基于卷积神经网络在木材缺陷识别中的研究进展北大核心

木材作为重要的生物质材料,为进一步提高其使用率,可采用卷积神经网络(CNN)模型实现对木材缺陷快速、准确的识别,具有检测时间短、效率高、精确度高等优势。综述了卷积神经网络的基本结构,总结了CNN在木材缺陷分割、特征提取、识别中的研究现状,针对CNN在木材缺陷识别领域的不足,提出了进一步发展的方向,为提高木材缺陷识别的效率和精确度提供了新思路。     

基于深度学习的木材缺陷图像检测方法

针对木材活节、虫眼、死节等缺陷,提出一种深度学习的木材缺陷图像检测算法。首先构建训练数据库及测试数据库,同时设定卷积神经网络(CNN)的输入层、中间层、输出层等参数,并利用区域建议网络(RPN)反复训练CNN,然后利用训练好的CNN对测试图像进行检测,得到缺陷所在的矩形区域。将此区域作为初始分割范围,再利用CV模型进行图像精细分割。试验结果表明,提出的算法目标定位能力强,能很好地提取木材缺陷目标。     

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。     

深度学习在木材加工领域的研究进展

随着木材加工自动化的快速发展,深度学习技术已在木材加工领域得到运用,它的引入对木材加工企业转型升级、向着智能制造方向发展具有重要意义。概述了深度学习在木材加工领域的研究进展和具体应用,首先介绍了自编码器、深度信念网络、卷积神经网络、生成对抗网络、递归神经网络以及ViT 6种典型深度学习模型的模型结构及工作原理,并分析了不同深度学习模型的应用场景以及存在的问题。在此基础上结合具体木材加工领域详细地介绍了深度学习的应用,在原木检尺领域,深度学习方法可以解决自动化材积检测问题;在木材检测领域,深度学习方法为木材树种分类、缺陷识别以及纹理识别提供了有效工具;在木材干燥领域,深度学习方法因其良好的自适应能力可以建立更为精确的木材干燥模型。最后展望了深度学习在木材加工过程中亟待加强研究的方向,以提升深度学习解决木材加工过程中应用问题的广度和深度,提升木材加工产业的智能化水平和生产效率,进一步提高我国木材加工制造企业的科技创新能力,提高企业竞争力。     

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。     

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。     

基于人工智能的木材缺陷检测研究进展

木材缺陷检测是木制品加工前的重要步骤,为了提高检测效率和经济效益,木材缺陷检测也从传统的人工方法向智能化方向转变。随着计算机技术的不断提高,人工智能得到快速发展,人工智能在木材缺陷检测中的应用也进一步增加。目前,人工智能主要通过机器学习、人工神经网络、深度学习等算法实现对木材缺陷的预处理和检测。文中阐述部分常用人工智能算法在木材缺陷检测中的应用,包括相关算法的原理、特点;综合分析算法优缺点,并对人工智能技术在木材缺陷检测中的研究进行了展望。     

基于CNN的木材内部CT图像缺陷辨识

【目的】为获取木材内部构造形态,提高木材内部缺陷识别率,依据获得的计算机断层扫描图像,提出一种基于卷积神经网络(CNN)的木材内部缺陷辨识方法,以实现木材的高效化自动分类。【方法】首先,利用课题组自行开发的计算机断层扫描系统,采集样本木材内部CT图像800幅;然后,对样本图像进行处理,随机选取700幅原始样本图像,从中截取出单个缺陷区域和正常木材断层区域样本图像20 000幅,并利用图像增强等算法将数据集扩充到70 000幅,标准化图像大小为28×28像素,分为正常、裂纹、虫眼和节子图像共4类,取60 000幅图像作为训练集,10 000幅图像作为测试集,剩余的100幅原始样本图像用于试验验证。【结果】通过60 000幅图像来训练网络模型,对测试集10 000幅图像进行分类,分类正确率达99.3%;利用训练得到的网络模型对100幅原始样本图像进行验证,平均分类正确率为95.87%。【结论】基于卷积神经网络的木材内部CT图像缺陷辨识算法,克服了传统识别方法图像预处理繁琐、训练方法复杂、训练参数过多、耗时过多等问题,具有精度高、复杂度小、鲁棒性较好等优点,且辨识正确率和辨识时间都比现行常规算法精准并用时短,是一种无损、高效、准确的辨识分类方法。     

