摘  要： 針對地板生產(chǎn)過程中依賴人工判斷地板正反面的現(xiàn)狀，提出了以TI公司浮點(diǎn)DSP芯片TMS320DM6437為控制核心的地板正反面檢測系統(tǒng)。通過提取具有顯著特征的紅色分量的平均值和灰度分布的最大值，同時(shí)借助最小平方誤差判別法區(qū)分地板的正反面。測試結(jié)果表明，該地板正反面判斷系統(tǒng)具有很高的識別率，可以緩解工人的勞動(dòng)強(qiáng)度同時(shí)提高生產(chǎn)效率。

　　關(guān)鍵詞： TMS320DM6437；地板正反面檢測系統(tǒng)；最小平方誤差判別法；系統(tǒng)設(shè)計(jì)；工業(yè)應(yīng)用

0 引言

　　檢測地板的正反面是木地板生產(chǎn)線上必需的一道工序，當(dāng)前，需要工人24小時(shí)值守在生產(chǎn)線旁。近年來，隨著計(jì)算機(jī)視覺技術(shù)的快速發(fā)展，目前針對木材的計(jì)算機(jī)視覺研究更多地側(cè)重于木材表面缺陷的檢測，如楊麗麗等人[1]借助基于遺傳算法的圖像分割技術(shù)對強(qiáng)化木地板表面進(jìn)行瑕疵檢測；吳東洋等人[2]提出了一種新的基于無監(jiān)督聚類木材缺陷識別方法。除此之外，吳長慶等人[3]提出過一種使用色差計(jì)的木板顏色分等檢測方法。

　　當(dāng)前，DSP在檢測系統(tǒng)中的應(yīng)用越來越廣泛。Li Xinchun等人[4]以DM6437為核心實(shí)現(xiàn)了人體異常行為檢測系統(tǒng)的設(shè)計(jì)；苑瑋琦等人[5]設(shè)計(jì)了基于DM6437的駕駛員疲勞檢測系統(tǒng)，用于幫助駕駛員提高駕駛的安全系數(shù)；沈道寧等人[6]對DM6437平臺下的H.264濾波器進(jìn)行了優(yōu)化，有效提高了H.264編解碼的效率；余涵等人[7]設(shè)計(jì)了基于DM6467T的音視頻采集模塊。

　　本文以TMS320DM6437最小系統(tǒng)為核心，配合視頻數(shù)據(jù)采集、通信、顯示、人機(jī)交互接口等構(gòu)成地板正反面檢測系統(tǒng)。軟件部分的設(shè)計(jì)涉及基于數(shù)字圖像處理與模式識別相關(guān)知識。

1 地板正反面檢測原理

　　系統(tǒng)的結(jié)構(gòu)示意圖如圖1所示。其中：1為DSP核心板及相關(guān)電路；2為CCD攝像頭；3為模式選擇開關(guān)；4為指示燈用于地板正反面的指示；5是顯示器；6和7分別代表待檢測的地板以及生產(chǎn)過程中運(yùn)動(dòng)的皮帶。

　　該檢測系統(tǒng)的主要原理是：攝像機(jī)采集地板的圖像，對采集到的地板圖像進(jìn)行分塊，之后提取地板的紅色分量的平均值和灰度分布的最大值，最后，利用監(jiān)督學(xué)習(xí)算法識別地板的正反面信息。

　　1.1 特征提取

　　記采集到的正面圖像為f0（x，y），反面圖像為f1（x，y）。將地板的正面圖像等分成N幅子圖像，本例中取N=9即等分成9塊，子圖像記為f0i（x，y），i=1，2，…，N，其中（x，y）為像素點(diǎn)的坐標(biāo)。從子圖像中提取灰度分量（Y分量）值，得到N幅灰度子圖像g0i（x，y），i=1，2，…，N。將YUV格式的圖像轉(zhuǎn)換為RGB格式的圖像，從而可以得到N幅紅色分量子圖像r0i（x，y），i=1，2，…，N。采用同樣的方法，可以得到地板反面圖像f1（x，y）的N幅灰度子圖像g1i（x，y），i=1，2，…，N，以及N幅紅色分量子圖像r1i（x，y），i=1，2，…，N。

