一种基于机器视觉的原竹剖分刀具自动选择系统及方法

摘要

本发明公开了一种基于机器视觉的原竹剖分刀具自动选择系统及方法，本发明的系统包括图像采集模块、微处理器和控制器。本发明的方法包括以下步骤：图像采集、图像处理和数据处理。本发明的系统通过微处理器对图像采集模块采集的原竹端面图像进行处理并选择最优剖分工具，控制器控制原竹剖分设备使用最优剖分工具进行原竹剖分作业，提高了原竹出材率、加工效率以及加工质量。本发明的方法基于图像处理方法获得原竹端面内外径尺寸，根据原竹尺寸和加工需求自动化选择剖分刀具，为优化原竹剖分工序提供了理论支持。

说明书

技术领域

本发明涉及原竹加工技术领域，特别是涉及一种基于机器视觉的原竹剖分刀具自动选择系统及方法。

背景技术

“以竹代木”是我国应对木材供需不平衡问题的最佳选择。竹材具有物理特性好、繁殖速度快、产量高等优势，作为绿色资源被广泛应用于建筑、家具等领域。剖分是原竹加工中不可或缺的关键工序，而剖分刀具的选择直接决定了原竹出材率高低与最终成品形态。因此，实现原竹剖分刀具的自动选择不仅有助于提高原竹出材率并降低企业经济成本，还有助于提高原竹加工产业自动化、智能化水平，促进原竹加工产业向高端产业转型。

原竹剖分刀具的选择目前主要依赖于人工经验，理论体系不够完善，人工劳动强度大，工作效率低。且人工选刀很难最大化原竹出材率，较大地制约了原竹利用率与加工效率。

发明内容

为解决现有技术中存在的问题，本发明提供了一种基于机器视觉的原竹剖分刀具自动选择系统及方法，本发明的系统通过微处理器对图像采集模块采集的原竹端面图形进行处理并选择最优剖分刀具，控制器控制原竹剖分设备使用最优剖分刀具进行原竹剖分作业，提高了原竹出材率、加工效率以及加工质量，本发明的方法基于机器视觉的图像处理方法得到待加工原竹端面内外径尺寸，再根据原竹尺寸和加工需求自动化选择剖分刀具，为优化原竹剖分工序提供了理论支持。

为实现上述目的，本发明采用如下技术方案：

一方面，本发明提供了一种基于机器视觉的原竹剖分刀具自动选择系统，包括：

图像采集模块，用于采集原竹端面图像并传输至微处理器；

微处理器，用于接收来自图像采集模块的图像信息，进行图像分析得到原竹端面内外径尺寸，并结合加工需求进行数据处理，得到最优剖分刀具选择结果，并将最优剖分刀具选择结果传输至控制器；

控制器，用于接收来自微处理器的最优剖分刀具选择结果并控制原竹剖分设备进行换刀等工作。

本发明的工作原理如下：利用图像采集模块对待剖分原竹进行端面图像采集，微处理器对图像进行分析后，结合加工需求自动进行最优刀具选择，原竹剖分设备根据最优刀具信息换刀并进行原竹剖分加工，保证了原竹剖分的高出材率。

本发明的系统通过微处理器对图像采集模块采集的原竹端面图形进行处理并选择最优剖分刀具，控制器控制原竹剖分设备更换最优剖分刀具进行原竹剖分，提高了原竹出材率、加工效率以及加工质量。

在进一步的技术方案中，所述图像采集模块包括：

第一图像采集模块，用于采集原竹小径端面图像并传输给微处理器；

第二图像采集模块，用于采集原竹大径端面图像并传输给微处理器。

原竹整体具有锥度，即一端的直径较大，另一端的直径较小，上述的原竹小径端面为原竹直径相对较小的一端的端面，原竹大径端面为原竹直径相对较大的一端的端面。

通过第一图像采集模块和第二图像采集模块分别对原竹的大小径端面进行图像采集，保证图像质量的同时提高了采集效率。

在进一步的技术方案中，所述基于机器视觉的原竹剖分刀具自动选择系统还包括：

人机交互界面，用于接收用户输入的加工需求并显示当前状态信息。

人机交互界面的设置，可以很方便的将当前原竹加工尺寸需求输入至系统，并可以根据处理信息的显示获知当前原竹端面内外径尺寸、剖分数以及出材率情况，便于对原竹加工进程进行实时监管。

