申请/专利权人：北京木业邦科技有限公司

申请日：2017-12-14

公开（公告）日：2024-04-19

公开（公告）号：CN108375353B

主分类号：G01B11/30

分类号：G01B11/30;G01B11/12;G01J3/46;G01N3/40;G01N21/84;B24B19/24;B24B49/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2018.08.31#实质审查的生效;2018.08.07#公开

摘要：本发明提供一种木材检测方法、装置和设备，所述方法包括：按照打磨策略自动打磨木材；采集所述木材打磨后的图像数据；显示所述木材的检测结果，所述检测结果是基于所述打磨后的图像数据得到的。本发明自动化的木材检测过程，既节省人力，便于普通使用者的使用，同时能够实现实时、快速、自动的对木材的种类进行检测。

主权项：1.一种木材检测方法，其特征在于，所述方法包括：建立打磨特征参数与打磨策略关联的打磨策略数据库；采集木材的原始图像数据；基于所述原始图像数据，得到打磨该木材的打磨策略，所述打磨策略包括与打磨特征参数关联的打磨策略，所述打磨特征参数是基于图像处理技术和所述原始图像数据得到的，如果计算得到的某一打磨特征参数并不存在于所述打磨策略数据库中，选择默认的打磨策略；按照打磨策略自动打磨木材；采集所述木材打磨后的图像数据；显示所述木材的检测结果，所述检测结果是基于所述打磨后的图像数据得到的，所述打磨策略是根据所述检测结果更新后的打磨策略，如果打磨策略选取的是所述默认的打磨策略，若成功的获得了木材的检测结果，将木材打磨前的打磨特征参数与该默认打磨策略的关联性保存在所述打磨策略数据中，如果打磨策略选取的是所述默认的打磨策略，若成功的获得了木材的检测结果，将该默认打磨策略的打磨耗材的参数或者打磨时间向下微调。

全文数据：_种木材检测方法、装置和设备技术领域[0001]本发明涉及木材加工技术领域，更具体地，涉及一种木材检测方法、装置和设备。背景技术[0002]随着我国进口木材数量逐渐增加，进口的木材种类日益增多，涉及松木、杉木、红木等不同品种。不同种类木材的材质和价格存在差异，因此对木材的种类进行检测进而实现分类是木材商业领域的普遍操作。同时一些商家在海关口岸得申报会存在不实问题，例如将一些非法盗取的禁止砍伐濒危木材伪装成其他木材进行走私。因此，需要可靠、快速地对木材种类进行检测进而实现鉴别或分类。[0003]目前传统的做法是对木材进行打磨取样，利用显微镜对打磨后的样品进行分析。若打磨到位，即能够在显微镜的观察下根据木材孔径信息分析出木材的种类。若打磨不到位，则无法得到木材孔径的清晰图像，无法在后期的检测中准确识别木材的种类。传统方法不仅费时费力，而且不能实时得到检测结果。[0004]因此，需要一种方法或设备能够实时、快速、自动的对木材的种类进行检测。发明内容[0005]本发明实施例提供一种木材检测方法、装置和设备，以提供海关检查、消费者检查等场景下提供实时、快速、自动的木材种类的检测。[0006]为了解决上述问题，本发明提供一种木材检测方法、装置和设备，所述方法包括：[0007]按照打磨策略自动打磨木材；[0008]采集所述木材打磨后的图像数据；[0009]显示所述木材的检测结果，所述检测结果是基于所述打磨后的图像数据得到的。[0010]可选的，所述打磨策略包括打磨时间、至少一个精度的打磨部件、打磨轨迹中的一个或多个，所述打磨部件包括打磨耗材及其参数。[0011]可选的，所述打磨策略包括默认的打磨策略。[0012]可选的，在所述按照打磨策略打磨木材之前，还包括:采集木材的原始图像数据；所述打磨策略是基于所述原始图像数据得到的。[0013]可选的，所述打磨策略包括与打磨特征参数关联的打磨策略，所述打磨特征参数是基于图像处理技术和所述原始图像数据得到的。[0014]可选的，所述打磨特征参数包括:粗糙度、平整度、硬度和颜色中的一个或多个。[0015]可选的，所述检测结果是基于所示检测特征参数得到的，所述检测特征参数基于图像处理技术和所述打磨后的图像数据得到的。