木材缺陷图象的伪彩色处理

一、引言木材缺陷的检测是评定材质高低的一个重要依据。目前,我国木材缺陷的检测基本上处于用肉眼观察确定表面的缺陷;用敲击法或凭经验来判断内部缺陷的状况。用X光透视技术检验木材内部缺陷、评定木材等级还处于实验阶段。最近,计算机数字图象处理技术的应用已发展到生物学、医学、工业等方面,并已经收到了可喜的成果。但尚未见到应用于木材检测方面的报道。本文初步介绍了用伪彩色技术处理木材缺陷图象的一些实验结果。     

基于人工智能的木材缺陷检测研究进展

木材缺陷检测是木制品加工前的重要步骤,为了提高检测效率和经济效益,木材缺陷检测也从传统的人工方法向智能化方向转变。随着计算机技术的不断提高,人工智能得到快速发展,人工智能在木材缺陷检测中的应用也进一步增加。目前,人工智能主要通过机器学习、人工神经网络、深度学习等算法实现对木材缺陷的预处理和检测。文中阐述部分常用人工智能算法在木材缺陷检测中的应用,包括相关算法的原理、特点;综合分析算法优缺点,并对人工智能技术在木材缺陷检测中的研究进行了展望。     

八十年代的扫描技术—木材缺陷的自动探测

近十年来,探测木材缺陷的方法发生了显著的变化。本文综述了八十年代探测木材缺陷的新技术、新方法。主要有:激光扫描法,荧光扫描法,超声波法,X—射线法,X—射线荧光探测法,微波法,核磁共振法和红外光谱法。其中,以能探测木材内部缺陷的超声波法和X—射线法最有前途。一种有效的木材缺陷的探测方法是提高木材加工行业经济效益的有力工具。     

木材密度检测方法研究现状与发展

木材密度是木材性质的一项重要指标,它关系到木材的材质、缺陷、力学性能和工艺性质等。如何有效而快速地检测到被测木材的密度,探索到合理的检测方法,一直是相关科研工作者的努力方向。本文把当前使用和研究中的木材密度检测方法,从检测机理角度分为传统称重法、基于机械力密度检测法和基于射线密度检测法。对这些方法尤其是后两种方法的研究现状和发展趋势进行了总结、介绍。希望为相关科研工作者提供些参考资料。     

卷积神经网络在木材缺陷检测应用中的研究进展

木材缺陷的快速检测和精准定位是实现木材加工机械化、一体化的首要条件。采用卷积神经网络(CNN)检测木材缺陷,不仅可以克服人工检测效率低、准确率低的问题,还可以节省劳动力、提高木材检测的智能化水平。本文概述了CNN的理论和典型网络模型,梳理、总结了CNN在木材缺陷图像分割、特征提取、识别分类中的研究与应用现状,并对CNN在木材缺陷检测领域的发展趋势进行展望,进一步拓展卷积神经网络在木材缺陷检测中的应用。     

超声波与应力波在木材内部缺陷检测中的对比研究

采用超声波和应力波分别对木材试件进行了检测,并运用SPSS软件对检测结果进行分析,结果表明：木材密度、孔洞大小及数量对两种波传播参数及动态弹性模量都有不同程度的影响。通过两种波的对比研究,得知二者对木材内部缺陷检测的灵敏度和准确度存在差异。因此在进行木材内部缺陷检测时,应结合实际情况,采用适当的检测方法,从而提高对木材缺陷盼分辨能力。     

超声波木材缺陷检测若干问题的探讨

根据超声波木材缺陷检测中的实践经验，主要针对探头的直径、频率以及耦合剂的使用方法对木材超声检测做了一定分析、研究和总结。结果表明，缩小超声探头直径和选用适当频率的超声探头可提高对缺陷检测的准确性，使用橡胶垫做耦合剂在木材检测中能取得良好效果。     

基于振动模态分析的落叶松节子定位的无损检测

木材作为结构材使用时,节子的存在影响木材的强度,降低了木材的利用价值.为了节约木材,提高木材的使用率,人们一直在研究木材缺陷无损检测的方法.Beall(2000)首次使用表面传感器研究人造板的力学性能和内部缺陷,收到良好效果.日本学者小玉泰羲(2000)用连续小波变换分析处理利用敲击木材所获得的声信号,对气干木材的节子缺陷进行检测,研究发现,当木材含有节子缺陷时,声信号的共振频率降低、声信号共振的持续时间缩短.     

