基于深度学习与深度信息的原木材积检测方法

针对工业现场整车木材摆放深浅不一且上下分层而导致的整车木材材积自动检测困难的问题,采用ZED2双目相机获取木材端面图像以及深度图像,在改进的基于掩模区域卷积神经网络(Mask region-based convolutional neural network, Mask R-CNN)实例分割模型完成对木材端面分割的基础上,对木材轮廓进行椭圆拟合,根据木材端面中心坐标以及深度图像获取每根木材的深度信息,利用整车木材上下层深度信息相差较大的特点,解决木材上下分层的问题,同时根据双目视觉视差原理,利用相机参数以及轮廓拟合后椭圆短径端点坐标,测量出木材端面检尺径,将检尺径和检尺长代入原木材积计算公式完成原木材积的检测。实验结果表明,使用本方法计算出的整车原木材积同人工检尺数据对比,材积误差率(偶数)为-1.61%,单根木材检尺径平均绝对误差(偶数)为0.33 cm,符合国家原木检尺要求。最终将模型以及材积计算算法部署于Nvidia Jetson Xavier NX平台,并在PyQt5核心库上设计了操作界面,用户仅需拍摄完整木材端面,即可实现原木材积的计算。利用本研究所提出方法可实现木材整车检尺...     

基于YCbCr和Hough变换圆的林区原木运输车辆识别

正确识别林区原木运输车辆能有效防止原木被违法运输的异常行为,提高监控管理森林资源的效力。为了解决由于林区道路场景的复杂性,原木端面颜色受光照、湿度等影响使得原木运输车辆识别率较低的问题,将基于YCbCr颜色空间和Hough变换圆检测相结合来识别林区原木运输车辆。同一捆原木端面颜色差异较小,可使用YCbCr颜色特征空间来分割图像,去除背景干扰;图像被转换到RGB空间以去除原木区域二值图像的背景;利用形态学方法统一去除二值化图像的原木缝隙来确定图像边缘;利用Hough变换圆的点线间的对偶性来检测原木运输车辆,降低了噪声的敏感性。实验结果表明,上述方法对成捆裸露在外的原木运输车辆识别率达到了71%以上,鲁棒性和有效性较好。     

原木端面面积的数字图像检测方法研究

原木端面面积的自动检测是实现原木材积自动化操作的关键步骤。采用数字图像处理的方法,通过灰度变换、中值滤波、边缘增强、二值化和轮廓跟踪等技术处理,实现对原木端面面积的自动检测。试验证明,采用以上方法和技术处理可获得较准确的原木端面面积的检测结果。     

一种基于计算机视觉的原木端面面积检测方法

端面面积是原木材积检测中必须检测的参数,直接关系到材积检测的精度和效率。现有的端面面积检测方法以圆形或者椭圆来替代不规则的原木端面,不能直接检测形状不规则原木端面的面积,造成了原木材积测量值与实际值的差异。本研究提出一种基于计算机视觉的原木端面面积检测方法,实现对不规则原木端面面积的直接测量。研究利用该方法对成堆原木的端面面积进行了检测,并与传统的人工检尺法进行了对比,结果表明本研究提出的原木端面检测新方法的检测精度提高了2.8倍、检测速度提高了10~20倍。     

原木材积检测中的计算机视觉技术

原木材积的检测在林业研究及造纸工程等领域是十分重要的。本文提出了一种基于计算机视觉的新方法用于材积的 检测。首先,分析了用于检测的硬件系统。然后,给出了检测过程中的详细算法。为了提高原木横截面图像的质量,提出了基于模糊熵的图像增强算法。在许多实际应用问题中,图像中的原木横截面常常是部分不可见的,这一现象已成为材积正确检测的主要障碍。为了克服这一现象,本文提出了一种鲁棒的Hausdorff距离用以恢复完整的原木横截面。实验的结果证明了本文方法的有效性。图5参8。     

基于图像处理的贮木场楞堆原木计数算法

针对楞堆计数的特定问题,提出了一种新的图像识别方案.该方法用二值化分割、图像链码跟踪和直线填充的方法实现原木和背景的分离,根据距离变换的思想,采用距离变换图中搜索种子点的方法实现原木的计数.该算法尤其适用于原木端面形状不规则、面积大小不一、摆放不整齐的楞堆计数.     

原木端面图像检尺直径识别算法的研究

论述应用计算机图像处理和识别技术来研究不规则类圆形目标的识别问题,以成捆原木端面图像为实例,提出一种原木端面检尺直径识别的算法。     

原木端面图像检尺直径识别的一种算法

论述了应用计算机图像处理和识别技术来识别不规则圆形类目标的问题,以成捆原木端面图像为实例,提出一种原木端面检尺直径识别的算法。     

基于多重分形理论的原木CT腐朽图像分析与处理

使用计算机断层扫描技术进行原木无损检测,采用多重分形频谱分析方法可以对原木CT图像进行有效的边缘检测,该方法首先计算图像各像素点的H lder指数α(x,y),然后估计出其多重分形频谱f(α)的值,对图像的像素点进行分类,f(α)=1为平滑边缘点,1≤f(α)<1.5为奇异边缘点。根据多重分形理论,平滑点和奇异点的集合即为图像的边缘点。实验结果表明,该方法对原木CT图像的边缘检测具有良好的效果,并具有较好的局部性,为原木CT图像的边缘检测提供了一种新方法。     

火焰目标提取方法的研究

在火灾识别应用中,应用物体的轮廓特征来检测和定位目标物体是一种有效的方法.为了精确地提取火焰目标,提出一种综合有效的实现算法,首先对采集来的图像进行抽样处理,然后采用数学形态学方法对图像进行二值化处理,最后再对图像进行分割处理,消除噪声干扰,提取出准确的火焰目标.实验结果表明该算法能够有效地提取出图像中的火焰目标.     