数字图像处理技术在木材科学中的应用

综述了数字图像处理技术在木材缺陷检测、木材结构和木材美学三个方面的研究进展,分析了其中存在的不足。结果表明,数字图像处理技术可实现木材虫眼、节子和腐朽等缺陷的快速准确识别;木材结构的图像分析对于气候变化、木材长势及力学性能研究均有一定的参考价值;利用数字图像处理技术可以提取出木材独一无二的纹理图案。展望了数字图像处理技术在木材科学中的应用前景,以及其在木材缺陷自动检测、物种识别和美学研究等方面的商业价值。     

基于人工神经网络的原木CT图像缺陷识别

以欧洲白蜡为例,利用训练好的神经网络识别原木CT图像中的各种木材缺陷.不同隐蔽层节点的神经网络可以正确地识别树皮、节子、腐朽和无疵木材;但是对于细小裂纹尚还不能准确识别.计算机快速、自动识别图像中的各种缺陷,有利于实现最优化的锯切方案.     

iWood：基于卷积神经网络的濒危珍贵树种木材自动识别系统

【目的】构建基于卷积神经网络的木材识别系统,实现木材树种在多场景条件下的自动精准识别,为我国提升CITES履约执法能力、加强林产品产业链监管以及保障木材安全提供科技支撑。【方法】采集15种黄檀属和11种紫檀属木材标本横切面构造特征图像,建立图像数据集Rosewood-26;构建AlexNet、VGG16、DenseNet-121和ResNet-50共4种卷积神经网络模型,基于ImageNet图像数据集对模型进行迁移学习,采用Rosewood-26图像数据集训练、测试和比较模型,优选识别性能较好的卷积神经网络模型,并进行木材树种分类;在此基础上,构建包含15种黄檀属和11种紫檀属树种的木材自动识别系统iWood,利用市场木材样品对系统进行应用测试和评价。【结果】在构建的4种卷积神经网络模型中,ResNet-50模型表现出最高的识别精度(98.33%)、最少的权重数量和较低的模型复杂性,适用于木材树种准确快速识别;ResNet-50模型对9种黄檀属和3种紫檀属木材的识别精度达100%,并可成功鉴别构造特征极其相似的檀香紫檀和染料紫檀;基于ResNet-50模型构建的木材自动识别系统iWood,在"属"和"种"水平的识别精度分别为91.8%和77.3%。【结论】基于卷积神经网络的木材识别系统iWood适用于海关执法、木材贸易和质量监督检验等多场景下的木材自动精准识别,能够为我国提升CITES履约执法能力、加强林产品产业链监管以及保障木材安全提供科技支撑。     

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.     

人工神经网络在木材缺陷检测中的应用

采用射线作为检测手段，对木材进行无损检测。在无损检测信号处理和特征构造的基础上。运用特征参数建立了缺陷识别的数学模型，针对无损检测信号的特征，构造了人工神经网络。选用反向传播神经网络模型（BP网络），网络识别所需要的特征参数能够反映木材缺陷的全部特征。     

基于非对称椭圆的应力波木材缺陷断层成像算法

木材中的空洞、腐朽等缺陷在很大程度上影响着木材的力学性能。为实现木材内部缺陷的无损检测,提高木材利用率,提出了一种基于非对称椭圆的木材应力波无损检测算法。选取3个不同缺陷的原木样本作为实验材料,其中两个分别为位于中心以及边缘的人工圆形缺陷,一个为偏边缘的自然缺陷,采用自制的应力波检测设备获取木材截面内的波形数据。首先根据得到的射线速度值计算分段后的线段和交点的速度值,并进行校正;然后计算射线两侧不同的控制系数,确定射线影响区域;最后根据网格单元的速度值生成断层图像。数值仿真与实测结果表明,基于非对称椭圆的应力波断层成像算法能够精确地检测出原木样本的缺陷。从重建的断层图像可以看出：与基本椭圆插值方法相比,提出的算法能够更清晰地显示缺陷的大小及位置,应用混淆矩阵定量分析,在准确率、精确度和查全率3个参数指标上分别有7.46%,4.04%和22.24%的提升。基于非对称椭圆的木材应力波无损检测算法可以提高断层图像的精度,准确反映缺陷情况,对于木材缺陷的无损检测具有较好的参考作用。     

