fā)信號，該信號輸入到Gocator中后，Gocator發(fā)射出線激光并開始采集圖像，由此保證了采集到的圖像不會因?yàn)樗俣茸兓l(fā)生變形。完成Gocator的安裝和接線后，進(jìn)行編碼器和平臺校準(zhǔn)，然后在Web應(yīng)用界面上設(shè)置好曝光值、采集間距、有效區(qū)域等各類相關(guān)參數(shù)后，即可以開始進(jìn)行圖像的采集。

2 圖像采集

為了實(shí)現(xiàn)圖像的在線實(shí)時(shí)采集與處理，采用了Halcon作為系統(tǒng)軟件的核心處理模塊。Halcon是德國MVTec公司開發(fā)的一套完善的標(biāo)準(zhǔn)機(jī)器視覺算法包，擁有應(yīng)用廣泛的機(jī)器視覺集成開發(fā)環(huán)境。其能節(jié)約產(chǎn)品的成本，縮短軟件的開發(fā)周期，在歐洲及日本的工業(yè)界是公認(rèn)的具有最佳效能的Machine Vision軟件，是一套Image Processing Library(圖像處理庫)，并且由多個(gè)各自獨(dú)立的算子以及底層的數(shù)據(jù)管理核心構(gòu)成[10]。Halcon提供有開放的軟件接口，可以與Visual C++、Visual Basic等開發(fā)工具相結(jié)合進(jìn)行以圖形圖像處理為主應(yīng)用程序的開發(fā)。作為目前業(yè)內(nèi)功能最完善、效率最高的軟件之一，Halcon已被廣泛應(yīng)用于工業(yè)生產(chǎn)中的各個(gè)方面，如機(jī)械加工、電子器件、包裝加工、木材加工等領(lǐng)域。HDevelop是Halcon高度交互式的編程環(huán)境，其工作界面如圖4所示。

圖4 HDevelop工作界面

Gocator提供GenTL驅(qū)動程序，允許GenTL兼容的第三方軟件(比如Halcon)從Gocator的表面模式下實(shí)時(shí)地采集和處理3D點(diǎn)云數(shù)據(jù)和灰度數(shù)據(jù)。驅(qū)動安裝和Halcon采集參數(shù)設(shè)置完成后就可以進(jìn)行圖像的采集，實(shí)驗(yàn)中設(shè)置的采集模式為異步循環(huán)采集式。連接相機(jī)并采集圖像的語句為：

open_framegrabber(’GenICamTL’，0，0，0，0，0，0，’progressive’，16，’rgb’，-1，’false’，’default’，’192.168.1.10’，0，-1，AcqHandle)

grab_image_start(AcqHandle，-1)

grab_image_async(Image，AcqHandle，-1)

其中，GenICamTL表示設(shè)備名稱，rgb表示圖像為彩色圖像，192.168.1.10表示相機(jī)的IP地址。對于已經(jīng)采集到并保存下來的圖像，也可以直接通過read_image算子讀取。

Gocator的測量范圍為47～85 mm，制作的實(shí)驗(yàn)樣本為尺寸8 cm×6 cm×1 cm(長×寬×厚)的榆木鋸材。實(shí)驗(yàn)共采集無缺陷圖片40張、節(jié)疤圖片50張、蟲眼圖片48張、凹痕圖片45張，圖5所示為其中有代表性的四張圖片。

圖5 四張有代表性的圖片

3 圖像處理與特征提取

Gocator采集的圖片為16位的RGB圖，圖像的高度信息、灰度信息和參數(shù)信息分別保存在R、G、B三個(gè)通道中。先通過算子read_image讀取圖像，然后運(yùn)用算子Go2GenTL_ParseData(Image，HeightMap，Intensity，frameCount，timestamp，encoderPosition，encoderIndex，inputs，xOffset，xResolution，yOffset，yResolution，zOffset，zResolution，width，height，hasIntensity)進(jìn)行圖像拆分，得到高度圖和灰度圖。各參數(shù)所代表的意義如下：Image為圖像，HeightMap為高度圖，Intensity為灰度圖，frameCount為幀計(jì)數(shù)，timestamp為時(shí)間標(biāo)志，encoderPosition為編碼器位置，encoderIndex為編碼器序列，inputs為輸入，xOffset為X方向偏移，xResolution為X方向分辨率，yOffset為Y方向偏移，yResolution為Y方向分辨率，zOffset為Z方向偏移，zResolution為Z方向分辨率，width為圖像寬，height為圖像高，hasIntensity為是否有灰度值。

