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。     

基于高斯混合模型的青梅表面缺陷检测识别技术

目前青梅的缺陷识别检测仍然依靠人工挑选方式来完成,但人工挑选方式受工作经验、劳动强度等因素制约,已经难以适应产业的发展。为有效提高青梅表面缺陷检测的自动化程度和检测精度,本试验应用机器视觉技术针对青梅表面的缺陷检测展开研究。通过搭建青梅表面图像静态采集系统,采用图像处理软件HALCON对青梅表面进行了单通道灰度图像提取、图像滤波、灰度二值化及特征提取等预处理操作,实现了对青梅表面图像的去背景化,并利用去边缘法在青梅H通道分量图像中成功提取到青梅表面缺陷。最后采用高斯混合模型构建青梅表面缺陷检测分类器,并创建了一套基于机器视觉的青梅表面缺陷检测系统。具体选取了348张青梅缺陷图像作为训练测试样本,其中78%的图像作为训练集,22%的图像作为测试集,结果表明:该分类器对青梅溃烂、伤疤、雨斑缺陷的检测准确率分别为100%,97.22%,92.31%,对完好青梅检测准确率为94.44%,验证了将高斯混合模型应用在青梅缺陷检测方面的有效性。     

机器视觉在单板缺陷检测中的应用

单板是胶合板制造的主要原料。为了实现单板表面缺陷检测技术的智能化,降低人力成本,提高检测合格率,现已将机器视觉技术应用于缺陷检测中。在机器视觉系统中,图像处理和分析算法尤为重要。如何提高算法的准确性和鲁棒性一直是研究的重点。文中基于对大量文献和实验结果的分析,介绍机器视觉的应用现状,并对单板表面缺陷检测过程中的图像去噪、图像分割、特征提取等方法进行总结,概括相关方法的原理、特点、局限性以及适用范围,并对未来技术发展趋势进行展望。     

基于激光三角测距的锯材表面缺陷检测方法

为实现自动在线检测锯材表面钝棱和裂纹等缺陷,提出了一种全新的基于激光三角测距和计算机图像处理相结合的木材表面缺陷检测方法。激光发射器发射扇形光源至传送台上的试件表面,从另一角度由相机对试件表面的激光光斑进行成像。通过图像处理,能自动识别裂纹及钝棱缺陷轮廓线,并得到外材面材宽和裂纹宽度尺寸信息。以7块含钝棱的毛边锯材和7块含裂纹的锯材进行试验,结果表明:在入射激光线与物镜光轴的夹角为60°的情况下,锯材外材面宽度和裂纹宽度检测值与实际值的误差均值都不超过±1 mm,证实了研究提出的锯材表面缺陷检测模型及构建的检测装置的高精度和可靠性。该技术能为木材加工中的自动优选下锯提供基础数据,可用于锯材优选自动化加工生产线。     

基于PLC与组态王的实木板材双面检测装置的总体设计

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。     

基于机器视觉的锯材表面缺陷检测系统设计

锯材表面缺陷对锯材的质量和性能有着重要的影响。设计了基于机器视觉的锯材表面缺陷自动检测系统和计算机软件检测识别方法,确定了主要参数。通过对锯材表面图像的主要缺陷进行统计分析,综合评价整根锯材。检测系统的硬件主要由传送机构、电控系统、图像采集控制、分等系统等部分组成。软件主要由图像采集、图像处理、缺陷统计分析等部分组成。     

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。     

木质板材表面缺陷自动检测技术研究

木质板材表面缺陷检测系统采用高亮光源提供照明,线阵CCD相机实时获取其表面图像,利用工控机在线处理数据并根据板材缺陷的检测分析选择相应的生产工艺和加工方法,以提高木材的出材率和生产的自动化程度。该系统可完整提取板材表面缺陷,利用改进的差影法对图像进行分割,以便对图像特征进行提取。实验表明,该数据处理方法能够准确地提取板材表面缺陷的信息。     

基于深度学习的人造板表面缺陷检测研究

缺陷识别是人造板检测的重要环节,目前大多采用人工检测方法。将一种轻量级的深层神经网络MobileNet与SSD算法结合,使用Inception网络附加到多个特征映射上,构建SSD-MobileNet算法模型用于人造板的缺陷检测,以提高区分不同缺陷的能力。从人造板工厂生产现场获取主要包括粗刨花、水印、砂痕、杂物、胶斑5种缺陷类型的表面缺陷图,制成一个包含3216张人造板表面缺陷图像的数据集。利用该数据集对SSD-MoblieNet模型进行训练、测试,并与其他特征提取网络(ResNet18、VoVNet39、ESPNetV2)的检测精度和检测速度的影响结果进行对比,发现其检测速度最快达到75帧/s,相对其他特征提取网络的平均精度均值提升2.26%~3.52%。该研究为实现人造板表面实时在线检测提供良好的技术支撑。     

西德人造板生产及其涂料的发展趋向

由于消费者的需求,促使一些人造板生产厂在质量、厚度、规格及表面装饰等方面扩大人造板的生产范围。为此,西德 Dieff-entaneher 公司已成功地研制出用于人造板各个领域的生产系统。这些专用的机械设备及成套的人造板生产线包括:碎料板生产线;胶合板生产线;硬木板生产线及涂料与层压生产线等。这些技术工艺先进的生产线向人们展示了其良好的工作性能及较高的生产效率。     