基于模糊聚类分析的木材缺陷CT图像分割

为了提高木材的利用率,在木材加工之前对木材缺陷CT图像进行分割,将节子和空洞等缺陷分割出来,通过观察缺陷的位置便于工人师傅下锯。利用计算机断层扫描（CT）技术获取木材缺陷图像,将数字图像处理技术与模糊聚类算法相结合,在标准的模糊C均值算法的基础上改进,采用半模糊聚类的分析方法对木材缺陷图像进行分割检测。实验结果表明：基于半模糊聚类的图像检测方法在木材图像检测上取得了较好的效果,缺陷边缘处很平滑,细节保留完整,更多的保留了边缘上的信息。从而证明了半模糊聚类分析法在木材缺陷CT图像处理方面具有可行性。     

机器视觉在木材缺陷检测领域应用研究进展

为了提高木材利用率，采用机器视觉来实现木材缺陷快速而稳定的检测，不仅可以克服人工检测效率低、劳动强度大、准确率低等弊端，而且对提高木材加工企业的智能化水平具有重要意义。文中概述了机器视觉检测技术及设备的国内外研究现状，介绍基于机器视觉检测木材缺陷所涉及的相关理论和算法研究，以及相关图像处理算法的优缺点；针对机器视觉应用在木材缺陷检测领域存在的不足，提出机器视觉木材表面检测应进一步向人工智能方向发展，以提高木材缺陷检测效率及准确性。     

基于深度学习的木材缺陷智能检测的研究进展与展望

木材作为天然生物材料很容易受到内外界影响从而产生不符合人们生产需求的缺陷,人们为了准确高效的识别木材缺陷进行了大量的研究。本文对近年来基于深度学习的木材缺陷检测技术进行梳理,根据使用方法的侧重点不同将其分类,并针对典型方法加以细分归类和对比分析,总结了每种方法的优缺点及其应用面。此外,提出了基于深度学习的木材缺陷检测技术目前所存在的难点与所陷困境。     

木质材料无损检测的应用与研究进展

木质材料无损检测主要包括缺陷无损检测和力学性能无损检测两个方面,其无损检测基本方法主要有应力波法、机械应力变形法、振动法、微钻阻力法、射线法、雷达波法等。笔者先从检测原理入手对目前常见的木质材料内部缺陷和力学性能无损检测方法作了归纳,同时对木材和人造板内部缺陷和力学性能无损检测的应用和研究现状进行了归纳分析。木材和活立木无损检测技术发展较快,锯材和单板应力分等技术已有较为完善的检测设备,在发达国家已被广泛应用;古建筑木构件和活立木内部缺陷无损检测实际应用也较多,但在检测精度和效率提高方面仍有广阔的发展空间。人造板无损检测的研究近年来主要集中在力学性能检测方面,实际应用较少。对已经有较好应用的无损检测技术,下一步科研的目标应是进一步提高检测精度和效率;对尚处在科研探索阶段的无损检测技术,下一步仍应从基础理论完善和技术实现角度坚持工作。     

木材缺陷图像的灰度形态滤波

介绍数学形态学中的灰度形态滤波方法,给出对木材缺陷图像进行闭、开运算处理后的仿真图像实例,利用木材缺陷图像截面灰度分布对处理效果进行分析.结果表明:采用灰度形态滤波方法对木材缺陷图像进行滤波处理,可有效去除木材缺陷图像中的噪声,改善图像的视觉效果,提高后期缺陷边缘检测的精确度,从而证明该方法对木材缺陷图像进行滤波处理是可行的.     

