强化木地板符合国家可持续发展的资源政策,在地板行业发展迅速,未来发展空间巨大。强化木地板的外观质量缺陷是影响其使用性能的一项综合性指标。目前,国内仍然依靠人为目测对强化木地板外观质量进行检测,对此,本文提出了基于机器视觉的强化木地板表面质量检测方法的研究课题。本文选用原北京柯诺森华地板厂生产的特定系列产品作为研究对象,研究缺陷包括生产中常见的干花、缺纸、污斑和纸裂四种。基于机器视觉的强化木地板表面质量检测主要包括强化木地板的图像获取、图像分割、特征参数的计算与提取和分类器设计几部分。图像分割步骤需要完成把缺陷图像从复杂的背景中提取出来的任务;在特征参数的计算与提取环节,需要在分析地板表面图像特点的基础上,选取能够代表合格地板或缺陷地板特征的参数,同时,为使提取参数达到具有可区别性、可靠性、独立性和数量少的要求,降低后期分类器的复杂程度和运算耗时,需要对特征参数进行降维;在分类器设计阶段,需要设计一种分类器能够将合格的强化木地板和存在缺陷的强化木地板赋以不同的表现形式加以识别。本研究针对强化木地板表面质量检测方法进行了比较系统的研究,主要工作和结论有以下几点:1、在图像分割研究中,论文采用最大类间方差法、基于二维空间的蚁群算法和基于最大熵的遗传算法三种方法对强化木地板图像进行图像分割处理,比较了三种方法针对强化木地板表面缺陷检测的适用性。研究结果显示,最大类间方差法对浅色干花缺陷分割效果不理想;而基于二维空间的蚁群算法对深色缺纸、污斑和纸裂分割效果不理想;基于最大熵的遗传算法对浅色和深色的缺陷分割效果都比较理想,适用于强化木地板表面质量检测的图像分割处理。2、在特征提取的研究中,本文在分析强化木地板表面图像特点的基础上,提出通过计算地板图像的颜色特征和纹理特征来表达地板图像特性。在颜色特征参数计算中,研究将HIS三维颜色空间通过加权求和降至一维空间,在该一维空间中计算颜色的一阶矩、二阶矩和三阶矩参数。由于三阶矩中出现了复数情况,研究将实部和虚部分别作为两个参数处理。在纹理计算时,分别对0~0、45~0、90~0和135~0四个方向的能量、惯性矩、熵、相关性和局部平稳五个参数计算均值和标准差作为特征参数。3、针对高维数据会造成算法空间复杂度和时间复杂度指数增加的问题,论文采用PCA线性参数降维方法对特征参数计算环节得到的24维参数进行降维,得到一个新的4维特征参数,有效解决了高维参数对识别速度和存储容量的影响。4、论文利用神经网络的RBF和BP网络结构对强化木地板表面质量检测进行了分类器设计,并针对特征提取阶段得到的24维和4维特征参数进行了分类识别实验。通过比较得出RBF神经网络在强化木地板表面质量检测方面更具有优势。