[0016]可选的，所述检测特征参数包括:孔径信息、纹理信息的一个或多个。[0017]可选的，所述检测结果是将所述打磨后的图像数据作为机器学习算法的输入得到的，所述机器学习算法是经过大量标注的打磨后的图像数据训练的模型。[0018]可选的，所述打磨策略是根据所述检测结果更新后的打磨策略。[0019]可选的，所述方法还包括:显示提醒信息，所述提醒信息包括:打磨耗材的使用寿命提醒。[0020]可选的，所述方法还包括:当所述木材为非法木材时输出警告信号。[0021]为了解决上述问题，本发明提供一种木材检测装置，所述装置包括：[0022]打磨模块，用于按照打磨策略自动打磨所述木材；[0023]图像数据采集模块，用于采集所述木材打磨后的图像数据；[0024]显示模块，用于显示所述木材的检测结果，所述检测结果是基于所述打磨后的图像数据得到的。[0025]可选的，所述打磨策略包括打磨时间、至少一个精度的打磨部件、打磨轨迹中的一个或多个，所述打磨部件包括打磨耗材及其参数。[0026]可选的，所述打磨策略包括默认的打磨策略。[0027]可选的，所述图像采集模块还用于采集木材的原始图像数据;所述打磨策略是基于所述原始图像数据得到的。[0028]可选的，所述打磨策略包括与打磨特征参数关联的打磨策略，所述打磨特征参数是基于图像处理技术和所述原始图像数据得到的。[0029]可选的，所述打磨特征参数包括:粗糙度、平整度、硬度和颜色中的一个或多个。[0030]可选的，所述检测结果是基于所示检测特征参数得到的，所述检测特征参数基于图像处理技术和所述打磨后的图像数据得到的。[0031]可选的，所述检测特征参数包括:孔径信息、纹理信息的一个或多个。[0032]可选的，所述检测结果是将所述打磨后的图像数据作为机器学习算法的输入得到的，所述机器学习算法是经过大量标注的打磨后的图像数据训练的模型。[0033]可选的，所述打磨策略是根据所述检测结果更新后的打磨策略。[0034]可选的，所述显示模块还用于显示提醒信息，所述提醒信息包括:打磨耗材的使用寿命提醒。[0035]可选的，所述装置还包括警告模块，用于当所述木材为非法木材时输出警告信号。[0036]为了解决上述问题，本发明提供一种手持木材检测设备，所述设备包括:图像传感器、打磨模块、显示模块、手柄结构、存储器和一个或多个处理器;其中，所述图像传感器、打磨模块、显示模块与所述存储器及所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器能够实现上述任一项所述的方法。[0037]本实施例中，集成打磨模块的手持木材检测设备按照打磨策略对木材做进一步的打磨，打磨结束后获取木材打磨后的图像数据，并根据打磨后的图像数据确定木材的检测结果。自动化的木材检测过程，既节省人力，便于普通使用者的使用，同时能够实现实时、快速、自动的对木材的种类进行检测。附图说明[0038]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例[0039]图1为根据本发明一实施方式的一种木材检测方法流程图；[0040]图2为一个待检测的木材样品的表面图；[0041]图3为根据本发明一实施方式的一种木材检测装置结构图；[0042]图4为根据本发明一实施方式的手持木材检测设备示意图。具体实施方式[0043]为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0044]本领域技术人员可以理解，本发明中的“第一”、“第二”等术语仅用于区别不同设备、模块或参数等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。[0045]如图1所示，本发明一实施方式的一种木材检测方法流程图，应用于手持木材检测设备，所述设备包括图像传感器、打磨模块、手柄结构和显示模块。所述手柄结构用于支撑模块结构，同时便于用户的操作。具体而言，本方法包括：[0046]步骤S11，按照打磨策略自动打磨所述木材。