基于图像处理和Structure5.0对木材种类识别

随着我国经济的高速发展,对木材利用率和产品质量的要求也随着增高。不同的木材,其用途和树种各不相同。正确识别木材,对于按质论价,合理经营,保证工程质量和指导林业生产,合理利用木材资源等有重要意义。本文首次利用Structure5.0图像处理软件,对木材管孔、木射线等微观结构进行测量,对数据进行统计分析,并与文献中提供的木材结构的参数及特点进行比较来识别木材种类。结果表明,所测木材的种类为大青杨,同时为木材种类的识别提供了一种客观定量的方法,对使用年限久远的木制品或珍贵木材提供了一种较为准确的识别方法。     

基于图像处理和SVM探索木材与树皮的新识别参数

木材工业生产中,需将树皮和木材分离,进而提高木材的使用效率。运用木材和树皮的5个特征参数和数字图像处理技术对榆木(光秃大果榆Ulmus macrocarpa var. glabra)、柳木(杞柳Salix integra)和松木(樟子松Pinus sylvestris var. mongolica)的木材与树皮图像进行分类识别,其中均方差比是本文提出的识别参数。通过对图片进行数字图像处理,得出参数的最大值和最小值, 利用多项式函数和非线性函数对木材和树皮识别,再对参数进行评估,筛选出最佳参数。结果表明,参数均方差比识别率最高分别达到97.7%和 94.7%,且多项式函数的识别效果高于非线性函数的识别效果。     

基于红外光谱的木材自身耐久性分析

木材与人类的生活息息相关,在建筑、装饰与装修等方面得到广泛使用。为延长木材的耐久性,选取枣木,榆木,樟子松和云杉,比较其木粉和木质素的红外光谱图,测量碳(C)、氮(N)含量、计算C/N比值,提取木质素含量、木质素密度及萃取物含量和总萃取物密度等,并进行分析比较。结果表明,最耐久的枣木,C/N值最大,木质素密度最大,总萃取物密度最大,从其红外光谱图可以看出,枣木的耐久性最好,木质素的愈创木基（G）/紫丁香基（S）比值最低。