层次支持向量机在色木孔洞缺陷检测中的应用

针对现有木材无损检测中存在的问题,提出根据木材的声脉冲响应特点,通过自制的声波信号采集装置提取含有孔洞缺陷木材的声脉冲响应信号,再分别从时域和频域对信号进行处理,提取相关的统计信息作为识别特征,再输入到层次支持向量机（SVM）中进行识别的方法.结果表明,该方法对色木孔洞位置的识别准确率在95％以上,具有需构造的SVM分类器数量少、不存在不可识别域、训练和识别速度快的优点.对基于支持向量机的木材孔洞缺陷识别进行探讨,并对其有效性进行验证.     

基于优化卷积神经网络的木材缺陷检测

针对深度学习中的卷积神经网络算法,在木材无损检测过程中存在缺陷定位不准确、缺陷轮廓和边界信息不完整、识别精度需进一步提高等问题,利用非下采样剪切波变换最优稀疏表示特性,以及简单线性迭代聚类算法能很好地保持像素紧凑度和图像边界轮廓的优点,设计了一种优化的卷积神经网络算法,以提高木材无损检测的准确率。首先采用非下采样剪切波变换对采集的木材图像进行简单预处理,保留木材图像的缺陷特征不丢失,降低图像处理的复杂度以及运算量;然后利用卷积神经网络对木材图像实现深层次的算法设计,同时应用简单线性迭代聚类算法对初步模型进行增强改进,提取出相对准确的木材缺陷轮廓;最后通过反复调整参数和调试优化器,优化卷积神经网络算法的收敛速度,提高学习和运算效率,完善卷积神经网络对木材缺陷轮廓的提取,在降低运算复杂度的同时,提高其精度,具有良好的鲁棒性。相比径向基函数(RBF)神经网络、向后反馈-径向基函数(BP-RBF)混合神经网络和卷积神经网络,本算法对木材缺陷具有更好的识别效果,其识别准确率达到98.6%左右,且识别时间相对更短。     

应力波木材无损检测技术应用及研究进展

文中概述了应力波传播机理及应力波木材无损检测技术的优缺点与工作过程，介绍了现阶段木材无损检测领域内常用的几种应力波木材检测设备，对其特点进行了分析，并从力学性能检测、内部缺陷检测和影响应力波传播速度的因素3个方面对应力波木材无损检测技术的研究进展进行总结分析，预测其发展前景，以期为该领域的进一步研究提供参考。     

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。     

计算机断层扫描技术检测木材缺陷的研究

木材无损检测技术是一门新兴的、综合性的木材非破坏性检测技术，可以应用计算机断层扫描技术（Cr）对原木进行无损检测。计算机断层扫描技术是X射线无损检测的一个分支，是对X射线的应用。本论文通过对Cr的利用，通过对Cr图像的提取、分析和处理，找出了一套方便于Cr图像的重建和去除噪声的算法，从而提出利用计算机断层技术（Cr）对木材进行缺陷检测，该方法是可行的。     

断层扫描技术在木材无损检测中的应用

为实现木材缺陷的自动、高效检测,提高木材利用率,应用自主研发的CT设备扫描原木木段横切面,并重建其二维图像和三切面视图。结果表明:通过二维图像可观察横切面年轮、节子和裂纹等信息;结合三视图和透视图可精确定位缺陷位置。为无损检测木材内部结构特征,及木材分等提供依据。     

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。     

计算机断层扫描技术在木材科学中应用研究进展

计算机断层扫描（CT）技术作为一种高质、高效的无损检测技术,具有重建图像分辨率高、速度快等优点。鉴于该技术在医学领域取得的重大成就,国内外学者基于CT技术对木材做了大量研究,并将其应用于木材科学研究领域,验证了CT技术在木材检测和木材加工领域的可行性,同时取得了良好的使用效果。文中综述了CT技术在木材缺陷检测、木材宏观构造检测和木材切割中应用的研究进展,分析了现有技术存在的问题,展望了CT技术在木材科学领域的应用前景。     

基于空间灰度共生矩阵木材纹理分类识别的研究

以10种木材纹理样本为对象,研究了木材纹理参数体系的建立方法,并进行了分类识别的仿真实验。首先,针对木材纹理特点并结合类别可分性判据,构造了适于描述木材的空间灰度共生矩阵,并在此基础上提取了木材的11个纹理特征参数。其次,借助相关性分析对参数进行了特征选择,进而建立了能直接与人的感官对应的木材纹理参数体系。最后,利用 BP 神经网络分类器对木材样本进行了分类识别研究,识别率为87.50%,验证了参数体系的有效性,表明用本文提出的纹理参数体系对木材进行分类识别是可行的。     