[0047]实际场景中待检测的木材表面大多未经过打磨，直接对木材获得的原始图像数据往往是差强人意，信息有限，不足以从中判断木材的种类。此外，一些商贩有意在木材表面施加某些掩盖手法，例如涂层，进而影响检测结果。图2是一个待检测的木材样品的表面图。其中，图2a是该样品未经打磨的图像，从图像中可看出端面模糊，孔径被堵塞，无法得到有效的孔径信息或者其他能判断种类的信息；图2b是该样品经打磨后的图像，从图像中可看出端面清晰，孔径明显，可以得到有效的孔径信息，进而基于孔径信息检测木材的种类。而每一件木材因为自身特性，所适用的打磨方法并不完全相同，同时在实际场景中检测人员也希望采用快速的打磨方法。因此，手持木材检测设备的打磨模块按照打磨策略对木材进行打磨。这里的打磨模块受电源的电力驱动，带动打磨耗材做高速的机械运动，进而对木材进行打磨，本发明不限制方磨、圆磨、砂带机等形式。[0048]不同精度的打磨部件可能是因为打磨耗材不同和或打磨耗材的参数不同，本发明不作限制。打磨策略的执行也就是启动不同打磨表面的次序以及每个打磨表面所使用的时间。打磨轨迹可以是预定义的轨迹或者用户输入的轨迹等。在一种实施方式中，打磨部件不完全覆盖手持打磨设备的底面，为实现全覆盖的打磨，预定义的打磨轨迹包括图4b中的箭头方向。除此外，打磨轨迹还可以包括与前一方向垂直的轨迹;如果所述打磨部件是圆柱形，打磨轨迹还可以包括自转。一个打磨策略中可以包括一个或多个打磨阶段，每个打磨阶段所选用的打磨时间、打磨耗材及参数可以完全不同，也可以部分不同，本发明不作限制。在一种实施方式中，打磨模块安装于图像传感器的前部，未启动打磨模块时允许木材的图像被图像传感感器所获取。手持木材检测设备还可以包括去屑装置，利用喷气或者吸气的方式在打磨过程中或打磨完成后去除打磨产生的木肩或灰尘，进而减少木屑或灰尘对于后续检测结果的影响。[0049]步骤S12，采集所述木材打磨后的图像数据。[0050]打磨完成后通过图像传感器采集木材的图像数据，得到打磨后的图像数据，这一图像数据较于木材的原始图像数据包含更为丰富的特征信息。图像传感器包括:红外光图像传感器、可见光图像传感器或X射线图像传感器中的一种或多种。考虑到检测方法对于图像精细度的需求，图像传感器前还可以增加放大镜头，以实现放大或显微成像。放大镜头前还可以增加支架等部件，以实现在检测时样品表面位于放大镜头的焦点。手持木材检测设备中还可以增加光源，弥补实际场景中亮度不足而成像质量差的问题。这里打磨后的图像数据可以是经过图像处理模块预处理后的图像，预处理处理包括去噪、分割、二值化、编码压缩、增强复原等等。图像处理模块可以集成于图像传感器，或者集成于一个服务器，该服务器与图像传感器之间通过有线或者无线方式进行数据交换，本发明不作限制。[0051]步骤S13,显示所述木材的检测结果，所述检测结果是基于所述打磨后的图像数据得到的。[0052]检测模块基于打磨后的图像数据可以得到木材的检测结果，显示模块将这一显示结果呈现给用户。如果检测模块基于打磨后的图像数据不能得到木材的检测结果，将返回步骤S11继续进行打磨，如此循环直至得到木材的检测结果。检测模块可以集成于手持木材检测设备中，或者是集成于独立的服务器，与手持木材检测设备之间通过有线或者无线方式进行数据交换，本发明不作限制。[0053]本实施例中，集成打磨模块的手持木材检测设备按照打磨策略对木材做进一步的打磨，打磨结束后获取木材打磨后的图像数据，并根据打磨后的图像数据确定木材的检测结果。自动化的木材检测过程，既节省人力，便于普通使用者的使用，同时能够实现实时、快速、自动的对木材的种类进行检测。[0054]在一种实施方式中，所述打磨策略包括默认的打磨策略。鉴于某些木材的材料特征，默认的打磨策略可以选用粗齿锉刀。对于批量木材检测而言，所述默认的打磨策略可以是在检测前，由具有一定打磨经验的用户设定，并且在检测过程种或结束后的任意时间段可更改该默认的打磨策略。进一步的，所述默认的打磨策略包括粗糙打磨策略。对木材的打磨一般是采取由粗打到细打的方式，因此默认的打磨策略可设置为粗糙打磨策略，如果打磨耗材是砂纸，则粗糙打磨策略是打磨目数最少和打磨时间最短的策略。