共查询到20条相似文献,搜索用时 98 毫秒
1.
边缘识别法在节子整体视频检测中的验证 总被引:1,自引:0,他引:1
通过对原木节子轮廓的数学描述和对节子边缘点的确定,提出一种比较准确的寻找节子边缘点的视频识别验证方法———边缘检验算子法,对节子的形状进行有效的分析和验证。提出了一种有效的节子数学描述和视频处理方法,为节子的视频检测技术提供了新的理论。 相似文献
2.
3.
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
4.
针对传统区域生长方法识别实木地板节子存在准确率低且速度慢的问题,运用TRIZ中矛盾解决理论分析与物质——场分析,提出一种结合分水岭、区域生长以及边缘检测的新的实木地板节子识别算法。算法首先将原图像转换为灰度图像;其次,运用形态学分水岭的方法对灰度图像进行分割;再次,选取满足条件的种子区域进行区域生长,得到节子区域;最后,运用Sobel算子对图像进行梯度运算,并找到节子的边缘。仿真实验表明,该算法较传统方法能够找到更合适的种子区域和区域生长的阈值,实现了对节子的快速、完整提取,节子分割平均用时60ms,平均辨识准确率在90%以上。 相似文献
5.
木材缺陷检测理论及方法的发展 总被引:4,自引:0,他引:4
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。 相似文献
6.
7.
板材在流程化加工过程中,会因为辊道的不连续性导致其在运动过程中震动和倾斜,给其尺寸的在线测量带来困难。根据板材的形状特点,提出一种基于加权灰度矩的亚像素边界拟合定位方法,以实现宽度的准确测量。首先利用方向滤波和边缘算子进行边缘筛选,利用最小二乘法拟合边缘点集合得到像素级边缘,再基于离群度的灰度矩加权拟合方法,定位得出板材边缘的亚像素位置,克服了震动和光照造成的边缘离散问题,同时结合线阵相机的单维度标定方法,获得了板材宽度的测量结果。现场测试表明,该方法的测量精度小于0.1 mm,满足工厂测量的要求,且具有较好的鲁棒性。 相似文献
8.
9.
樟子松人工林的节子寿命及年轮丢失数 总被引:2,自引:0,他引:2
分析黑龙江省横头山林场和孟家岗林场14块标准地的樟子松人工林节子寿命、可测年轮和丢失年轮的数量及其变化规律.结果表明:樟子松人工林节子的寿命为2~32年(平均12.3年),可测年轮为1~25个(平均7.9个).绝大多数的死枝节子(占99.8%)会出现丢失年轮的现象,丢失年轮的数量为0~22个(平均为4.4个),88.6%的节子丢失1~7个年轮,丢失的年轮数超过7个的(8~22年)节子仅为11.2%.当林分年龄小于30年时,节子年轮丢失现象并不明显,随着年龄的增大,丢失年轮数急剧增长.丢失年轮的节子数量随着节子着生高度的增加而明显减少,节子的寿命、可观测年轮数、丢失年轮数随节子着生高度的增加而增大,达到最大值后呈稳定状态.节子的年轮数与节子的寿命成正比,呈明显线性递增关系.节子的寿命越长,则节子丢失年轮的数量就越多.樟子松平均丢失年轮数随着树木胸径的增大而增大,但与冠幅成反比.本研究结果为樟子松人工林的人工整枝提供了理论基础. 相似文献
10.
11.
基于AOS的扩展C-V模型及背景填充耦合的单板节子缺陷识别 总被引:1,自引:0,他引:1
分析木材单板节子缺陷图像的特点,提出一种基于AOS的扩展C-V模型及背景填充耦合的单板节子缺陷识别算法。首先,对Chan-Vese提出的基于Mumford-Shah模型的水平集图像分割算法进行改进,使分割速度得到提高;其次,用AOS算法改进原模型的差分格式,使得差分格式无条件稳定;最后,结合背景填充技术,使得到的新图像缩减了目标与背景间的特征差别。通过对比试验,表明该分割方法能够快速识别单板单个节子缺陷,充分说明该耦合方法比Chan-Vese方法及其改进方法有更好的分割效果。通过用多水平集作为初始轮廓演化曲线,结果表明该方法也可快速实现对单板多节子缺陷图像的识别,实现对单板节子图像的多目标分割。 相似文献
12.