在进一步的技术方案中，所述微处理器包括：

通讯模块，用于与图像采集模块和控制器建立通讯连接，实现数据传输；

机器视觉模块，用于将接收到的原竹端面图像进行图像处理，得到原竹端面内外径尺寸作为识别结果；

数据处理模块，用于根据原竹端面内外径尺寸及加工需求计算最优剖分刀具及其出材率作为结果输出。

通过通讯模块、机器视觉模块和数据处理模块使得微处理器具有了通讯、视觉识别及数据处理的功能，将整个计算过程集中在微处理器中进行，效率更高。

在进一步的技术方案中，所述人机交互界面基于PyQT5设计，包括：

图像信息显示栏，用于显示当前原竹端面图像信息和微处理器处理所得原竹端面内外径尺寸；

加工需求输入栏，用于接收用户输入的竹条加工尺寸需求；

处理结果显示栏，用于显示最优刀具选择结果及其出材率。

基于PyQT5设计的人机交互界面便于操作，能够跨平台运行，性能高，显示效果好，不仅可以进行加工需求的输入，还可以对当前原竹端面图像、内外径尺寸以及最优刀具选择结果和出材率进行显示，功能强大。

另一方面，本发明还提供了一种根据上述任意技术方案所述的基于机器视觉的原竹剖分刀具自动选择方法，包括以下步骤：

图像采集，利用图像采集模块采集原竹端面图像；

图像处理，图像处理得到原竹端面内外径尺寸；

数据处理，根据当前原竹端面内外径尺寸、加工需求等进行计算，选择最优原竹剖分刀具。

本发明的方法基于机器视觉的图像处理方法获得待加工原竹端面内外径尺寸，根据原竹尺寸和加工需求自动化选择剖分刀具，为优化原竹剖分工序提供了理论支持。

在进一步的技术方案中，所述图像处理包括以下步骤：

采集图像进行中值滤波与阈值化处理，获取原竹端面图像信息；

进行Canny边缘检测，获取原竹端面边缘；

进行边缘极值查找，获取原竹端面内外径像素尺寸；

基于相机标定，得出原竹端面内外径实际尺寸。

采用机器视觉技术识别原竹端面信息，能够准确获得原竹端面内外径尺寸，误差小精度高。

在进一步的技术方案中，所述数据处理包括以下步骤：

根据当前原竹端面内外径尺寸计算不同刀具加工后的竹段尺寸，筛选出满足加工需求的刀具；

针对筛选出的刀具计算不同刀具加工后的出材率，选择使原竹出材率最大化的剖分刀具。

计算出不同刀具作用于当前原竹加工后的竹段尺寸，并将其与用户输入的加工需求进行对比，筛选出满足加工需求的刀具后再计算各刀具加工后的出材率，保证原竹加工质量的同时最大化其出材率。

在进一步的技术方案中，根据当前原竹端面内外径尺寸计算刀具加工后的竹段尺寸包括以下步骤：

基于最小二乘法，采用多段不同曲率的扇环形竹段拟合出当前待加工原竹实际椭圆截面；

基于圆截面加工竹段尺寸模型对不同曲率扇环形竹段分别进行计算，最终得到该原竹加工所得竹段尺寸。

在进一步的技术方案中，计算刀具加工后的出材率包括以下步骤：

基于最小二乘法，采用多段不同曲率的扇环形竹段拟合出将当前待加工原竹实际椭圆截面；

基于圆截面出材率模型对不同曲率扇环形竹段分别进行计算并累加，最终得到该原竹出材率。

由于椭圆形状的特殊性导致计算难度较大，目前原竹剖分加工模型大多都基于圆形截面进行推导，与实际原竹截面形状有所区别。本发明采用拟合方法，将已有的基于圆形截面的原竹剖分模型推广至椭圆截面，更贴合实际生产情况，提高了模型的准确度。