對四張有代表性的圖片進(jìn)行拆分后得到的高度圖和灰度圖如圖6所示，每組圖中左邊為高度圖，右邊為灰度圖，高度圖中的像素值代表該像素點(diǎn)的高度值，灰度圖中的像素值代表該像素點(diǎn)的灰度值。利用算子Texture3D_display可以實(shí)現(xiàn)木材圖像表面3D灰度紋理的顯示，如圖7所示。

圖6 圖像拆分

圖7 3D灰度紋理

利用拆分得到的高度圖和灰度圖對缺陷圖像進(jìn)行處理。針對節(jié)疤的處理流程如圖8所示，針對蟲眼凹痕的處理流程如圖9所示。

圖8 節(jié)疤處理流程

圖9 蟲眼凹痕處理流程圖

圖像處理后的結(jié)果如圖10所示，圖中缺陷部分的邊緣用線條擬合表示，從效果圖看缺陷邊緣的擬合效果良好。

木材表面缺陷特征的類型選擇和缺陷特征量的提取是建立木材表面缺陷識別系統(tǒng)的關(guān)鍵。提取出木材缺陷區(qū)域后可以獲得缺陷區(qū)域的相關(guān)參數(shù)。本研究提取的缺陷區(qū)域特征量包括灰度均值、灰度方差、偏心度、圓度、緊密度五種，這五種特征可以作為后續(xù)缺陷分類識別的特征輸入量。

圖10 缺陷處理效果

(1)灰度均值：

(1)

(2)灰度方差：

(2)

式中：Mean為缺陷圖像灰度均值；Deviation為缺陷灰度方差；g(p)為缺陷像素點(diǎn)灰度值；R為缺陷區(qū)域；F為缺陷區(qū)域像素個(gè)數(shù)。

(3)偏心度：

(3)

式中：Ra為缺陷區(qū)域等效橢圓長半軸長；Rb為缺陷區(qū)域等效橢圓短半軸長。

(4)圓度：

(4)

式中：R為缺陷區(qū)域面積；max為缺陷區(qū)域外接圓半徑。

(5)緊密度：

(5)

式中：L為缺陷區(qū)域周長；R為缺陷區(qū)域面積。

除了上述五種特征外，還能獲取到缺陷區(qū)域的面積和中心坐標(biāo)以及缺陷的深度。其中，缺陷區(qū)域面積反映的是缺陷的大小，中心坐標(biāo)反映的是缺陷的位置，缺陷的深度反映的是缺陷的深度信息。由于圖像的X方向分辨率和Y方向分辨率是已知的，缺陷區(qū)域的真實(shí)面積可以通過缺陷區(qū)域像素面積乘以X方向分辨率乘以Y方向分辨率求出。針對上述缺陷圖片獲取到的特征信息見表3，正常樣本的特征值均為0。

在采集到足夠多的樣本數(shù)量和提取到相應(yīng)的缺陷特征值以后，就可以利用模式識別的方法對木材表面缺陷進(jìn)行分類識別。常用的分類識別算法有支持向量機(jī)(SVM)、K近鄰分類器、BP神經(jīng)網(wǎng)絡(luò)分類器等。

表3 缺陷特征值

面積/mm2中心坐標(biāo)橫坐標(biāo)縱坐標(biāo)灰度均值灰度方差偏心度圓度緊密度深度/cm節(jié)疤334978735791663021123483223501362067811760蟲眼161605554829640265184877838101414063412022760凹痕414314738989724791225555641003828028420591302

4 小結(jié)