13.
黑龙江东部地区落叶松人工林节子大小的研究 总被引:2,自引:0,他引:2
以不同年龄、不同密度、不同立地条件的落叶松人工林作为研究对象,基于10块标准地中50株样木所获得的死枝和节子大小数据,利用数据统计分析模型和模拟技术,分析并研究了节子大小在树干上的分布规律,并构建了节子大小的预测模型。研究结果表明:1)节子直径随着节子着生高度的增加而持续增加,在树冠基部达到一渐进值,可用Mitscherlich方程对节子直径进行预测;2)在树高约40%处以下的健全节长度随着节子着生位置的增加而逐渐增加,然后再向上有减小的趋势;3)疏松节随着胸径的增大而增大,随着节子着生角度的增大而减小。 相似文献
14.
基于线性混合模型的落叶松人工林节子大小预测模型 总被引:4,自引:0,他引:4
以黑龙江省东北部落叶松人工林为研究对象,应用19块标准地中95株解析木(每块标准地选取5株)的节子剖析数据,采用线性混合效应模型理论建立落叶松节子各因子(节子直径、着生角度、长度)的预估模型。结果表明:节子直径、着生角度和长度都随着树木胸径的增大而增大;节子直径随着着生高度的增大先增大后减小;节子角度随着着生高度的增大而逐渐减小;节子长度随着直径的增大而增大。与固定效应模型相比,考虑混合效应所建立的节子大小预测模型其参数估计更为准确,残差分布更加均匀,模型拟合精度明显得到提高(R2约提高了0.3)。独立样本的检验结果表明:各模型的预估精度均在90%以上,说明所建模型可以很好地描述落叶松人工林节子变化规律。 相似文献
15.
BJF1820/31型后成型封边机及其应用技术 总被引:4,自引:1,他引:3
后成型封边技术是目前板式家具及多种装饰部件生产中采用的一种新工艺,它是把多种适于成型的装饰材料(如后成型防火装饰板等)根据基村边缘形状包覆压贴在其边缘表面上,能适应较复杂的异形边缘。经后成型处理后的板材制成的家具装饰效果好,板材的表面和边缘为同一装饰... 相似文献
16.
为提高单板节子图像的对比度、细节清晰度和颜色保真性,综合考虑单板活节和死节图像的特征,提出一种将自适应校正和非锐化掩模相结合的单板节子图像增强算法。在可分离颜色信息的HSV空间提取亮度分量、饱和度分量,分别进行加权分布的自适应Gamma校正和自适应非线性拉伸处理,用于改善单板节子图像对比度和保持色彩自然,最后利用非锐化掩模技术增强节子细节区域。试验结果表明,该算法能够有效地改善单板节子图像的对比度和细节清晰度,图像颜色更为自然;突出节子缺陷部位,保留了较多节子细节信息;在均方差、峰值信噪比和结构相似性指数上,比AGC-Quantile和直方图均衡化算法均有提升。 相似文献
17.
18.
19.
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
20.
纹理是木材的重要特征,模拟纹理具有极高的工业价值。对视频采集到的板材纹理图像进行灰度化、中值滤波去噪、二值化、腐蚀、膨胀等处理,得到仅包含目标纹理的图像后检测纹理边缘。对板材纹理横断面通过数学描述结果进行模拟,切面通过在图像上选择合适的边缘点进行模拟,以实现板材纹理的模拟再现,并以水曲柳为例分析模拟纹理。 相似文献