可以使用装配100目、300目或500目砂纸的打磨设备对木材进行粗打，然后再使用装配10〇〇目、2000目、3000目或5〇00目砂纸的打磨设备对木材进行。在具体的实施过程中，由粗打到细打的过程是由若千砂纸遵循目数由小到大的不同组合，其组合方式由相应的打磨策略决定。[0055]在一种实施方式中，在所述按照打磨策略打磨木材之前，还包括：[0056]步骤S10，采集木材的原始图像数据。[0057]利用图像传感器采集木材的原始图像数据，基于所述原始图像数据确定打磨策略。实现这步骤打磨策略选取的是打磨策略模块，它可以集成于手持木材检测设备中，也可以与检测模块位于同一服务器，或者可以位于一个独立的服务器，该服务器与手持木材检测设备之间通过有线或者无线方式进行数据交换，本发明不作限制。[0058]在一种实施方式中，所述打磨策略是将所述原始图像数据作为机器学习算法的输入得到的，所述机器学习算法是经过大量标注的原始图像数据训练的模型。利用木材图像具有的规律性和机器学习算法的卓越性能，在打磨策略的选择前可以预先训练模型，训练样本为经过人工标注的原始图像数据，并将这一模型部署在打磨策略模块。这里的机器学习算法包括:神经网络NeuralNetworks，简写为NN、卷积神经网络CNN、深度神经网络DNN、决策森林、邻近算法KNN、硬聚类算法K-means或支持向量机SVM中的一种或几种组合。[0059]在一种实施方式中，所述打磨策略包括与打磨特征参数关联的打磨策略，所述打磨特征参数是基于图像处理技术和所述原始图像数据得到的。所述打磨特征参数包括:粗糙度、平整度、硬度、颜色的一个或多个。成熟的木材加工工人，对于木材的打磨具有大量的经验积累，可以快速确定较合适的打磨策略。因此，可以基于实践经验建立打磨特征参数与打磨策略关联的打磨策略数据库。获得打磨后的图像数据后可以根图像处理技术得到木材的打磨特征参数，最后获得与打磨特征参数关联的打磨策略。如果计算得到的某一打磨特征参数并不存在于打磨策略数据库中，此时选择默认的打磨策略。[0060]进一步的，所述打磨策略是根据所述检测结果更新后的打磨策略。如果打磨策略模块选取的是默认打磨策略，通过这一打磨策略，最后成功的获得了木材的检测结果，可以将木材打磨前的打磨特征参数与这一打磨策略的关联性保存在打磨策略数据中，以便于下次同类木材的快速打磨和检测。如果打磨策略模块选取的是默认打磨策略，通过这一打磨策略，最后成功的获得了木材的检测结果，可以将这一打磨策略的打磨耗材的参数或者打磨时间向下微调，微调的次数并不限制。微调的目的是在保证检测结果的同时缩短打磨的耗时和消耗，给与用户更好的使用感。如果对原始图像数据处理得到的打磨特征参数是F3，打磨策略数据库中没有F3关联的打磨策略S3,打磨策略模块先后选取了两次不同的关联的打磨策略SIFI、S2F2，其中F是打磨策略对应的打磨特征参数，最后成功的获得了木材的检测结果，可以将这两次策略S1、S2做一定的合并处理，得到新的关联的打磨策略S3。如果出现打磨特征参数是F3的同类木材时，直接选取关联的打磨策略S3。如果在一种实施方式中打磨耗材是砂纸，Ml表示打磨策略S1使用砂纸的目数集合，M2表示打磨策略S2使用砂纸的目数的集合，M3表示打磨策略S3使用砂纸的目数的集合，则存在这样的等量关系:M3=MlUM2J1表示打磨策略S1不同目数所用时间的集合;T2表示打磨策略S2不同目数所用时间的集合;T3表示打磨策略S3不同目数所用时间的集合对，对相同目数的任意1：132，13，其中1:1£11，12£丁2，13£73，则存在这样的等量关系:13=11+12。[0061]在一种实施方式中，所述检测结果是将所述打磨后的图像数据作为机器学习算法的输入得到，所述机器学习算法是经过大量标注的打磨后的图像数据训练的模型。利用木材图像具有的规律性和机器学习算法的卓越性能，在检测前可以预先训练模型，训练样本为经过人工标注的打磨后的打磨后的图像数据，并将这一模型部署在检测模块。