[发明专利]一种基于深度学习的人工智能木片自动分级方法及系统

权利要求书

1.一种基于深度学习的人工智能木片自动分级系统，其特征在于，包括：设备框架、上料部件、质量分级检测模块、下料部件、主控系统模块；所述设备框架用于承载分级系统中的部件；所述上料部件用于抓取待分级木片，并将其放置于主控系统模块进行筛选、导向；所述导向板分选机构用于按等级分选木片，所述主控系统模块用于控制分级系统实现自动分级。

2.根据权利要求1所述的一种基于深度学习的人工智能木片自动分级系统，其特征在于，所述上料部件包括上料框(1)、六自由度机械臂(2)、气动吸盘阵列(3)、距离传感器(4)；

所述质量分级检验模块包括3D相机(5)、检测室(6)；

所述下料部件包括导向板分选机构(7)、木片收集框(8)；

所述主控系统模块包括工业计算机(9)、第一伺服电机(10)、第一传送带(11)；

所述设备框架从前至后依次包括三部分：第一传送部、导向部、第二传送部；

所述六自由度机械臂(2)布置在第一传送部前端的一侧，所述距离传感器(4)安装在六自由度机械臂(2)的末端，所述气动吸盘阵列(3)安装在六自由度机械臂(2)夹持端；六自由度机械臂(2)的控制电机及距离传感器(4)分别与工业计算机(9)信号连接；

所述检查室(6)布置在第一传送部的中后部，其两端固定在设备框架上，所述3D相机(5)固定在检查室(6)顶部；所述3D相机(5)与工业计算机(9)信号连接；

第一传送部、第二传送部的首尾端均设有第一伺服电机(10)，由第一伺服电机带动第一传送部、第二传送部中的第一传送带(11)运动；

所述导向部为导向板分选机构(7)，所述导向板分选机构(7)包括导向板框架、第二传送带(12)、第二伺服电机(13)、第三伺服电机(14)，所述第二传送带(12)套接在导向板框架上，所述第二伺服电机(13)的电机轴与第二传送带(12)驱动轴连接，所述第三伺服电机(14)固定在设备框架上，第三伺服电机(14)的电机轴与导向板框架的中部连接；所述木片收集框(8)布置在导向板分选机构(7)下方对应处；

所述第一伺服电机(10)、第二伺服电机(13)、第三伺服电机(14)均分别与工业计算机(9)信号连接。

3.根据权利要求1所述的一种基于深度学习的人工智能木片自动分级系统，其特征在于，所述导向板分选机构(7)设有三个，分别为A级导向板分选机构、B级导向板分选机构、C级导向板分选机构；对应地导向板分选机构下方分别设有A级收集框、B级收集框及C级收集框。

4.一种采用如权利要求1-3任意一项所述系统的木片自动分级方法，其特征在于，包括如下步骤：

S1:识别木片表面缺陷，对木片进行分级；

S2:精确定位木片的位置：

S3:传送控制木片，对分级后的木片实现最终的分选；

其中所述S1包括：

S11：获取木片的黑白图像；

S12：依据所述黑白图像获取黑白图像的缺陷外轮廓点；

S13：获取图像的缺陷轮廓；

S14：计算图像的缺陷面积；

S15：判定木片的等级。

5.根据权利要求4所述的一种木片自动分级方法，其特征在于，所述S11具体为：实际采集得到的木片图像的信息包含：红绿蓝三色的彩色数据，用五维数组描述为Color_Image[i,j,r,g,b]，其中i表示当前像素点的横向序号；j表示当前像素点的纵向序号；r表示该像素点的红色值；g表示该像素点的绿色值；b表示该像素点的蓝色值；

颜色筛分所述木片的图像信息，完成对多有像素点的设定，得到一幅黑白的图像，该图像由横向和纵向两个方向的像素点构成：设定图像的红绿蓝三色的临界值Cr、Cg、Cb，判断图像所有像素点的红绿蓝三个颜色：若像素点的红绿蓝三个颜色值均高于红绿蓝三色的临界值(Cr、Cg、Cb)，则将该点的红绿蓝各像素值均设定为0，否则将该点的红绿蓝各像素值均设定为1。