有益效果在于：

1、本发明的系统通过微处理器对图像采集模块采集的原竹端面图形进行处理并选择最优剖分刀具，控制器控制原竹剖分设备更换最优剖分刀具进行原竹剖分，提高了原竹出材率、加工效率以及加工质量。

2、通过第一图像采集模块和第二图像采集模块分别对原竹的大小径端面进行图像采集，保证图像质量的同时提高了采集效率。

3、人机交互界面的设置，可以很方便的将当前原竹加工尺寸需求输入至系统，并可以根据处理信息的显示获知当前原竹端面内外径尺寸、剖分数以及出材率情况，便于对原竹加工进程进行实时监管。

4、通过通讯模块、机器视觉模块和数据处理模块使得微处理器具有了通讯、视觉识别及数据处理的功能，将整个计算过程集中在微处理器中进行，效率更高。

5、基于PyQT5设计的人机交互界面便于操作，能够跨平台运行，性能高，显示效果好，不仅可以进行加工需求的输入，还可以对当前原竹端面图像、内外径尺寸及最优刀具选择结果和出材率进行显示，功能强大。

6、本发明的方法基于机器视觉的图像处理方法获得待加工原竹端面内外径尺寸，根据原竹尺寸和加工需求自动化选择剖分刀具，为优化原竹剖分工序提供了理论支持。

7、采用机器视觉技术识别原竹端面信息，能够准确获得原竹端面内外径尺寸，误差小精确度高。

8、计算出不同刀具作用于当前原竹加工后的竹段尺寸，并将其与用户输入的加工需求进行对比，筛选出满足加工需求的刀具后再计算各刀具加工后的出材率，选择使原竹出材率最大化的剖分刀具，保证剖分质量的同时最大化原竹出材率。

9、采用拟合方法，将已有的基于圆形截面的原竹剖分模型推广至椭圆截面，更贴合实际生产情况，提高了模型的准确度。

附图说明

图1是本发明实施例的原竹剖分系统的原理示意图；

图2是本发明实施例的微处理器的工作流程图；

图3是本发明实施例的人机交互界面的显示示意图。

附图标记：

1、图像处理信息栏；2、加工需求输入栏；3、处理结果显示栏。

具体实施方式

下面结合附图对本发明作进一步说明：

实施例：

如图1所示，本实施例公开了一种基于机器视觉的原竹剖分刀具自动选择系统，包括：

图像采集模块，用于采集原竹端面图像并传输至微处理器；

微处理器，用于接收来自图像采集模块的图像信息，进行图像分析得到原竹端面内外径尺寸，并结合加工需求进行数据处理，得到最优剖分刀具选择结果，并将最优剖分刀具选择结果传输至控制器；

控制器，用于接收来自微处理器的最优剖分刀具选择结果并控制原竹剖分设备进行换刀等工作；

在本实施例中，如图1所示，控制器选用PLC控制器。

本发明的工作原理如下：利用图像采集模块对待剖分原竹进行端面图像采集，微处理器对图像进行分析后，结合加工需求自动进行最优刀具选择，原竹剖分设备根据最优刀具数据换刀并进行原竹剖分加工，保证了原竹剖分的高出材率。

本发明的基于机器视觉的原竹剖分刀具自动选择系统通过微处理器对图像采集模块采集的原竹端面图形进行处理并选择最优剖分刀具，控制器控制原竹剖分设备更换最优剖分刀具进行原竹剖分，提高了原竹出材率、加工效率以及加工质量。