这里的机器学习算法包括:神经网络NeuralNetworks，简写为NN、卷积神经网络CNN、深度神经网络DNN、决策森林、邻近算法KNN、硬聚类算法K-means或支持向量机SVM中的一种或几种组合。[0062]在一种实施方式中，所述检测结果是基于所述打磨后的图像数据得到的具体包括:所述检测结果是基于所示检测特征参数得到的，所述检测特征参数基于图像处理技术和所述打磨后的图像数据得到的。检测模块通过图像处理技术从打磨后的图像数据中得到检测特征参数，再基于检测特征参数确定检测结果。所述检测特征参数包括:孔径信息、纹理信息的一个或多个。孔径信息包括孔径大小和孔隙率。同样的木材纹理作为木材体内轴向分子如木纤维、管胞、导管排列方向的表现形式，具有一定的特征性，可用于种类的检测。甚至某些检测特征参数具有唯一性，在检测到该特征时可以直接判断木材的种类。[0063]在一种实施方式中，所述方法还包括：当所述木材为非法木材时输出警告信号。通俗意义上讲，产自可持续森林的木材被称为绿色木材，这意味着消费和使用这些木材是对环境有利的。而非法木材或者不合法木材恰恰相反，它代表着不可逆转的森林破坏，甚至会导致更为严重的政治危机和族群暴力。合法木材应该具有如下要件:第一，采伐木材的主体合法，即生产者是否有权利和许可从事该项采伐行为，例如国家林农主管部门颁发林主资质证。第二，实施森林采伐或者砍伐等相关森林活动的工作人员应具有进行此行为的权利，例如国家森林部门颁发的采伐许可证书、森林从业人员证书。第三，采伐木材的手段或者方法应符合森林法中关于采伐树木的规定。第四，木材在采伐之后的后续加工、运输或者出口等环节应遵守相关国家立法以及参加的国际条约。第五，被采伐的木材不包括在国家保护物种或濒危野生保护物种范围内。在木材检测时，相对而言检测木材确切的种类难度更大、算法更复杂、对于硬件设备的要求更高，实际应用中会倾向将该过程交由云端的服务器做处理，所需要的时间相对也就更长。如果能对非法木材进行快速甄别，尤其是合法木材要件中的第四、第五点，当检测到非法木材时输出警告信号将会大大提高检测效率。这里，可以预存非法木材的图像数据或者图像特征数据，利于图像处理技术对图像传感器采集的打磨后的图像进行处理，判断待检测木材是否是非法木材，例如保护木材或者禁运的木材。这一步骤非法木材的识别可以是由检测模块完成，也可以是独立的处理器完成，例如图形处理器GPU，甚至可以是与手持木材检测设备之间连接的服务器完成。相对而言，非法木材的识别算法较容易、对于硬件设备的要求不是特别高，为了能更快的提供识别结果，这步骤一般是由手持木材检测设备完成。并且，为了追求更快的检测速度，当图像传感器采集到打磨后的图像数据中，手持检测设备会将该数据传送到云端服务器，由其完成木材种类的检测，同时自身完成非法木材的检测。如果检测到非法木材时，输出警告信号，警告信号可以是单独的显示模块、声光模块，也可以集成于手持检测设备中的显示模块，即显示模块中的一部分，本发明不限制。[00M]在一种实施方式中，所述方法还包括:显示提醒信息，所述提醒信息包括:打磨耗材的使用寿命提醒。在打磨过程中，打磨耗材因磨损需要不定期进行更换，打磨耗材使用记录模块记录打磨策略中每种打磨耗材使用的打磨的时间并进行累计计算，打磨耗材使用记录模块将磨耗材的累计时长和打寿命时长进行比对。当打磨耗材的使用时长累计接近期限时，提不更换。在另一种实施方式中，打磨耗材使用记录模块用每种打磨耗材的寿命时长减去已经用去的累计时长，得到的差值存储到时间存储设备中。在下一次自动打磨之前，打磨耗材使用记录模块将打磨策略中的时长和相应的时间存储设备中打磨耗材的剩余使用时长进行比对。若时间存储设备中的时长小于打磨策略中的时长，则通过显示模块呈现用户提示，例y“该打磨耗材不能一次性完成该打磨任务，中间需要更换打磨耗材”。显示模块还可以显示手持木材检测设备的故障提醒。故障检测模块可以及时的发现手持木材检测设备的故障，并通过显示模块及时将故障告知用户。一般而言故障检测模块集成于手持木材检测设备，当然也可以集成在一个与手持木材检测设备连接的服务器。