具有图像处理功能的原木X射线检测系统

选择 X 射线作为检测源透射原木,根据检测透过被检物体后的射线强度差异,判断被检测原木内部是否存在缺陷和检测缺陷细节。检测过程中应用计算机数字图像处理技术对原始的 X 射线图像进行中值滤波、图像增强、差分和边缘检测,使得处理后的图像更加清晰,图像中的目标易于人眼识别。实验结果表明这种方法行之有效。     

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。     

基于云平台的林木采伐机作业信息采集系统

针对目前国内采伐机平台存在信息传输过程不够稳定、多功能难以汇集成块、作业设计调查中材积计算误差较大的问题,设计了一套基于云平台的林间采伐头作业信息采集系统。首先,根据系统目标建立平台的软件与硬件系统,软件系统使用嵌入式模块与工控模块开发,基于CAN通信协议实现采伐机头的本地控制和作业及状态信息采集;通过在阿里云服务器创建数据中心、部署中间件实现采伐机作业数据的实时处理;硬件系统中搭载了无线通信模块,基于Socket编程通过MQTT协议进行与云端的全双工通信。其次,建立原木定制采伐(CTL)材积模型,基于编码器角度与树木直径对应关系实现对树木直径与长度的实时测量。最后,将上述平台系统于野外复杂环境下进行试验,并在林间选取不同郁闭度的条件,验证信息传输的稳定性以及云报表材积信息采集的准确性。配备了该系统的采伐机在实际工作环境下,系统信息传输过程的丢包率可以控制在1%以内。通过云平台报表数据与人工测量数据计算得到的材积对比,材积测量误差率在5%以内。开发的基于物联网与云框架的采伐机信息采集系统与B/S版的远程终端访问系统通过野外复杂试验验证了信息采集系统的可靠性,通过对比原木材积国家标准,验...     

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。     

贮木场原木楞堆图像计数技术

贮木场楞堆的计数往往采用人工的方法,而人工计数又存在很多局限性.为解决这一问题提出了一种基于距离变换的图像识别方法.该方法采用中值滤波法、二值化分割和数学形态处理运算实现棒线材图像的预处理,根据距离变换的思想,采用距离变换图中搜索种子点的方法实现原木的计数.该技术尤其适用于贮木场原木楞堆端面摆放参差不齐、原木端面面积大小不一和原木形状不规则的等情况下计数,真有一定的推广和应用价值.     

基于图像的原木去弯截断方法

为了提高小径级原木的出材率,需要对原木进行去弯截断处理,为此设计了原木图像检测与去弯截断系统.分析了原木图像处理流程,研究了基于最大类间方差法的原木图像分割方法,并对分割后的原木图像进行了形态学滤波.在此基础上,采用边缘检测方法实现了原木图像中心线提取,给出了基于中心线的原木自动去弯截断方法.试验结果验证了原木图像处理方法的有效性.     

多尺度数学形态学在木材图像边缘检测中的应用

提出一种基于多尺度结构元的数学形态学图像边缘检测算法.针对图像中噪声和边缘形态不同,定义了多尺度的形态学结构元素,并通过形态学运算的加权组合,构造了多尺度的边缘检测算法.在针对木材缺陷图像的仿真试验中,该方法与经典的边缘检测算子相比不仅具有很好的边缘提取能力,而且还有很强的抗噪性.     

基于全方位和多尺度结构元数学形态学的木材缺陷图像边缘检测

提出一种基于全方位、多尺度结构元的数学形态学图像边缘检测算法。针对图像中噪声和边缘形态不同，定义了全方位、多尺度的形态学结构元素，并通过形态学运算的加权组合，构造了全方位、多尺度的边缘检测算法。在针对木材缺陷图像的仿真实验中，该方法与经典的边缘检测算子相比不仅具有很好的边缘提取能力，而且有很强的抗噪性。     

形态学双梯度算子在木材腐朽图像边缘检测中的应用

根据数学形态学的思想和木材图像的特性,选取适当的结构元素,通过腐蚀、膨胀、开与闭运算的加权组合,构造出形态学双梯度算法,并将它应用于木材腐朽图像的边缘检测。通过与经典边缘检测算法对比,该方法提取的图像边缘更加的准确、完整和连续;显现出更好的抗噪声能力和边缘检测能力,实验结果验证了该方法的可行性与有效性。     

基于分形维数特征的原木漏节图像的研究

采用X射线法透射木材,根据检测透射物体后射线的强度差异,建立木材X射线的分形模型。采用计算盒子维数的方法对原木漏节X射线图像进行有效的边缘检测,用分形维数D的大小来定量描述原木漏节图像的不规则程度,以确定缺陷所在。研究表明背景部分与边缘部分的分形维数存在一定程度的差别,正常部分分维数值大约在2.007 3左右,漏节边缘分维数值大约在1.400 0~1.900 0之间。