　　根據(jù)式（1）、（2）計(jì)算灰度圖像g0i（x，y），i=1，2，…，N的灰度分布[8]概率及其最大值：

　　其中，p0i（k）為灰度值為k的像素點(diǎn)的分布概率，k代表灰度圖像g0i（x，y）的灰度值，hi（m，n）為灰度圖像g0i（x，y）在坐標(biāo)（m，n）處的值，W為子圖像的寬度，H為子圖像的高度，。

　　P0i=max{p0i（k），k=0，1，…，255}，i=1，2，…，N（2）

　　同樣地，可以計(jì)算灰度圖像g1i（x，y），i=1，2，…，N的灰度分布概率p1i（k）及最大值P1i，i=1，2，…，N。根據(jù)式（3）計(jì)算紅色分量圖像r0i（x，y），i=1，2，…，N的平均值：

　　其中，li（m，n）為紅色分量圖像ri（x，y）在坐標(biāo)（m，n）處的值。

　　同樣地，可以計(jì)算紅色分量圖像r1i（x，y），i=1，2，…，N的平均值R1i。

　　1.2 分類方法

　　提取了地板圖像的灰度分布概率和紅色分量特征之后，借助最小平方誤差判別法[9-10]判別地板正反面。

　　由最小平方誤差判別法知，問題的關(guān)鍵在于求解線性方程組Ya=b，通常情況下方程沒有精確解，定義誤差向量為：

　　e=Ya-b（4）

　　借助最小化誤差平方和的準(zhǔn)則函數(shù)，得：

　　1.3 判別步驟

　　具體判別步驟如下：

　?。?）通過圖像獲取地板正反面圖像的各N組特征向量：

　?。? P0i R0i），i=1，2，…，N

　　（1 P1i R1i），i=1，2，…，N

　　（2）構(gòu)建矩陣Y=Y0Y1，其中矩陣Y0和矩陣Y1的構(gòu)成方法是：矩陣Y0為N行3列的矩陣，其中Y0的每一行為：Y0i=（1 P0i R0i），i=1，2，…，N。

　　同樣得到矩陣Y1。

　?。?）記b為2N行1列的列向量，其前9項(xiàng)為1，后9項(xiàng)為-1。

　　利用式（6）求得最小平方誤差判別算法的權(quán)向量a。

　?。?）獲取當(dāng)前檢測地板的N組特征向量：

　　Yi·=[1 Pi Ri]，i=1，2，…，N

　?。?）計(jì)算Yi·×a，i=1，2，…，N，如果有[N/2]+1或以上的結(jié)果大于或等于零，則判定地板為正面向上，否則為反面向上。

2 軟硬件設(shè)計(jì)

　　2.1 硬件設(shè)計(jì)

　　系統(tǒng)的硬件結(jié)構(gòu)如圖2所示，主要包括電源、視頻輸入輸出和人機(jī)交互電路。視頻輸入輸出電路以DSP為核心，同時(shí)包括RS232串口、顯示接口、撥碼開關(guān)、LED指示電路以及必要的存儲器。

　　2.2 軟件設(shè)計(jì)

　　基于DSP/BIOS的軟件框架如圖3所示。

　　程序從入口地址c_int00開始執(zhí)行，首先對系統(tǒng)相關(guān)資源進(jìn)行初始化，其中包括DSP環(huán)境的初始化設(shè)置、各種存儲器接口的設(shè)定以及相關(guān)變量的初始化等。之后，程序從main（）函數(shù)返回，并進(jìn)入DSP/BIOS調(diào)度執(zhí)行視頻處理主線程序。為了監(jiān)控以及調(diào)試的方便，將最終的結(jié)果通過視頻輸出通道顯示在液晶顯示器上。

　　視頻處理主線程中，VPFE實(shí)現(xiàn)視頻數(shù)據(jù)的采集，并將采集到的數(shù)據(jù)存入視頻緩沖區(qū)。之后視頻處理算法從視頻緩沖區(qū)內(nèi)讀取數(shù)據(jù)進(jìn)行處理。而VPBE實(shí)現(xiàn)視頻圖像的終端顯示。軟件設(shè)計(jì)流程圖如4所示。

