本技术提供了基于声音特征识别胶合板内部缺陷的方法,包括:步骤1:采集胶合板声音:利用阵列气缸对胶合板表面进行敲击从而产生声音;步骤2:提取胶合板的声音特征:通过拾音装置采集声波信号,将声波信号转化为数字信号;步骤3:识别胶合板内部缺陷:采用傅里叶变换及深度神经网络处理数字信号,识别胶合板内部的缺陷状态及分布规律。本发明解决了传统人工分级误差大、效率低、成本高的难题,使胶合板分选实现自动化、标准化、规模化,具有广阔的市场应用前景。
背景技术
胶合板具有木材利用率高、强度高、耐受性强等优点,可应用在飞机、船舶、火车、汽车、家居装修、建筑和集装箱等多个领域。近年来,随着人们生活水平的提高,定制家居和住宅全装修等模式的发展,人们对于胶合板产品的质量要求日益增长。胶合板在生产过程中可能因施胶不均匀、木片开裂、表面活节等因素的影响,在胶合板内部产生脱胶、鼓泡、开胶等现象,不仅影响胶合板的力学性能,还会对胶合板的使用寿命产生影响。因此,为了保证胶合板产品的品质和性能,设计一种能够准确检测胶合板内部缺陷的方法具有重要意义。
目前对传统的胶合板内部缺陷的检测方式,主要依赖人工敲击胶合板,听胶合板振动产生的声音,来识别胶合板的内部缺陷及分布规律。例如,如果敲击时听到的声音较为沉闷,则认为胶合板内部存在空洞;出现声音低沉且短促,往往是胶合板内部结构紧密程度不够,可能存在局部疏松的情况;当敲击时听到夹杂着不规律的、异常的杂音时,有可能是胶合板内部存在裂缝或者异物。但是该方法存在着诸多极为的缺点和不足。在实际操作中,由于敲击的力度、工人专注程度都各不相同,都会导致对胶合板品质的误判或漏判现象的发生。
对于胶合板的缺陷检测方法,现有技术中有记载采用计算机视觉识别桉木片表面缺陷的方法,该方法可以对桉木片表面凹坑、开裂等缺陷的识别和分选。但计算机视觉技术侧重于对胶合板外观的图像采集和分析,是通过高清摄像头获取板材的图像,运用图像处理算法提取颜色、纹理、形状等特征,该方法仅能识别桉木片表面的缺陷,比如节疤、虫眼、开裂等。而对于胶合板内部开胶、分层、鼓包等缺陷的识别,则无能为力。
实现思路