基于机器视觉的家具板材表面缺陷检测系统

金辉 王(桂林电子科技大学，中国)
建波 杨(桂林电子科技大学，中国)
姝芹 吴(桂林电子科技大学，中国)
诚 黄(桂林电子科技大学，中国)

摘要

针对家具制造领域板材表面缺陷传统人工检测存在效率偏低、主观性强、难以量化等问题，本文设计了一套集成图像采集、处理、检测与尺寸测量的机器视觉智能检测系统。系统采用均值滤波+Canny边缘检测+形态学运算的缺陷检测流程，实现划痕等表面缺陷的自动识别和物理尺寸量化。实验结果表明，系统对家具板材缺陷检测准确率高达96.2%，面积测量相对误差在±5%以内，具备稳定检出能力与良好的泛化性，可用于生产线在线质检，为家具生产质量管控自动化提供可行方案。

关键词

机器视觉；家具板材；缺陷检测；尺寸测量；MATLAB GUI

参考

丁安宁, 贺春光, 多化琼, 等. 基于数字图像的木材缺陷识别研究进展[J]. 木材科学与技术, 2022, 36(1): 9-16,28.

黄远民,易铭,杨伟杭,杨曼. 基于工业机器视觉板材表面缺陷检测技术研究及应用[J].科学技术创新,2021(6):34-35.

吴志轩, 黄远民, 钟卓昱, 等. 板材表面缺陷自动检测系统的设计与实现[J]. 科技风, 2025, (36):7-9.

贾浩男, 徐华东, 王立海, 等. 基于改进YOLOv5木板材表面缺陷的定量识别[J]. 北京林业大学学报, 2023, 45(4): 147-155.

江兴旺, 赵兴强. 改进YOLOv7的木材表面缺陷检测算法[J]. 计算机工程与应用, 2024, 60(7): 175-182.

程大全. 基于深度学习的木材表面缺陷检测研究与应用[D]. 济南: 齐鲁工业大学, 2023.

苏佳, 贾泽, 秦一畅, 等. 面向工业表面缺陷检测的改进YOLOv8算法[J]. 计算机工程与应用, 2024, 60(14): 187-196.

罗富贵, 宋倩, 章远初, 等. 基于卷积神经网络在图像识别中的应用研究[J]. 电脑与信息技术, 2024, 32(3): 51-54.

王军, 冯孙城, 程勇. 深度学习的轻量化神经网络结构研究综述[J]. 计算机工程, 2021, 47(8): 1-13.

DOI: http://dx.doi.org/10.12345/gcjsygl.v10i8.38756