木材缺陷无损检测技术研究现状

对微波法、超声波法、X射线法、核磁共振法及声学法等目前国内外木材缺陷无损检测方法的研究现状及这些检测方法的优缺点进行了阐述,同时介绍了几种便携式木材缺陷检测仪器。     

应力波木材无损检测信号采集系统

应力波木材无损检测技术可在不破坏木材使用性能的前提下,快速的检测出木材的尺寸、规格和基本物理性质等,基于此优点,应力波无损检测技术近几年越来越受到青睐。应力波在木材中传播时,如遇到裂缝、孔洞、裂纹等界面不连续处,就会发生反射、折射、散射和模式转换,对缺陷有很高的敏感性。基于应力波的这种敏感性,本文对应力波在木材中传输时的信号进行采集,通过对采集信号进行频谱分析、小波变换等处理,可进一步得到应力波在木材中的传播速度等参数,从而为鉴别木材的缺陷提供更多的信息。     

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.     

无（微）损检测技术在木结构古建筑中的应用及发展

介绍了古建筑木构件勘查中常用的无（微）损检测技术,阐述了各种仪器工作原理、检测方法及其优缺点,其中包括皮罗钉、阻力仪、应力波和超声波检测设备。基于以上技术,结合古建筑木构件特点,提出仪器结合使用、构件分类检测、设备便携化以及以树种鉴定为基础的木结构古建筑无损评估体系。

Abstract：

Commonly used nondestructive inspection technologies involved in the survey of the wood structures of ancient buildings are introduced and the inspection methods,working principle,advantages and disadvantages of various instruments,including of pilodyn,re     

Basic study on nondestructive evaluation of artificial deterioration of a wooden rafter by ultrasonic measurement

Most old buildings in Korea are wood framed and, with age, deterioration is found in all wood components of antique buildings. Insects and rapid changes in humidity are among the main causes of deterioration. To preserve antique wooden buildings, nondestructive testing (NDT) methods are required. Various methods of nondestructive evaluation (NDE) such as X-ray, stress wave, drilling resistance test, and ultrasound are used to inspect the safety of wooden antique buildings. The ultrasonic method is relatively simple, inexpensive, and accurate. The rafters are one of the main components of antique buildings and are seriously affected by deterioration. This study aimed to develop a nondestructive ultrasonic technique for evaluation of wooden rafter deterioration. Regression models describing the relationship between the artificial deterioration of the specimen and ultrasonic parameters were proposed. The method was found to be reliable for evaluating wooden rafter deterioration.     

基于小波神经网络的木材内部缺陷类型识别的研究

利用榆木标准试件,在实验室内用超声波检测仪器对试件进行缺陷分类检测,检测信号作为原始信息.各类试件的原始信号用小波包分解,计算缺陷试件与完好试件在小波包第5层各结点的信号能量变化值.试验发现:木材缺陷引起能量的变化值主要由木材缺陷的大小或严重程度来决定,亦即木材的缺陷程度越严重,能量的变化幅度就越大;对小波包5层分解后各信号结点的能量变化值进行分析,发现在32个结点中,(5,0)结点在各类缺陷试件中能量值变化最大;使用经小波压缩后的信号作为神经网络的输入,形成应用频带能量变化值和应用(5,0)结点小波包系数的2个不同输入特征的人工神经网络.对比分析2个网络识别木材缺陷类型的能力,(5,0)结点小波包系数作为特征训练得到的神经网络检测精度更高.     

小波变换的木材纹理在线分选

以180幅木材样本图片为对象,研究以小波变换方法提取特征参数,分析几种小波基的特点和性质,最终以对称性为依据,选择使用sym4小波对图像进行二级小波分解,可以得到一级水平细节HL1、垂直细节LH1、对角细节HH1,二级的近似LL2、水平细节HL2、垂直细节LH2、对角细节HH2共7个子图,提取整幅图像的熵和每个子图小波系数的均值及标准差作为特征参数。将木材纹理按照直纹、抛物线和乱纹3种纹理的分类标准,以BP神经网络作为分类器进行了木材纹理分类的验证,并与灰度共生矩阵的方法进行了对比。试验表明:采用小波变换的方法对木材纹理特征进行描述,不但提高了分类的准确率,重要的是缩短了运算时间,可以达到在线监测的要求。