利用结构与条件统计特征的木材表面检测

表面质量是市场上的木制品极其重要的问题。尽管在制造过程中可以由人类专家进行质量检测，但该操作容易出错。一种可能的解决方案是使用标准机器视觉技术自动检测木材表面缺陷。由于木材表面具有随机纹理，该方案在大多数情况下也不可行。因此，需要更先进、新颖的机器视觉技术来自动检测木材表面。在本研究中，我们提出了一种基于从木材表面图像的梯度幅值与高斯拉普拉斯响应中提取支持区域的解决方案。我们利用这些支持区域引入了新颖的结构与条件统计特征。随后，我们使用这些新颖的特征对木材表面上的不同缺陷类型进行分类。我们在大型数据集上测试了我们的自动木材表面检测系统，并获得了极具前景的结果。