[0065]如图3所示，本发明提供一种木材检测装置，应用于手持木材检测设备，所述设备包括图像传感器、打磨模块、手柄结构和显示模块。所述手柄结构用于支撑模块结构，同时便于用户的操作。具体而言，所述装置包括：[0066]打磨模块31，用于按照打磨策略自动打磨所述木材；[0067]图像数据采集模块32，用于采集所述木材打磨后的图像数据；[0068]显示模块33,用于显示所述木材的检测结果，所述检测结果是基于所述打磨后的图像数据得到的。[0069]可选的，所述打磨策略包括打磨时间、至少一个精度的打磨部件、打磨轨迹中的一个或多个，所述打磨部件包括打磨耗材及其参数。[0070]可选的，所述打磨策略包括默认的打磨策略。[0071]可选的，所述图像采集模块还用于采集木材的原始图像数据;所述打磨策略是基于所述原始图像数据得到的。[0072]可选的，所述打磨策略包括与打磨特征参数关联的打磨策略，所述打磨特征参数是基于图像处理技术和所述原始图像数据得到的。[0073]可选的，所述打磨特征参数包括:粗糙度、平整度、硬度、颜色的一个或多个。[0074]可选的，所述检测结果是基于所示检测特征参数得到的，所述检测特征参数基于图像处理技术和所述打磨后的图像数据得到的。[0075]可选的，所述检测特征参数包括:孔径信息、纹理信息的一个或多个。[0076]可选的，所述检测结果是将所述打磨后的图像数据作为机器学习算法的输入得到的，所述机器学习算法是经过大量标注的打磨后的图像数据训练的模型。[0077]可选的，所述打磨策略是根据所述检测结果更新后的打磨策略。[0078]可选的，所述显示模块还用于显示提醒信息，所述提醒信息包括:打磨耗材的使用寿命提醒。[0079]可选的，所述装置还包括警告模块，用于当所述木材为非法木材时输出警告信号。[0080]参考图4,为本发明一个实施方式的手持木材检测设备示意图，其中图4a是手持木材检测设备的底面仰视图，图4b是手持木材检测设备的正视图。如图4所示，该设备包括：[0081]一个或多个处理器41、图像传感器42、存储器43、打磨模块44、显示模块46、手柄结构47。在未启动打磨模块时，图像传感器可以采集放置于手持木材检测设备底面的木材的图像数据。[0082]其中，所述图像传感器42、打磨模块44、显示模块46与所述存储器43及所述一个或多个处理器41通信连接，所述存储器43中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器41执行，以使所述一个或多个处理器41执行：[0083]按照打磨策略自动打磨木材；[0084]采集所述木材打磨后的图像数据；[0085]显示所述木材的检测结果，所述检测结果是基于所述打磨后的图像数据得到的。[0086]可选的，所述打磨策略包括打磨时间、至少一个精度的打磨部件、打磨轨迹中的一个或多个，所述打磨部件包括打磨耗材及其参数。[0087]可选的，所述打磨策略包括默认的打磨策略。[0088]可选的，在所述按照打磨策略打磨木材之前，还包括:采集木材的原始图像数据；所述打磨策略是基于所述原始图像数据得到的。[0089]可选的，所述打磨策略包括与打磨特征参数关联的打磨策略，所述打磨特征参数是基于图像处理技术和所述原始图像数据得到的。[0090]可选的，所述打磨特征参数包括:粗糙度、平整度、硬度、颜色的一个或多个。[0091]可选的，所述检测结果是基于所示检测特征参数得到的，所述检测特征参数基于图像处理技术和所述打磨后的图像数据得到的。[0092]可选的，所述检测特征参数包括:孔径信息、纹理信息的一个或多个。[0093]可选的，所述检测结果是将所述打磨后的图像数据作为机器学习算法的输入得到的，所述机器学习算法是经过大量标注的打磨后的图像数据训练的模型。[0094]可选的，所述打磨策略是根据所述检测结果更新后的打磨策略。[0095]可选的，所述方法还包括:显示提醒信息，所述提醒信息包括:打磨耗材的使用寿命提醒。[0096]可选的，所述方法还包括:当所述木材为非法木材时输出警告信号。