搭建了基于3D結(jié)構(gòu)激光掃描技術(shù)的木材表面缺陷圖像采集和識別系統(tǒng)，采用專業(yè)的機(jī)器視覺處理軟件HALCON對采集到的圖像進(jìn)行處理，設(shè)計(jì)了缺陷圖像處理算法流程圖，并提取了相應(yīng)的缺陷特征值。從缺陷處理的效果圖看，綜合了高度值和灰度值的缺陷邊緣擬合效果良好，表明該系統(tǒng)用于木材表面缺陷檢測具有可行性，而且具有檢測精度高的優(yōu)點(diǎn)。

[1] 尹建新，樓雄偉，黃美麗.灰度直方圖在木材表面缺陷檢測中的應(yīng)用[J].浙江林學(xué)院學(xué)報(bào)，2008，25(3)：272-276.

[2] 石嶺，王克奇.板材表面缺陷檢測技術(shù)研究[J].林業(yè)機(jī)械與木工設(shè)備，2005，33(3)：40-42.

[3] 張召，業(yè)寧，業(yè)巧林.基于紋理提取和SVM技術(shù)的自動木材缺陷識別[J].浙江林學(xué)院學(xué)報(bào)，2009，45(23)：219-223.

[4] 馬大國，馬巖.基于Gabor特征的木材表面缺陷的分塊檢測[J].東北林業(yè)大學(xué)學(xué)報(bào)，2013，41(10)：118-121.

[5] 戴天虹，池成全，韓雪瑩.基于數(shù)字圖像處理及DSP的木質(zhì)板材缺陷圖像處理系統(tǒng)[J].機(jī)電產(chǎn)品開發(fā)與創(chuàng)新，2011，24(4)：77-78+62.

[6] 楊建華，張偉，李麗.基于機(jī)器視覺的鋸材表面缺陷檢測系統(tǒng)設(shè)計(jì)[J].林產(chǎn)工業(yè)，2013，40(1)：21-24.

[7] 莫圣陽.基于3D視覺技術(shù)的受電弓磨耗檢測系統(tǒng)研究[D].廣州：廣東工業(yè)大學(xué)，2015：4-9.

[8] 吳慶華.基于線結(jié)構(gòu)光掃描的三維表面缺陷在線檢測的理論與應(yīng)用研究[D].武漢：華中科技大學(xué)，2013：3-9.

[9] 徐清霞.基于幾何特征的鋼軌磨耗檢測[D].上海：上海工程技術(shù)大學(xué)，2015：45-47.

[10] 馬繼東，李淑紅，朱玉杰.基于HALCON的樹木檢測方法應(yīng)用研究[J].森林工程，2015，31(3)：57-59.

(責(zé)任編輯 張雅芳)

Study on Detection of Wood Surface Defects Based on 3D Structure Laser

YAO Jian-ping1， XIAO Jiang1*， YAN Lei1， YANG Jian-hua2

(1.School of Technology，Beijing Forestry University，Beijing 100083，China； 2.Beijing Forestry Machinery Research Institute of the State Forestry Administration，Beijing 100029，China.)

Wood surface defects directly affect the quality of wood and its value in use，and wood surface defect detection is of great significance for the scientific utilization of wood.At present，most of the wood surface defect detection is based on the 2D visible image processing to obtain the defect-related feature parameters.In this paper，an image acquisition and recognition system of wood surface defects based on 3D structure laser is designed.The system can capture the gray scale and height map of wood surface defects，and the HALCON software is used to deal with it to extract the characteristic value of wood surface defects.The experimental results show that the system can detect and identify the wood surface defects like knots，wormholes and dents quickly and accurately，which has the advantages of non-contact and high precision.

wood surface defects；3D structure laser；HALCON；detection

2017-01-09

中央級公益性科研院所基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目“基于機(jī)器視覺的單板外觀質(zhì)量在線檢測系統(tǒng)研究”(CAFINT2015C14)

姚建平(1991-)，男，碩士研究生，主要研究方向?yàn)闄C(jī)器視覺與圖像處理，E-mail:yjp2495637@126.com。

*通訊作者：肖 江(1956-)，女，教授，博士生導(dǎo)師，博士，主要研究方向?yàn)槟静臒o損檢測技術(shù)，E-mail:xiaojiang56@126.com。

TS642

A

2095-2953(2017)03-0020-06