另一方面，本实施例还公开了一种原竹剖分系统，包括上述的基于机器视觉的原竹剖分刀具自动选择系统，还包括：

原竹剖分设备，用于接收控制器的控制指令信息，并根据控制指令更换对应的原竹剖分刀具对原竹进行剖分加工。

在本实施例中，原竹剖分设备采用数控剖竹机。

另一方面，本实施例还公开了一种根据上述的原竹剖分系统的刀具自动选择方法，包括以下步骤：

图像采集，利用图像采集模块采集原竹端面图像；

图像处理，图像处理得到原竹端面内外径尺寸；

数据处理，根据当前原竹端面内外径尺寸、加工需求等进行计算，选择最优原竹剖分刀具。

本发明的方法基于图像处理方法获得原竹端面内外径尺寸，根据原竹内外径尺寸和加工需求自动化选择剖分刀具，为优化原竹剖分工序提供了理论支持。

在另外一个实施例中，如图1所示，原竹剖分系统还包括：

输送装置，用于将待剖分原竹输送到原竹检测区域。

通过设置输送装置，使得待剖分原竹在原竹检测区域的定位更加方便，同时提高了输送的效率，减少了人工。

在另外一个实施例中，如图1所示，图像采集模块包括：

第一图像采集模块，用于采集原竹小径端面图像并传输给微处理器；

第二图像采集模块，用于采集原竹大径端面图像并传输给微处理器。

原竹整体具有锥度，即一端的直径较大，另一端的直径较小，上述的原竹小径端面为原竹直径相对较小的一端的端面，原竹大径端面为原竹直径相对较大的一端的端面。

通过第一图像采集模块和第二图像采集模块分别对原竹的大小径端面进行图像采集，保证图像质量的同时提高了采集效率。

在另外一个实施例中，第一图像采集模块和第二图像采集模块均为CCD图像传感器。

在本实施例中，第一图像采集模块包括第一检测光源和第一图像采集单元，第一检测光源向原竹小径面端面发射光源，第一图像采集单元采集待加工原竹小径面端面信息；

第二图像采集模块包括第二检测光源和第二图像采集单元，第二检测光源向原竹大径面端面发射光源，第二图像采集单元采集待加工原竹大径面端面信息。

光源的增设，保证了图像采集的质量。

在另外一个实施例中，如图1所示，所述基于机器视觉的原竹剖分刀具自动选择系统还包括：

人机交互界面，用于接收用户输入的加工需求并显示当前状态信息。

人机交互界面的设置，可以很方便的将当前原竹加工尺寸需求输入至系统，并可以根据处理信息的显示获知当前原竹端面内外径尺寸、剖分数以及出材率情况，便于对原竹加工进程进行实时监管。

在另外一个实施例中，微处理器包括：

通讯模块，用于与图像采集模块和控制器建立通讯连接，实现数据传输；

机器视觉模块，用于将接收到的原竹端面图像进行图像处理，得到原竹端面内外径尺寸作为识别结果；

数据处理模块，用于根据原竹端面内外径尺寸及加工需求，计算最优剖分刀具及出材率作为结果输出。

通过通讯模块、机器视觉模块和数据处理模块使得微处理器具有了通讯、视觉识别及数据处理的功能，将整个计算过程集中在微处理器中进行，效率更高。

本实施例的微处理器的工作流程如图2所示。

在另外一个实施例中，通讯模块为无线通讯模块，实现微处理器与外界的无线通讯。

在另外一个实施例中，如图3所示，人机交互界面基于PyQT5设计，包括：

图像信息显示栏，用于显示当前原竹端面图像信息和微处理器处理所得原竹端面内外径尺寸；

加工需求输入栏，用于接收用户输入的竹段加工尺寸需求；

处理结果显示栏，用于显示最优刀具选择结果及其出材率。

在图3中，图像信息显示栏1进行当前原竹端面图像信息和微处理器处理所得原竹端面内外径尺寸的显示，加工需求输入栏2用于用户输入竹段加工尺寸需求，处理结果显示栏3用于最优刀具选择结果及其出材率的显示。

基于PyQT5设计的人机交互界面便于操作，能够跨平台运行，性能高，显示效果好，不仅可以进行加工需求的输入，还可以显示当前原竹端面图像信息、内外径尺寸及最优刀具选择结果和出材率，功能强大。