图像分割技术在木材表面缺陷识别中的应用

阐述了图像分割技术在图像处理及分析中重要意义,以及主要的图像分割技术。以木材表面缺陷为主要研究对象,利用微分算子边缘检测、最优迭代阈值分割及形态学方法针对具有代表性缺陷死节和虫眼进行分割处理。     

基于动态目标检测与跟踪算法(TLD)的刨花板表面缺陷检测技术

采用动态目标检测与跟踪算法(TLD),在线检测刨花板表面缺陷。结果显示:基于TLD算法的在线检测装置,可以准确捕捉刨花板表面的大刨花缺陷目标,并可对其持续跟踪,最终通过计算得到表面缺陷的特征参数。作为刨花板表面在线缺陷检测方法,具有较高的准确性、实时性及稳定性。     

基于YOLOv4的结构用锯材表面缺陷识别

结构用锯材在使用之前进行表面质量评价、分级,对于提高木材的综合利用率具有重要作用。综合利用机器视觉技术和深度学习方法,选取国内常用的云杉结构用锯材作为研究对象,通过工业相机采集结构用锯材表面主要缺陷(节子、虫眼、裂纹),并对锯材主要缺陷进行数字化评价分析。先通过自主搭建的机器视觉图像采集装置,采集100块结构锯材正反面表面图像,共获取表面缺陷图像1 450张,其中活节缺陷图像550张、死节缺陷图像320张、裂纹缺陷图像295张、虫眼缺陷图像285张;随后搭建基于YOLOv4的深度学习缺陷检测识别框架,对缺陷图像中80%的图像进行训练,剩余20%用于测试。试验结果表明,基于YOLOv4的深度学习缺陷检测识别框架,能有效识别并准确定位锯材表面缺陷的类型和位置,平均识别率96.7%,其中活节缺陷识别率100%、死节缺陷识别率97.5%、裂纹缺陷识别率90%、虫眼缺陷识别率96.7%,可满足生产应用需求。     

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。     

人造板表面缺陷检测图像自适应快速阈值分割算法

【目的】提出一种自适应快速阈值图像分割算法,为人造板表面缺陷在线检测提供支持。【方法】首先将整幅图像划分成若干子区域,通过计算子区域的方差对缺陷进行定位,提取出缺陷所在区域,只对缺陷区域进行图像分割,解决小面积目标难以准确分割的问题。然后对缺陷区域的一维灰度直方图进行处理,直方图平滑后去除掉不显著波峰,根据处理后保留的主要波峰数量和位置自适应地确定分割阈值个数以及每个阈值的分割区间,实现当图像中出现多种类型缺陷时算法自动确定分割阈值个数。最后,通过分析Otsu算法,将阈值穷举搜索改进为条件搜索并限定搜索方向,在每个分割区间内使用改进的Otsu算法对阈值进行搜索,提高搜索速度。【结果】对板面存在油污、大刨花、胶斑、杂物、松软5种类型缺陷的人造板表面图像进行分割,在板面缺陷数量、类型不固定的情况下,算法可以自适应地确定分割阈值个数,在15 ms内将各种类型缺陷从人造板表面图像中分割出来,平均分割准确率达97%。【结论】自适应快速阈值分割算法能够快速、准确将缺陷从人造板表面图像中分离出来,在执行速度和分割效果上均满足在线缺陷检测系统的要求,可为人造板表面缺陷在线检测提供新思路。     

意大利意玛公司在线喷蒸系统DYNASTEAM——2011年4月在澳大利亚又一次获得了成功

DYNASTEAM动力喷蒸系统是被设计用来在板坯进入压机前,将蒸汽喷入其上表面和下表面,从而能提升人造板连续压机生产线各项性能的辅助系统。系统根据生产线的生产速度和生产板材类型,通过PLC编程控制器均衡调整蒸汽喷射量和压力。意大利意玛(IMAL)公司于2011年初在澳大利亚再次安装     

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。     

中密度纤维板密度在线检测技术的研究

在国产中密度纤维板生产线上设计、研制"密度在线控制系统",检测结果表明:每张密度板的密度差距控制在2%之内,密度超差比例由原来的12.50%降低为6.25%,系统检测精度达到2%左右。该控制系统具有检测耗时短、精度高、易于调整的特点,在年产6.0×104m3的生产线上使用可多生产板材600 m3,年均提高产值1%,经济效益显著。该技术适合在国产中密度纤维板生产线上应用。     

基于空气耦合式超声波的锯材节子缺陷检测

针对锯材的节子缺陷,基于空气耦合式超声波的传输系数与待测样本密度之间的关系,探索了空气耦合式超声波的节子缺陷检测新方法,并采用自行研制的空气耦合式超声波检测仪对杉木锯材试样进行检测,结果表明,空气耦合式超声波技术不仅能检测出锯材表面可见的节子缺陷,也可以有效检测不可见的内部节子缺陷。     

基于遗传算法的强化木地板表面缺陷的图像分割

强化木地板表面质量的图像检测技术在我国尚属空白.本文将遗传算法应用于强化木地板表面缺陷的图像分割,利用最大熵准则作为算法的适应度函数.实验表明,该算法可较准确地分割出强化木地板的表面缺陷,是一种有效的图像分割方法.