3 系統(tǒng)測試與結(jié)果分析

　　實(shí)驗(yàn)測試系統(tǒng)實(shí)物圖如圖5所示。

　　實(shí)驗(yàn)測試的地板主要分為兩大類，一類是硬質(zhì)地板，另一類是軟質(zhì)地板，如圖6所示。

　　首先，地板檢測最大的問題是地板正反面的特征差異不是很明顯，這樣分類特征難以提取。經(jīng)過大量實(shí)驗(yàn)測試最終提取出了紅色分量的平均值與灰度分布概率的最大值兩個(gè)特征參數(shù)。其次，光照對于系統(tǒng)識別率也有很大的影響，在這里光照條件只要滿足均勻不出現(xiàn)反光造成光斑即可。最后是算法的優(yōu)化問題，因?yàn)樾枰獙?shí)時(shí)地進(jìn)行識別，如果算法過于復(fù)雜會造成DSP系統(tǒng)負(fù)擔(dān)過重。

　　測試時(shí)選擇同一類型中的任意一塊地板進(jìn)行學(xué)習(xí)，之后借助其余各80塊地板進(jìn)行測試。普遍現(xiàn)象是硬質(zhì)地板識別率相對于軟質(zhì)地板稍微低一點(diǎn)，主要原因是硬質(zhì)地板的正反兩面有著更加相似的特征，而軟質(zhì)地板正反面特征區(qū)別相對明顯。表1給出了部分測試結(jié)果。

4 結(jié)論

　　本文在分析地板正反面檢測原理的同時(shí)介紹了系統(tǒng)硬件組成和軟件設(shè)計(jì)，并通過測試驗(yàn)證了地板正反面檢測系統(tǒng)在檢測中的良好表現(xiàn)。使用型號為TMS320DM637的DSP作為控制核心，不僅滿足了系統(tǒng)識別率的要求，還降低了系統(tǒng)成本，這些將有利于系統(tǒng)在實(shí)際應(yīng)用場合的推廣。

　　當(dāng)然系統(tǒng)的設(shè)計(jì)還達(dá)不到盡善盡美的程度，系統(tǒng)軟硬件設(shè)計(jì)的合理性、算法的運(yùn)行速度、識別率以及系統(tǒng)運(yùn)行的可靠性方面仍然有待提高，這些方面也是后續(xù)工作中需要重點(diǎn)解決的問題。

參考文獻(xiàn)

　　[1] 楊麗麗，韓寧，張健，等.基于圖像處理技術(shù)的強(qiáng)化木地板表面瑕疵檢測算法研究[J].儀器儀表學(xué)報(bào)，2009，30（6）：174-178.

　　[2] 吳東洋，業(yè)寧，沈麗容，等.基于顏色矩的木材缺陷聚類識別[J].江南大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，8（5）：520-524.

　　[3] 吳長慶，嚴(yán)永林.基子色差法的地板顏色分等檢測技術(shù)[J].林業(yè)機(jī)械與木工設(shè)備，2007，35（2）：34-35.

　　[4] Li Xinchun， Wu Qi. Research on abnormal behavior detection system based on TMS320DM6437[C]. 2010 International Conference on Computational Problem-Solving （ICCP）， IEEE， 2010：340-343.

　　[5] 范瑋琦，竇元杰.基于DSP的疲勞駕駛檢測系統(tǒng)的研究[J].微型機(jī)與應(yīng)用，2011，30（3）：73-75.

　　[6] 沈道寧，程耀武.H.264濾波器在達(dá)芬奇平臺下的優(yōu)化設(shè)計(jì)[J].計(jì)算機(jī)工程，2010，36（23）：220-222.

　　[7] 余涵，夏顯成，杜亞娟.基于DM6467T的音視頻采集模塊設(shè)計(jì)[J].計(jì)算機(jī)工程，2013，39（11）：312-316.

　　[8] MATERKAA， STRZELECKI M. Texture analysis methods-a review[J]. Technical University of Lodz， Institute of Electronics， COST B11 Report， Brussels， 1998：9-11.

　　[9] 張學(xué)工.模式識別（第三版）[M].北京：清華大學(xué)出版社，2010.

　　[10] THEODORIDIS S， KOUTROUMBAS K. 模式識別（第三版）[M].李晶皎，王愛俠，張廣淵，譯.北京：電子工業(yè)出版社，2006.