(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210855713.0 (22)申请日 2022.07.21 (71)申请人 海门王巢家具制造有限公司 地址 226000 江苏省南 通市海门市余 东镇 希诺路19号 (72)发明人 江泽深　 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/26(2022.01) G06V 10/40(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 一种实木地板分选方法及系统 (57)摘要 本发明涉及人工智能领域， 具体涉及一种实 木地板分选方法及系统， 可以应用于家居生产中 的地板智能分选。 包括： 获取待分选实木地板图 像， 对每个像素点进行区域划分， 得到多个子区 域； 对每个子区域进行初步筛选， 得到待选子区 域； 将分布指标值最大的待选子区域作为最佳分 选区域； 获取最佳分选区域的区域通道差异图 像， 筛选区域通道差异图像中的主色调像素点； 获取每个待分选实木地板图像的色泽分布矩阵； 获取每个待分选实木地板图像的结构分布矩阵； 计算两两待分选实木地板图像的相似度， 根据所 述相似度值判断待分选实木地板的类别。 本发明 能够基于实木地板图像数据对其进行自动分选， 检测速度快且分选精度高。 权利要求书3页 说明书10页 附图2页 CN 115082773 A 2022.09.20 CN 115082773 A 1.一种实木地板分选方法， 其特 征在于， 包括： 获取每个待分选实木地板图像， 对每个待分选实木地板图像中的所有像素点进行聚 类； 根据聚类结果对每 个像素点进行区域划分， 得到每 个待分选图像多个子区域； 根据每个待分选实木地板图像的每个子区域中像素点的灰度均值和对应待分选实木 地板图像中所有像素点的灰度均值对每个子区域进行初步筛选， 得到每个待分选实木地板 图像的待选 子区域； 根据每个待选子区域中像素点的灰度值计算每个待选子区域的分布指标， 将分布指标 值最大的待选 子区域作为每 个待分选实木地板图像的最佳分选区域； 获取每个待分选实木地板图像中最佳分选区域的区域通道差异图像， 根据区域通道差 异图像中每 个像素点的通道差异值筛 选区域通道差异图像中的主色调像素点； 根据区域通道差异图像中每个主色调像素点的通道差异值建立高斯混合模型， 根据建 立的高斯混合模型获取每 个待分选实木地板图像的色泽分布 矩阵； 获取每个待分选实木地板图像最佳分选区域的最小内接矩形， 获取每个像素点的像素 描述子， 根据每 个像素点的像素描述子获取每 个待分选实木地板图像的结构分布 矩阵； 根据两两待分选实木地板图像的色泽分布矩阵相似性和结构分布矩阵相关性， 计算两 两待分选实木地板图像的相似度， 根据所述相似度值对待分选实木地板分类筛 选。 2.根据权利要求1所述的一种实木地板分选方法， 其特征在于， 对每个子区域进行初步 筛选， 得到待选 子区域的方法为： 建立子区域初步检测模型， 计算每个子区域的模型值， 将模型值的大小在设定范围的 子区域作为待选 子区域， 所述初步检测模型的表达式为： 其中， 表示第m个子区域中像素点的灰度均值， 表示对应待分选实木地板图像中所 有像素点的灰度均值， 表示第m个子区域的模型值。 3.根据权利要求1所述的一种实木地板分选方法， 其特征在于， 计算所述分布指标的表 达式为： 其中， 为第c个待选子区域的分布指标， P表示第c个待选子区域内像素点灰度值的种 类数， 为第c个待选 子区域中像素点的灰度值 为P类出现的次数， z为模型参数。 4.根据权利要求1所述的一种实木地板分选方法， 其特征在于， 根据区域通道差异图像 中每个主色调像素点的通道差异值建立高斯混合模型的方法为： 根据每个区域通道差异图像中主色调像素点的通道差异值建立高斯混合模型， 所述高 斯混合模型表达式为：权　利　要　求　书 1/3 页 2 CN 115082773 A 2其中， 表示第f个区域通道差异图像的高斯混合模型， 表示第f个区域通道差异 图像中第k个单高斯模型的混合系数， 表示第f个区域通道差异图像中第k个单高斯模 型。 5.根据权利要求4所述的一种实木地板分选方法， 其特征在于， 获取每个待分选实木地 板图像色泽分布 矩阵的方法为： 所述区域通道差异图像为最佳分选区域的R、 G、 B三通道对应的差异图像s、 v、 t,其中： ； 根据高斯混合模型计算每个单高斯模 型的混合系数 ， 获取每个单高斯模型的方差参 数以及均值 参数， 得到的色泽分布 矩阵为： 其中， K表示单高斯模型的个数， 表示区域通道差异图像s中第k个单高斯模型的均 值参数， 表示区域通道差异图像s中第k个单 高斯模型的混合参数， 表示区域通道差 异图像s中第k个单高斯模 型的方差参数， v表示区域通道差异图像v， t表 示区域通道差异图 像t。 6.根据权利要求1所述的一种实木地板分选方法， 其特征在于， 获取每个待分选实木地 板图像结构分布 矩阵的方法为： 根据每个像素点的梯度幅值和梯度方向得到每个像素点的像素描述子， 对所有像素点 描述子进行滑 窗， 统计两两像素点描述子同时出现的频次， 根据所述两两像素点描述子同 时出现的频次构建结构分布 矩阵为： 其中， 表示第x个像素点的像素点描述子与第y个像素点的像素点描述子同时出现 的频率， 表示大小为 的结构分布 矩阵； 所述每个待分选实木地板图像的结构分布矩阵包括水平结构分布矩阵和竖直结构分 布矩阵。 7.根据权利要求1所述的一种实木地板分选方法， 其特征在于， 计算两两待分选实木地 板图像的相似度的方法为： 计算两两待分选实木地板图像的色泽分布 矩阵的相似性； 计算两两待分选实木地板图像的结构分布 矩阵的相关性； 计算两两待分选实木地板图像的相似度， 表达式为：权　利　要　求　书 2/3 页 3 CN 115082773 A 3