Feature Extraction of defects on wood surface

IntroductionAtpresent,usingthecomputerimageprocessil1gsys-temtofinishthefeatureextractiol1ofw0oddefectsisi11anexpIorat0rystage.ThismetI1odmaydecreasetI1ellmitati0noftl1eexperilnel1talcol1ditions,suChasIights,instrumentsandsomespccialmateriaIs.Itiscol1venic11ttousethiswayandthegoodresuItswilIbeacI1ieved.TherearethreetypicaIwo0dsurfacedefectst0bestudiedintheexperiment,whicI1arekn0t,boreI1oleal1ddecayofLarixandBeIlIlu.Tl1eworkist0separatetl1edefectsfromthewoodsurfaceimagesandprovideagoodba…     

木塑复合材料的研究现状与应用前景

木塑复合材料是一种新型环境友好材料，是现代材料工业发展的主要方向之一。掌握国内外的发展势态．深入研究其结构和界面特性，对改善木塑复合材料的物理力学性能，推进产品的发展历程是十分必要的，文章就木塑复合材料的研究现状及应用前景进行了阐述。     

基于分形理论的木材纹理特征研究

介绍了一种利用自相关函数来估算图像分形维数的方法，并将其应用到木材的纹理分类检测中。实验表明，分形维数值直接反映了木材纹理的粗糙程度，可定性地作为描述木材纹理粗糙度的一种度量。     

木质材料表面缺陷计算机视觉测量的识别方法

可应用于传送线与计算机联合处理识别图象，算法输出列出了便于进一步高水准处理识别目标象素的坐标。它为木质材料表面缺陷计算机视觉测量技术提供了一种有效的识别方法。     

无线传感器网络在林火监测中应用

将无线传感器网络结合加拿大林火天气指数（ FWI）系统对森林火灾进行预测和实时监测。使用大范围布置的温湿度传感器结合自动防火气象站组成无线传感器网络,对广大林区作细粒度的数据采集,进而准确计算FWI系统的6个指数,对火灾发生的潜在风险以及火灾的强度和规模做出预测和评估,并依据细小可燃物湿度码（ FFMC）调整传感器节点的数据采集频率,对林火进行实时监测和识别。测试结果表明本系统可以有效地节约能耗,缩短林火的发现时间。     

基于分形理论和数学形态学的木材表面缺陷识别的图像处理

在木材表面缺陷识别过程中,能否精确提取缺陷轮廓是提高分选准确率的重要因素。采用分形理论和数学形态学进行板材缺陷图像分割和边缘提取,能有效的克服传统方法中缺陷图像提取受背景纹理影响大的不足,为后续的木材表面缺陷的识别打下坚实的基础,提高木材的使用率,对木材表面缺陷识别具有实际意义。     

基于改进的粒子群算法优化开关神经网络的木材表面缺陷识别

提出了一种改进的粒子群优化算法(IPSO),由混沌序列产生初始种群,采用克隆选择变异算子避免算法过早收敛于一个平衡点.用改进后的粒子群算法训练开关神经网络,将其用于木材表面缺陷识别.结果表明在较少的网络节点连接数目的情况下,获得了较高的识别率及良好的网络泛化性能.     

应用Harris角点检测进行图像拼接的超长板材尺寸测量方法

选择约700 mm(长)×200 mm(宽)的10块柞木板材为研究对象;用相机进行标定得到相机内部参数、外部参数,对采集的板材图像进行镜头畸变修正;对图像进行高斯平滑处理后,采用Harris角点检测方法对采集的先后两帧图像进行图像拼接;采用边缘检测得到板材完整的边界信息,通过建立空间坐标系与像素坐标系的转换关系完成板材尺寸计算。结果表明:相机标定与畸变补偿,提高了测量的精度由5 mm至1 mm;图像拼接方法,解决了长尺寸板材机器视觉测量困难的问题;采用Sobel算子边缘检测方法,能够准确保留边缘信息,速度快、计算简单;测量结果最大标准差为0.582 mm,测量精度小于1 mm。     

纸浆模塑餐具热压干燥过程的研究

该文对纸浆模塑餐具热压干燥工艺过程进行了分析，在此基础上建立了模具热传导方程，采用分离变量法推导出模具热传导方程的解析解，同时应用Matlab软件进行数值求解。根据热传导方程的解析解、数值解计算的模具表面温度值与与实测值较为吻合。对模具的传热分析为模具结构设计及加热管布置提供了理论依据。根据热传导方程并结合生产实际经验，推导出相应的湿坯热压时间，为热压过程的控制提供了基础。     

应用高斯聚类的单木分割及树高和冠幅的提取

针对机载激光雷达点云中基于栅格化的冠层高度模型(CHM)所导致的原始点云数据丢失问题,提出了一种应用高斯模型聚类的单木信息提取方法。采用形态学开运算和高斯平滑方法形成高斯冠层最大模型(GCMM)能减少无关局部最大值对单木分割的影响,利用局部最大值法初步探测树冠顶点,通过最速下降法建立混合高斯模型得到树木位置和冠幅。利用聚类分析划分临近点云归属,进而实现单木参数准确提取,并提取单木最高点为树高。将点云分割方法应用于美国蓝岭地区6块圆形针叶林样地(r=30 m)。结果表明:单木分割F为0.89,正确分割单木树高提取精度95%,冠幅提取精度91%。结合实测数据对提取到的树高和冠幅进行相关性分析,树高R2=0.92,平均误差为-0.83 m;冠幅R2=0.84,平均误差为-0.42 m。相比于分水岭算法,高斯模型聚类方法F提高了11.2%,正确分割单木树高及冠幅提取精度提高了5.5%、5.8%,树高R2提高0.08,平均误差减少0.58 m;冠幅R2提高0.11,平均误差减少0.63 m。