معرفي روش هاي تشخيص ضايعات در سطح چوب با استفاده از پردازش تصاوير ديجيتال

A review on defect detection techniques in wood surfaces using digital image processing

امروزه در صنايع مختلف، تشخيص عيوب در توليدات از اهميت بالايي برخوردار است و در صنايع چوب به دليل تأثير مستقيم كيفيت محصول در قيمت آن، اهميت فوق برجسته تر مي باشد. در گذشته تشخيص عيوب روي سط وح چوبي توسط روش هاي دستي صورت گرفته است كه محدوديت هاي فراواني از جمله زمان بر بودن و خطاي كاربر انساني داشته اند. امروزه با استفاده از روش هاي خودكار مبتني بر بينايي ماشين مي توان در تشخيص و طبقه بندي عيوب بهبود قابل توجهي را ايجاد نمود. در روال فوق ابتدا يك تصوير از الوار يا چوب مورد بررسي با استفاده از دوربين با كيفيت مناسب اخذ شده و سپس به نواحي سالم و معيوب دسته بندي مي گردد . در ادامه از نواحي معيوب ويژگي هاي مختلفي استخراج شده و بر اساس آن ها مشخصات و جزييات ضايعات روي سطح چوب تشخيص داده مي شود. تنوع بافت سطوح چوبي، رنگ سطوح چوبي، غيريكنواختي و عيوب شبيه بافت از جمله چالش هايي هستند كه در فرآيند تشخيص عيوب روي سطح چوب وجود دارند . براي غلبه بر اين چالش ها روش هاي مختلفي براي قطعه بندي و استخراج ويژگي از سطوح چوبي انجام پذيرفته است كه در اين مقاله به صورت اجمالي بررسي شده اند.

Defect detection is of importance in different industries. This importance is greater in wood industries because of direct relation between quality and price of wood products. For several years, traditional methods have been used for defect detection in which wood surfaces were analyzed manually by hand but this method had problems such as its time consuming nature and possibility of human errors. Nowadays automated methods have been developed based on computerized detection and classification of defects in captured images. In automated methods, at first image of lumber or wood is captured using a high quality camera. In the next step the captured image is segmented to flawless and defective areas. Finally, different features are extracted from defects and based on it the types and details of defective areas can be determined. Variety of textures of the wood surfaces, wood surfacescolors, non-uniformity and defects which are similar to the main texture of wood are some of challenges in process of defect detection on wood surfaces. In this article, several methods for segmentation and extraction of features from wood surface are reviewed which have been developed to overcome these challenges.