基于改进YOLOv5s的木材表面缺陷检测模型

针对木材表面缺陷的复杂多样性和特征提取困难,提出一种基于改进YOLOv5s的木材表面缺陷（活节、死节、有裂缝节子和裂缝）检测模型。首先,在Backbone网络引入坐标注意力机制（coordinate attention,CA）增强每个通道之间的信息交互,然后采用混合空间金字塔池化（hybrid spatial pyramid pooling-fast,HSPPF）结构减少信息损失,再使用GSConv卷积减少参数量,用改进的曲线高效交叉联合（curve efficient intersection over union,CEIoU）作为训练时模型的损失函数,提升木材缺陷检测的准确性。试验结果表明,改进模型能够有效检测出木材表面缺陷,模型的平均精度均值（mean average precision,mAP）为84.4%,比未改进之前提高了2%,检测速度达到73.9 FPS,在模型参数量方面明显减少,同时优于其他主流模型,能够满足木材表面缺陷检测的要求。     

用超声波探测红栎木材的蜂窝和浅裂

在木材干燥业，检测木材中的蜂窝和密集的浅裂是目前有待解决的研究课题。将木材加工成高质量产品时，必须去除其含有的蜂窝和浅裂部分。本文总结了用超声波检测红栎木材的蜂窝和浅裂的试验结果——当木材中出现蜂窝和浅裂时，其声透射时间比无缺陷木材长得多。因此，超声波检测技术可以应用于检测木材中的蜂窝和浅裂。     

樟科4种木材红外光谱的鉴别方法探讨

采用傅立叶变换红外光谱(FTIR)法测定了樟科4种木材红外光谱,结果表明通过各自的特征峰和共有峰相对峰强的比较可以区别4种木材。通过傅立叶自去卷积技术对4种木材红外光谱进行解析,并利用双指标序列法对数据进行了分析,能够利用傅立叶自去卷积图谱共有峰率和变异峰率双指标序列法鉴别4种木材。红外光谱在木材分类研究和鉴定领域有较好的应用前景,此技术也有望成为木材司法鉴定体系中的有效方法之一。     

古建筑木构件缺陷检测方法发展现状

木材缺陷是在木材应用中存在的一个不能忽视的问题,它影响了木构件的外观及其力学性能,最终决定该木结构是否能够继续使用。如何及时、有效的检测出古建筑木构件中的缺陷,探索到合理的检测方法,一直都是科研者共同的研究方向。根据检测机理的不同分别介绍一系列无（微）损检测方法,如传统检测法、应力波检测法、皮罗钉检测法、超声波检测法、微钻阻力检测法、应力波断层成像检测法,以及它们在古建筑缺陷检测中的应用,同时对这些方法的研究现状和发展趋势进行了总结。     

微波技术在我国木材加工与产品检测中的应用

概述了微波技术在我国木材干燥、木材改性、胶粘剂合成、材料缺陷检测、竹木产品含水率检测和人造板甲醛释放量检测方面的研究成果及应用现状,微波干燥技术使木材在干燥过程中温度梯度和含水率梯度较小,具有加热时间短、干燥质量好、提高出材率等优点;通过微波改性技术,可以赋予竹木材某些特殊的功能,使低档竹木材高档化,从而有效地利用竹木材料,提高经济价值;借助微波技术进行胶粘剂合成,反应速度比传统的加热方法快数十倍;提出了微波技术在木材干燥、木材改性、无损检测、萃取甲醛释放量检测的发展方向和应用前景.     

木材缺陷检测理论及方法的发展

通过对国内外板材节子视频检测理论现状和发展的研究，对计算机视频技术在木材缺陷检测上的应用与发展进行了综述，并对视频技术在木材缺陷检测上的应用前景进行展望。