在另外一个实施例中，图像处理包括以下步骤：

采集图像进行中值滤波与阈值化处理，消除噪声干扰并提升原竹截面图像质量，排除背景干扰，突出原竹截面信息，获取原竹端面图像信息；

中值滤波是一种消除脉冲噪声的非线性算法，将检查输入信号中的采样并判断它是否代表了信号，使用奇数个采样组成的观察窗实现这项功能，将观察窗口中的数值进行排序，位于观察窗中间的中值作为输出，然后丢弃原值并取得新的采样，重复上面的计算过程。中值滤波可以有效去除原竹端面图像中的脉冲噪声，同时保留原图像信息，从而提升图像质量。在本实施例中，选取边长为7的滤波核进行中值滤波。

阈值化处理是一种图像预处理方法，使图像像素值更单一，进而使图像的效果更简单。在本实施例中，采用二值化处理进行图像阈值化。通过设置某个阈将图像分为大于阈值的像素组和小于阈值的像素组两部分，再将图像上像素点的灰度值设为0或255，从而将整个图像分为黑白效果展示。二值化处理后将消除背景干扰，使图像只显示原竹端面信息。在本实施例中，选取阈值为190。

进行Canny边缘检测，获取原竹端面边缘以便准确识别端面内外径信息；

Canny边缘检测是一种多级边缘检测算法，根据图像边缘的梯度变化寻找图像边缘，最终得到十分精细的二值边缘图像。在本实施例中，采用最小阈值10、最大阈值50的Canny边缘检测。

在截面轮廓进行边缘极值查找，获取原竹端面内外径像素尺寸；

在本实施例中，边缘极值查找方法为：提取原竹端面边缘图像坐标点矩阵，查找图像中横轴极值点、纵轴极值点的坐标信息，相减得到原竹端面外径像素尺寸；将上述查找到的原竹外径边缘向内偏移一定像素值作为内径查找区域，本实施例中选取30像素，之后重复上述步骤得到原竹内径像素尺寸。

基于相机标定，获取原竹端面内外径实际尺寸。

在本实施例中，相机标定方法为：在不考虑畸变的前提下建立世界坐标系与相机坐标系之间的关系：

其中，WD为镜头至物体距离，h为CCD芯片宽度尺寸，f为相机焦距，H为所获得图像的宽度像素，w为所得到的轴径像素尺寸。在本实施例中，工业相机焦距16mm、传感器尺寸为2/3”，竹截面与相机间距850mm。

采用机器视觉技术识别原竹截面信息，能够准确获得原竹端面内外径尺寸，误差小精确度高。

在另外一个实施例中，如图2所示，数据处理包括以下步骤：

根据当前原竹端面内外径尺寸计算不同刀具加工后的竹段尺寸，筛选出满足加工需求的刀具；

针对筛选出的刀具计算不同刀具加工后的出材率，选择使原竹出材率最大化的剖分刀具。

计算出不同刀具作用于当前原竹加工后的竹段尺寸，并将其与用户输入的加工需求进行对比，筛选出满足加工需求的刀具后再计算各刀具加工后的出材率，保证剖分质量的同时最大化原竹出材率。

在另外一个实施例中，根据当前原竹端面内外径尺寸计算刀具加工后的竹段尺寸包括以下步骤：

基于最小二乘法，采用多段不同曲率的扇环形竹段拟合出当前待加工原竹实际椭圆截面；

基于圆截面加工竹段尺寸模型对不同曲率扇环形竹段分别进行计算，最终得到该原竹加工所得竹段尺寸。

在本实施例中，以当前加工方式为四面剖分三面铣削加工方式举例，其最终得到的加工后竹段尺寸为：

竹段厚度：

竹段宽度：

其中Ri为第i段竹段小端外径，ri为第i段竹段小端内径，n为原竹剖分数。

在另外一个实施例中，计算刀具加工后的出材率包括以下步骤：

基于最小二乘法，采用多段不同曲率的扇环形竹段拟合出将当前待加工原竹实际椭圆截面；

基于圆截面出材率模型对不同曲率扇环形竹段分别进行计算并累加，最终得到该原竹出材率。

在本实施例中，以当前加工方式为四面剖分三面铣削加工方式举例，其最终得到的原竹出材率为：

其中R

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。