基于MEA-BP神经网络对木材内部缺陷诊断的研究

为了提高木材内部缺陷的自动识别率,采用电阻层析成像(ERT)的方法获取电导率波动信号,通过小波包变换对采集的数据进行3层小波包分析,对八维特征向量进行提取,利用思维进化算法(MEA)优化权值和阈值,孔洞、节子、腐朽试样各45组数据,进行BP神经网络训练,每种缺陷20组作为测试集,识别木材内部缺陷。结果表明:MEA-BP神经网络对木材孔洞、节子和腐朽的识别率分别为96.92%、95.38%和92.31%,该模型解决了复杂组合的优化问题,提高了搜索效率,并且达到最佳的预测效果。     

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。     

基于红外热像技术的木材内部缺陷检测的研究

运用红外热像技术对加工有孔洞的两个毛赤杨方材作内部缺陷无损检测。通过实验得出用红外热像仪准确检测该方材内部缺陷的条件：①采用双面法检测;②在热源距试样25cm的前提下,加热试样20min左右;③若缺陷在中间,则试样中央标识线上最高温度以下0．4℃范围可以准确反映出缺陷的大小,若在一倒则最高温度以下0．5℃范围可以准确反映缺陷的大小。在上述条件下应用此方法检测方材内部缺陷的误差范围为±5mm,相对误差为12．5％,说明使用红外热像糟术舯太耕肉都按陷拂轩枪测善可行的。     

人工神经网络在木材缺陷检测中的应用

采用射线作为检测手段，对木材进行无损检测。在无损检测信号处理和特征构造的基础上。运用特征参数建立了缺陷识别的数学模型，针对无损检测信号的特征，构造了人工神经网络。选用反向传播神经网络模型（BP网络），网络识别所需要的特征参数能够反映木材缺陷的全部特征。     

基于数字图像的木材缺陷识别研究进展

数字图像处理技术是在木材缺陷识别中应用最广泛的技术之一,具有准确、快速、无损和成本低等优点。本文阐述基于数字图像的木材缺陷识别技术的研究现状,分析图像预处理、分割、特征提取及融合、图像识别分类过程涉及的算法,并对每种方法的特点以及局限性进行总结,对未来研究的发展趋势进行展望。数字图像处理技术进一步走向自动化和智能化,还需要更深入的研究。     

基于卷积神经网络在木材缺陷识别中的研究进展

木材作为重要的生物质材料,为进一步提高其使用率,可采用卷积神经网络(CNN)模型实现对木材缺陷快速、准确的识别,具有检测时间短、效率高、精确度高等优势。综述了卷积神经网络的基本结构,总结了CNN在木材缺陷分割、特征提取、识别中的研究现状,针对CNN在木材缺陷识别领域的不足,提出了进一步发展的方向,为提高木材缺陷识别的效率和精确度提供了新思路。     

非破坏性木材内部缺陷检测--木材CT扫描研究动态

对断层扫描技术(CT)在木材工业中应用的可行性,以及在木材工业中实际应用之前需要解决的问题进行了探讨.针对木材CT图象的各种处理方法,以及各国目前在该领域的研究动态进行了回顾.将CT技术引进木材工业,将使锯材和单板生产的价值最优化成为可能.     

小波包分析在木材超声检测中的应用

小波包分解能够准确地把超声检测信号划分到不同的频带范围内，实现了不同频带范围内能量变化量的提取。试验说明缺陷试件的信号能量变化量在一些特定的频带内显示出显著的不同，为下一步应用神经网络等模式识别方法辨别试件缺陷类型提供了比较理想的特征向量。     

基于高斯-马尔可夫随机场的木材表面缺陷类型识别

为了识别死节、活节和虫眼三种木材表面缺陷类型,本文采用高斯-马尔可夫随机场模型提取木材表面缺陷图像的纹理参数,结合缺陷区域的矩形度和伸长度两个几何特征,形成14维特征向量.设计三层BP神经网络来识别缺陷的类型.试验表明,三种缺陷的整体识别正确率达到96.67％,验证了该方法的有效性.     

基于分形理论木材表面缺陷识别的研究

木材表面缺陷检测是多学科交叉的技术,该技术对木材生产领域及其深加工等方面有着较高的应用价值。本文主要围绕分形理论对木材表面缺陷检测进行深入研究,通过将分形理论、小波多分辨率分析以及人工神经网络模式识别技术相结合,研究了木材表面缺陷特征提取、模式识别问题。在对200块试件进行测试时,系统平均识别率达96.5%。结果表明,用分形理论进行特征提取能够高精度地识别木材表面缺陷。     

小波分析与人工神经网络在木质材料无损检测中的应用

介绍了小波变换和人工神经网络在无损检测中的工作原理,分析了小波变换处理非平稳信号提取特征值、人工神经网络进行模式识别的优点,并提出小波、人工神经网络以及松散型和紧致型小波神经网络在木质材料的无损检测中的应用。     

基于优化小波神经网络在柴油机故障诊断上的应用

通过建立带动量项小波神经网络理论模型,对柴油机进行故障诊断,并将其与传统的神经网络方法进行比较。实例对比分析表明该方法泛化能力强、准确度高、容错性强,还能在一定范围内诊断出柴油机从未出现过的故障,使故障诊断智能化和简单化。仿真结果表明,该方法用于柴油机常见故障诊断和预测有效、可行。     

小波分析在铁路货车滚动轴承故障诊断中的应用

铁路车辆滚动轴承故障的不解体诊断,对于提高轴承诊断效率,减轻操作人员的劳动强度和保证铁路运输的安全是至关重要的。采用小波分解和重构的方法,通过对滚动轴承出现外圈剥落情况下振动信号的分析,说明这种方法可以有效地用于滚动轴承的故障诊断。     

基于BP神经网络木材纹理分类的研究

应用 BP 神经网络对常见的10种木材纹理进行了分类研究,获得了比较满意的效果。首先,应用灰度共生矩阵提取了木材的纹理特征参数;其次,在此特征参数体系下,应用 BP 神经网络对木材纹理进行了分类研究,识别率达89%。     

超声波功率谱技术在木材空洞缺陷无损检测中应用

分析了不同孔径空洞的木材试件的超声波功率谱。阐述了功率谱的谱峰位置和谱峰高度与木材空洞大小之间的关系。分析认为,超声波在木材与空洞中传播时的散射不同,导致超声波在不同频率上的干涉,可能是造成上述现象的主要原因。利用该方法可实现木材空洞缺陷的无损检测。     

基于动态递归神经网络的木材干燥模型辨识

木材干燥是一个复杂的非线性系统 ,由于木材结构复杂且具有多样性和变异性 ,因此要建立一个理想的符合木材干燥过程的模型是很困难。本文利用动态递归神经网络的特点 ,提出了基于动态递归神经网络的木材干燥模型辨识方法 ,给出了动态递归状态 -输出神经网络的结构和学习算法。并通过对辨识得到的模型的仿真结果 ,表明了本文所建立的模型是有效的     

基于人工神经网络的森林资源预测研究

应用人工神经网络方法分别建立土地资源预测、森林蓄积量预测、各龄组蓄积量预测三层前馈反向传播神经网络模型对森林资源进行预测模拟.预测结果表明在小样本条件下,森林资源预测神经网络模型预测精度较高,开辟了森林资源预测新途径.