传感器数量对应力波检测原木内部缺陷精度的影响

木材无损检测技术是高效利用木材的方法之一.该文阐述了应力波法检测木材缺陷的原理,分析了传感器数量对图像的拟合度和误差率两个指标的影响.结果表明,当原木直径在20～40cm范围内时,若需对原木缺陷进行精确测量,要求图像拟合度接近90%和误差率在0.1左右时,至少需12个传感器才能满足要求;当不需要对原木缺陷进行精确测量,只需确定缺陷的大致位置时,宜选用10个传感器进行测量;当仅仅需要判断原木是否存在缺陷时,选用6个传感器就能满足要求.图3表4参8.     

基于Faster R-CNN模型的木材表面节子缺陷检测

研究基于Faster R-CNN模型的木材表面节子缺陷检测方法,解决现有方法存在的特征选取困难、不能适应木材以及节子的多样性变化、检测精度不高等问题,而且能够给出节子缺陷的位置以及图像的大小。小样本集测试结果表明,该方法能够取得较高的检测精度,准确率为94.0%;对其中4个典型样本进行分析,位置检测最大误差仅为5个像素,大小检测最大误差仅为7个像素;相比OSTU方法具有更好的检测精度。     

基于Faster R-CNN的实木板材缺陷检测识别系统

我国木材资源有限,为了提高木材的利用率,采用机器视觉来实现木材缺陷快速而稳定的检测,不仅可以克服人工检测的低效率和木材缺陷识别的低准确率,而且对提高木材加工企业的智能化水平具有重要意义。为了高效、快速、准确地进行无损检测,采用深度学习方法,建立了一种基于快速深度神经网络的实木板材缺陷识别模型。首先采用Resnet V2结构对采集到的实木板材缺陷图像进行特征提取,然后应用该模型对节子、孔洞等实木板材缺陷进行训练学习,最后构建了Faster R-CNN检测框架,并使用tensorflow开发平台对节子、孔洞等实木板材缺陷进行预测输出。具体选取了2 000块杉木样本,通过旋转对原始的实木板材图像进行数据扩充,扩充后图像的80%作为训练集,20%作为验证集来进行仿真。仿真结果表明,该模型对实木板材节子缺陷检测正确率为98%,对实木板材孔洞缺陷检测正确率为95%,验证了将深度学习算法应用于实木板材缺陷检测中的有效性。     

木材应力波检测精度的影响因素研究

随着我国林业资源保护的深入化,无损检测被广泛应用于木材的缺陷检测中,木材应力波检测是主要的检测方法,而受其多种因素的影响,导致木材检测缺陷的精度无法提升。为了进一步明确影响木材应力波检测精度的因素,分别对目前检测过程中的形状、传感器数量与位置分布等进行了实验。研究数据表明,林木的形状、传感器数量、传感器位置分布对木材应力波检测精度具有显著影响,相关领域的检测部门,应重点对这3种影响因素进行检测的优化,从而得到更为精准的检测数据,促进林业资源的稳定前行。     

板材表面缺陷检测技术

列举了板材表面缺陷检测的几种方法，通过比较论述了用数字图象处理技术检测板材表面缺陷的优点和可行性，并提出了用数字图象处理技术检测木材缺陷的理论和方法。     

主元分析法在木材缺陷轮廓特征提取中的应用研究

针对木材缺陷中圆形节、大虫眼轮廓特征的特点,提出一种基于主元分析的非线性轮廓特征提取方法.采用主元贡献率法选定木材缺陷轮廓特征的主元个数,建立主分量方程,计算木材缺陷轮廓特征值样本的主分量值,从而构建出新的木材缺陷轮廓特征向量综合指标,为木材缺陷模式识别系统的建立和学习提供输入向量.     

木材CT图像的三维重构

运用CT技术对木材进行无损检测,运用多重分型频谱技术可以对木材CT图像进行有效的边缘检测.针对木材CT图像低对比度、原木缺陷边缘提取困难等问题,采用多重分型频谱技术对处理后的图像进行提取,提取的边缘信息清晰完整、准确度较高,为后续的木材CT图像的三维重建提供有效信息.使用线性插值法对木材CT图像进行三维重建,该方法具有便于理解、实现简单和运算速度快的特点.所运用的线性插值法对木材CT图像三维重建的过程有较好重建效果,具有重建图像直观、清晰的优点,这种重建理论为提高木材利用效率和原木的虚拟切割提供了一种有效的思路.