共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
基于Faster R-CNN的实木板材缺陷检测识别系统 总被引:1,自引:0,他引:1
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。 相似文献
3.
论述了在线无损检测木材强度的理论方法,阐述了在无损检测系统中利用先进的传感器技术采集板材的各项形体尺寸参数、重量、密度和应力声波信号的方法,并根据FFT技术对采集数据迅速完成弹性模量的实时计算和强度分级记号标印。 相似文献
4.
5.
论述了板材三维尺寸检测装置的软件设计,针对硬件设计的特点,通过软件的优化设计,使板材宽度尺寸检测数据精度完全达到了国家标准的要求。 相似文献
6.
选用S7-200 PLC,结合组态王人机交互界面,运用激光轮廓和色泽集成扫描技术设计了一种实木板材双面检测系统。主要介绍了该检测系统的工作原理和工作流程,简述了检测装置的整体结构及其传动、升降、检测、行程控制等主要模块的设计及电气控制系统总体设计。试运行表明,该装置集合PLC和组态王的优势,利用激光扫描技术,可实现对板材双面检测过程的实时控制;板材检测运用色泽与轮廓相结合,有效地解决了现有实木板材单面检测系统不能全面地反映实木板材表面缺陷状况的难题。该设计可为实木板材表面缺陷检测中三维轮廓检测技术的进一步应用提供有益参考。 相似文献
7.
8.
9.
10.
11.
12.
13.
14.
随着科技的飞速发展,计算机软件和硬件都出现了巨大的变化,原来许多要在工作站上才能运行的程序,现在完全可以在PC机上随心所欲地操作了,当然,这也使得家具计算机辅助设计的应用日益广泛。如何更好的利用现有工具软件,在计算机上“制造”出更精美的产品是许多设计师所关心的问题。 相似文献
15.
[目的]探索不同树种在样地和单木尺度上无人机激光雷达点云数据的单木分割效果,选取哈尔滨城市林业示范基地阔叶林(水曲柳)和针叶林(樟子松)两块样地为研究对象,对样地内树木点云进行单木分割并评价其分割效果,为后续单木结构参数的提取提供数据支持,同时丰富森林资源信息的调查手段.[方法]通过无人机激光雷达获得样地树木点云数据,... 相似文献
16.
为确保桉树(Eucalyptus spp.)伐区设计的准确性,采用地基激光雷达(TLS)对桉树人工林进行扫描,获取点云数据,通过点云数据提取的单木因子,建立理论材积与实测材积的回归方程,采用F检验、总相对误差(TRE)和均方误差(MSE)等作为评价指标,对现行使用的桉树二元材积表在桉树伐区的适用性进行检验。结果表明,点云数据提取的单木因子与实测值具有很高的相关性,且误差较小。F检验值超过临界值,但TRE基本趋近于0%,且MSE为-2.36%,均不超出±3%,说明模型适用。基于地基激光雷达点云数据提取的桉树单木因子符合测树精度要求;现行使用的广西桉树二元材积表适用于该伐区;进行材积表检验时,F检验并不能完全准确判断,要综合TRE、MSE指标进行判断。 相似文献
17.
《林业科学》2021,57(3)
【目的】基于双向选择判断原理,提出一种将激光雷达(LiDAR)点云数据提取到的单木信息与地面实测单木信息进行匹配的方法,以得到更为合理的信息匹配结果。【方法】采用机载LiDAR点云数据分割单木,提取单木位置、数量、树高和冠幅等信息,从LiDAR提取单木位置出发,依据树高和距离正向确定候选地面实测单木,再根据候选地面实测单木位置和距离信息逆向确认LiDAR提取单木是否为最合适的匹配对象木。【结果】以匹配精度、匹配后的单木树高和冠幅精度为判断指标,与邻域最高匹配法、最邻近匹配法和双因素匹配法相比,在匹配精度一致的情况下,双向选择判断法匹配的单木树高精度可从75.21%提升至91.01%,冠幅精度从60.50%提升至68.64%;在保证匹配信息精度一致的情况下,双向选择判断法可将匹配精度从传统方法的33.52%提升至61.11%。【结论】点云数据双向选择单木提取与地面数据匹配方法可快速、高效地将激光雷达点云数据提取到的单木信息与地面实测单木信息进行匹配,与传统方法相比,能够在高密度、多林层林分中发挥更高优势。 相似文献
18.
基于对象的激光点云数据城区树木识别方法 总被引:2,自引:0,他引:2
通常利用激光点云数据(LiDar)进行树木分类的方法是将点云内插生成数字地形模型(DTM),根据地物高程差值,在图像处理方法的基础上进行分割或分类。提出一种新的基于对象的LiDar数据树木识别方法,其最大特点是直接利用点云数据的三维空间关系进行分类,不需要将点云转换成二维图像进行处理,避免了转换过程中信息的丢失,提高了分类的精度。具体实现步骤:首先利用kd-trees组织点云数据,在局部邻域中利用点云位置和法线分别进行协方差分析,估算各点的空间特征变量,然后结合各点的回波次数和局部邻域中点云个数密度作为SVM分类器的输入变量,最后利用基于径向基函数的SVM方法实现点云的分类。实验结果表明:OA分类精度为91.21%,Kappa系数为85.62%。 相似文献