满足“一刀切”模式的矩形件下料优化在石材切割、木材工业、玻璃加工等行业都具有广泛的应用前景,对矩形件下料优化算法的研究可以有效提高存在下料工序企业的经济效益,起到优化资源配置、改善加工模式、促进生产的作用。因木材含有缺陷的材料特性会给木板材(下文简称为板材)的下料工作造成较多干扰,致使很多优化算法并不能直接在板材下料加工过程中得以应用,因此本文提出了一种考虑缺陷情况的下料优化方法,该方法能够有效解决无缺陷板材和含缺陷板材的矩形件下料优化问题。因为板材中可能会含有缺陷,所以本文提出了以下方法进行板材的下料优化:首先,利用计算机视觉技术进行板材缺陷的检测,获取缺陷信息,剔除不合格材料,定位缺陷位置。对于像蓝变这类木材加工过程中不允许存在的缺陷本文提出运用Hue-RGB识别技术对木材是否发生蓝变进行检测;对于其他类型的木材缺陷(节子、裂缝等)本文使用Otsu’s方法的最佳全局阈值处理、阈值分割、形态学方法、区域描述子等对板材(木材单板)所含缺陷进行了识别和木材缺陷位置坐标的提取。在上一步的基础上,设计了一种启发式算法对不含缺陷的板材进行下料优化,再将计算机视觉获得的缺陷位置信息考虑到优化排样过程中,该方法能够有效解决含缺陷板材的下料优化问题。然后,为该下料优化算法设计制作了 GUI,通过GUI可以直观的获取原材料大小、待下料零件尺寸、下料优化结果排布、板材利用率等信息。而且该GUI可以人工设定板材缺陷位置信息,使其具备了较好的实用性和可维护性。运用上述方法对相关问题进行处理获得了以下结果:(1)运用Hue-RGB方法对蓝变木材的检测准确率、查全率、误检率以及平均检测用时分别为 85.37%、97.22%、3.66%和 0.79 秒;(2)结合Otsu’s法、阈值分割、形态学方法和区域描述子等工具对节子、裂缝等缺陷检测的准确率、查全率和平均检测用时分别为93.7%、99.72%和0.48秒;(3)运用本文所提出的下料优化算法对含缺陷板材的矩形件进行下料优化能够使板材的平均利用率达到91.33%。上述结果证明了本文运用MATLAB软件通过计算机视觉技术、数字图像处理技术、启发式算法和简单的人机交互技术实现了对含有缺陷板材进行优化下料的设计初衷。通过实例分析证明了该设计能够基本满足“一刀切”下料要求的同时能有效的解决含缺陷板材的矩形件下料问题。