[0097]在一种实施方式中，打磨模块44包括多个精度的打磨部件，第一精度打磨部件441、第二精度打磨部件442、第三精度打磨部件443,不同精度的打磨部件可能是因为打磨耗材不同和或打磨耗材的参数不同，本发明不作限制。未启动时打磨部件收纳于设备中并且不触及设备的底面;根据打磨策略通过伸缩、弹出等方式启动特定打磨部件，并使该部件触及设备的底面。所述设备包括至少一个电机。由于打磨部件44不完全覆盖手持打磨设备的底面，为实现全覆盖的打磨，打磨轨迹包括图4b中的箭头方向，该轨迹为第一轨迹，由第一电机451驱动。除此外，打磨轨迹还可以包括由第二电机452驱动第二轨迹，第二轨迹可以是与第一轨迹垂直的轨迹;如果所述打磨部件是圆柱形，第二轨迹还可以是自转。[0098]本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质包括但不限于磁盘存储器和光学存储器等上实施的计算机程序产品的形式。[00"]本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和或方框图来描述的。应理解可由计算机程序指令实现流程图和或方框图中的每一流程和或方框、以及流程图和或方框图中的流程和或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和或方框图一个方框或多个方框中指定的功能的装置。[0100]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和或方框图一个方框或多个方框中指定的功能。[0101]这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和或方框图一个方框或多个方框中指定的功能的步骤。[0102]以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

权利要求：1.一种木材检测方法，其特征在于，所述方法包括：按照打磨策略自动打磨木材；采集所述木材打磨后的图像数据；显示所述木材的检测结果，所述检测结果是基于所述打磨后的图像数据得到的。2.根据权利要求1所述的方法，所述打磨策略包括打磨时间、至少一个精度的打磨部件、打磨轨迹中的一个或多个，所述打磨部件包括打磨耗材及其参数。3.根据权利要求1所述的方法，在所述按照打磨策略打磨木材之前，还包括：采集木材的原始图像数据;所述打磨策略是基于所述原始图像数据得到的。4.根据权利要求3所述的方法，所述打磨策略包括与打磨特征参数关联的打磨策略，所述打磨特征参数是基于图像处理技术和所述原始图像数据得到的。5.根据权利要求1所述的方法，所述检测结果是基于所示检测特征参数得到的，所述检测特征参数基于图像处理技术和所述打磨后的图像数据得到的。6.根据权利要求1所述的方法，所述检测结果是将所述打磨后的图像数据作为机器学习算法的输入得到的，所述机器学习算法是经过大量标注的打磨后的图像数据训练的模型。7.—种木材检测装置，其特征在于，所述装置包括：打磨模块，用于按照打磨策略自动打磨所述木材；图像数据采集模块，用于采集所述木材打磨后的图像数据；显示模块，用于显示所述木材的检测结果，所述检测结果是基于所述打磨后的图像数据得到的。8.根据权利要求7所述的装置，所述图像采集模块还用于采集木材的原始图像数据;所述打磨策略是基于所述原始图像数据得到的。9.根据权利要求7所述的装置，所述检测结果是将所述打磨后的图像数据作为机器学习算法的输入得到的，所述机器学习算法是经过大量标注的打磨后的图像数据训练的模型。10.—种手持木材检测设备，其特征在于，包括：图像传感器、打磨模块、显示模块、手柄结构、存储器和一个或多个处理器；其中，所述图像传感器、打磨模块、显示模块与所述存储器及所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器能够实现如权利要求丨―6中任一项所述的方法。

百度查询： 北京木业邦科技有限公司 一种木材检测方法、装置和设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD