共查询到20条相似文献,搜索用时 375 毫秒
1.
木材缺陷图象的伪彩色处理 总被引:4,自引:1,他引:3
一、引言木材缺陷的检测是评定材质高低的一个重要依据。目前,我国木材缺陷的检测基本上处于用肉眼观察确定表面的缺陷;用敲击法或凭经验来判断内部缺陷的状况。用X光透视技术检验木材内部缺陷、评定木材等级还处于实验阶段。最近,计算机数字图象处理技术的应用已发展到生物学、医学、工业等方面,并已经收到了可喜的成果。但尚未见到应用于木材检测方面的报道。本文初步介绍了用伪彩色技术处理木材缺陷图象的一些实验结果。 相似文献
2.
基于人工智能的木材缺陷检测研究进展 总被引:1,自引:1,他引:0
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。 相似文献
3.
八十年代的扫描技术—木材缺陷的自动探测 总被引:1,自引:0,他引:1
近十年来,探测木材缺陷的方法发生了显著的变化。本文综述了八十年代探测木材缺陷的新技术、新方法。主要有:激光扫描法,荧光扫描法,超声波法,X—射线法,X—射线荧光探测法,微波法,核磁共振法和红外光谱法。其中,以能探测木材内部缺陷的超声波法和X—射线法最有前途。一种有效的木材缺陷的探测方法是提高木材加工行业经济效益的有力工具。 相似文献
4.
5.
6.
7.
8.
9.
基于模糊聚类分析的木材缺陷CT图像分割 总被引:1,自引:0,他引:1
为了提高木材的利用率,在木材加工之前对木材缺陷CT图像进行分割,将节子和空洞等缺陷分割出来,通过观察缺陷的位置便于工人师傅下锯。利用计算机断层扫描(CT)技术获取木材缺陷图像,将数字图像处理技术与模糊聚类算法相结合,在标准的模糊C均值算法的基础上改进,采用半模糊聚类的分析方法对木材缺陷图像进行分割检测。实验结果表明:基于半模糊聚类的图像检测方法在木材图像检测上取得了较好的效果,缺陷边缘处很平滑,细节保留完整,更多的保留了边缘上的信息。从而证明了半模糊聚类分析法在木材缺陷CT图像处理方面具有可行性。 相似文献
10.
11.
12.
13.
木质材料无损检测的应用与研究进展 总被引:3,自引:0,他引:3
《林业工程学报》2016,(6)
木质材料无损检测主要包括缺陷无损检测和力学性能无损检测两个方面,其无损检测基本方法主要有应力波法、机械应力变形法、振动法、微钻阻力法、射线法、雷达波法等。笔者先从检测原理入手对目前常见的木质材料内部缺陷和力学性能无损检测方法作了归纳,同时对木材和人造板内部缺陷和力学性能无损检测的应用和研究现状进行了归纳分析。木材和活立木无损检测技术发展较快,锯材和单板应力分等技术已有较为完善的检测设备,在发达国家已被广泛应用;古建筑木构件和活立木内部缺陷无损检测实际应用也较多,但在检测精度和效率提高方面仍有广阔的发展空间。人造板无损检测的研究近年来主要集中在力学性能检测方面,实际应用较少。对已经有较好应用的无损检测技术,下一步科研的目标应是进一步提高检测精度和效率;对尚处在科研探索阶段的无损检测技术,下一步仍应从基础理论完善和技术实现角度坚持工作。 相似文献
14.
传感器数量对应力波检测原木内部缺陷精度的影响 总被引:1,自引:0,他引:1
木材无损检测技术是高效利用木材的方法之一.该文阐述了应力波法检测木材缺陷的原理,分析了传感器数量对图像的拟合度和误差率两个指标的影响.结果表明,当原木直径在20~40cm范围内时,若需对原木缺陷进行精确测量,要求图像拟合度接近90%和误差率在0.1左右时,至少需12个传感器才能满足要求;当不需要对原木缺陷进行精确测量,只需确定缺陷的大致位置时,宜选用10个传感器进行测量;当仅仅需要判断原木是否存在缺陷时,选用6个传感器就能满足要求.图3表4参8. 相似文献
15.
基于Faster R-CNN模型的木材表面节子缺陷检测 总被引:1,自引:0,他引:1
《木材工业》2020,(2)
研究基于Faster R-CNN模型的木材表面节子缺陷检测方法,解决现有方法存在的特征选取困难、不能适应木材以及节子的多样性变化、检测精度不高等问题,而且能够给出节子缺陷的位置以及图像的大小。小样本集测试结果表明,该方法能够取得较高的检测精度,准确率为94.0%;对其中4个典型样本进行分析,位置检测最大误差仅为5个像素,大小检测最大误差仅为7个像素;相比OSTU方法具有更好的检测精度。 相似文献
16.
基于Faster R-CNN的实木板材缺陷检测识别系统 总被引:1,自引:0,他引:1
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。 相似文献
17.
随着我国林业资源保护的深入化,无损检测被广泛应用于木材的缺陷检测中,木材应力波检测是主要的检测方法,而受其多种因素的影响,导致木材检测缺陷的精度无法提升。为了进一步明确影响木材应力波检测精度的因素,分别对目前检测过程中的形状、传感器数量与位置分布等进行了实验。研究数据表明,林木的形状、传感器数量、传感器位置分布对木材应力波检测精度具有显著影响,相关领域的检测部门,应重点对这3种影响因素进行检测的优化,从而得到更为精准的检测数据,促进林业资源的稳定前行。 相似文献
18.
板材表面缺陷检测技术 总被引:5,自引:0,他引:5
列举了板材表面缺陷检测的几种方法,通过比较论述了用数字图象处理技术检测板材表面缺陷的优点和可行性,并提出了用数字图象处理技术检测木材缺陷的理论和方法。 相似文献
19.
针对木材缺陷中圆形节、大虫眼轮廓特征的特点,提出一种基于主元分析的非线性轮廓特征提取方法.采用主元贡献率法选定木材缺陷轮廓特征的主元个数,建立主分量方程,计算木材缺陷轮廓特征值样本的主分量值,从而构建出新的木材缺陷轮廓特征向量综合指标,为木材缺陷模式识别系统的建立和学习提供输入向量. 相似文献
20.
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。 相似文献