1.一种基于改进决策树算法的刨花板分级方法,其特征在于,包括以下步骤:
步骤1、采集刨花板图像数据,构建用于生成决策树的数据集;
步骤2、将采集到的刨花板图像数据进行人工分级,共分为四个等级;
步骤3、挑选出刨花板表面仅存在一种缺陷的图像数据,并将上述步骤2中划分的刨花板等级作为该图像中缺陷的严重程度标签;采用图像处理方法提取图像中该缺陷的评价指标,评价指标包括面积、数量、范围和分散程度,构成判定属性;将每幅图像中的判定属性的结果以及该图像上缺陷的严重程度构建为训练集,将该种缺陷的评价指标构建为属性集,对每一种缺陷分别生成针对缺陷评价指标的决策树;在生成决策树时,针对不同缺陷的特点,将缺陷评价指标划分优先级,具体在决策树生成算法中体现为属性优先级加权;
步骤4、挑选出刨花板表面存在多种缺陷的图像数据,将每幅图像带入上述步骤3生成的所有针对缺陷评价指标的决策树中,并保存每种缺陷的输出结果;将每幅图像得到的每种缺陷的结果以及该图像在上述步骤2划分的刨花板等级构建为训练集,将所有缺陷种类构建为属性集;生成针对缺陷种类划分的决策树;
步骤5、构建分级方法:判断刨花板表面是否含有缺陷,若无缺陷,则为一级板;若有缺陷,进一步判断刨花板表面缺陷类型,并提取出每种缺陷的评价指标的具体值,若只含有单一缺陷,则带入针对该缺陷评价指标的决策树中,将决策树判定得到的该缺陷的严重程度作为刨花板的分级等级;若包含多种缺陷,则带入针对缺陷种类划分的决策树中,在每个判定节点上,将该种缺陷的评价指标带入步骤3中生成的针对该缺陷评价指标的决策树中,并以其输出结果做为该节点的判定结果,直至针对缺陷种类划分的决策树执行完成,并将输出结果做为刨花板的分级等级;
步骤6、将上述步骤5得到的分级方法应用到刨花板生产检测环节中:采集到刨花板图像并经过图像处理后,将处理后的数据传入上述步骤5得到的分级方法中,并根据输出结果将刨花板分等分级,至此,刨花板分级完成。
2.根据权利要求1所述的基于改进决策树算法的刨花板分级方法,其特征在于,所述的步骤1具体为:使用工业摄像头采集刨花板图像数据,构建用于生成决策树的数据集。
3.根据权利要求1所述的基于改进决策树算法的刨花板分级方法,其特征在于,所述的步骤2中的四个等级具体为一级板、二级板、三级板和四级板。
4.根据权利要求1所述的基于改进决策树算法的刨花板分级方法,其特征在于,所述的步骤3具体为:步骤3.1、挑选出步骤2中刨花板表面仅存在一种缺陷的图像数据;
步骤3.2、将步骤2中对图像数据所划分的刨花板等级,作为对应图像中缺陷的严重程度;
步骤3.3、对于每一种缺陷,使用图像处理方法,提取出图像中缺陷的评价指标,评价指标包括面积、数量、范围和分散程度;
步骤3.4、将每幅图像中提取出的缺陷评价指标的结果,以及对应图像上缺陷的严重程度,构建为训练集;训练集中的每一项包括了一种缺陷的各项评价指标数据和对应的严重程度标签;
步骤3.5、将缺陷的评价指标构建为属性集;
步骤3.6、针对每一种缺陷,利用步骤3.4构建的训练集和步骤3.5构建的属性集,并采用改进的ID3决策树学习算法,生成针对缺陷评价指标的决策树;改进的ID3决策树学习算法引入了根据不同缺陷种类和各项评价指标设置的权重Ka,用于修正不同种类缺陷对某一项评价指标的影响程度,以信息增益乘以对应特征的权重,选择最优划分属性公式优化为:a*=arg(Ka·max(Gain(D,a)));其中,Gain(D,a)为信息增益,Ka为一种缺陷中某一项评价指标对应的权重。
5.根据权利要求1所述的基于改进决策树算法的刨花板分级方法,其特征在于,所述的步骤4具体为:步骤4.1、从步骤2构建的刨花板图像数据集中,挑选出表面存在多种缺陷的刨花板图像数据;
步骤4.2、将挑选出的每幅存在多种缺陷的图像,分别带入步骤3中对每一种缺陷分别生成的针对缺陷评价指标的决策树中,获取每种缺陷的输出结果,结果包括每种缺陷的严重程度;
步骤4.3、以整合后的每幅图像的多种缺陷结果,以及在步骤2中划分的该图像对应的刨花板等级,共同构建新的训练集;
步骤4.4、将每幅图像中的所有缺陷种类作为属性集;
步骤4.5、使用传统ID3决策树学习算法,利用步骤4.3构建的训练集和步骤4.4构建的属性集,生成针对缺陷种类划分的决策树。
6.根据权利要求1所述的基于改进决策树算法的刨花板分级方法,其特征在于,所述的缺陷种类包括划痕、胶斑、压痕、大刨花、粉尘斑、漏砂。