Classification of Wood Surface Defects using Image Processing Technique

화상처리에 의한 목재표면결함 식별에 관한 연구

In this study the possibility of classifying wood surface defects by image processing technique was investigated. An algorithm for the classification of wood surface defects, such as knot, check, and bark, on three Korean domestic species, Pinus densiflora, Quercus acutissima, and Carpinus laxiflora was also developed. Filtering was executed to separate dummies from the labels including real defect. Error rates in classifying knots on Pinus densiflora and Quercus acutissima were lower than 1% and error rates. In classifying check and bark in Quercus acutissima and Carpinus laxiflora could be lowered to below 13%.

목재산업에서 생산성과 품질 향상을 위해서는 공정의 자동화가 절실히 요구되고 있다. 화상처리시스템의 현장 적용성 개선을 위해 국산 소나무와 상수리나무 및 서어나무를 대상으로 옹이, 할렬, 수피 등과 같은 주요 결함들을 인식해내는 알고리듬을 개발하였다. 목재가공공정에서 컨베이어 위를 이동하고 있는 목재를 가상하여 제재목의 규격과 목제품의 품질에 영향을 주는 표면결함들을 대상으로 그 형태와 크기 및 위치를 인식할 수 있는 화상 처리기술을 개발하였다. 화상처리를 이용하여 결함으로 인식된 각 라벨에 대해 8가지의 특성을 개발, 결함인식의 기준으로 사용하였으며, 8가지 특성을 이용하여 수종별 결함 추출의 제한 조건을 마련한 후 필터링을 실시하여 실제 결함과 결함으로 인정되지 않는 라벨을 구분하였다. 또한 수종별로 가장 효과적인 기준의 적용절차를 밝히므로써 결함 인식의 오차를 줄이는 한편, 처리대상 수종에 대한 유연성을 확보하고자 하였다. 한편, 컨베이어를 이동하고 있는 목재의 규격이나 표면상태에 관련된 모든 자료들이 database의 형태로 작성되도록 하여 이후 실제 산업현장에 대한 적용 가능성을 타진하고자 하였다. 그 결과 소나무와 상수리나무 표변에 존재하는 옹이의 오인률은 1% 이하로 매우 우수하였으며, 상수리나무의 할렬과 서어나무의 수피에 대한 오인률도 13% 이하로 낮출 수 있었다.