人造板表面缺陷的自动检测

本文论述了一种典型检测系统的开发研究，这种系统能检测木板的缺陷，并可根据生产要求等级对各种缺陷分类。该系统可应用计算机和传播处理模块来处理移动产品中所获得的图像。     

基于深度学习的木材缺陷智能检测的研究进展与展望

木材作为天然生物材料很容易受到内外界影响从而产生不符合人们生产需求的缺陷,人们为了准确高效的识别木材缺陷进行了大量的研究。本文对近年来基于深度学习的木材缺陷检测技术进行梳理,根据使用方法的侧重点不同将其分类,并针对典型方法加以细分归类和对比分析,总结了每种方法的优缺点及其应用面。此外,提出了基于深度学习的木材缺陷检测技术目前所存在的难点与所陷困境。     

板材表面缺陷检测技术

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。     

基于机器视觉的锯材表面缺陷检测系统设计

锯材表面缺陷对锯材的质量和性能有着重要的影响。设计了基于机器视觉的锯材表面缺陷自动检测系统和计算机软件检测识别方法,确定了主要参数。通过对锯材表面图像的主要缺陷进行统计分析,综合评价整根锯材。检测系统的硬件主要由传送机构、电控系统、图像采集控制、分等系统等部分组成。软件主要由图像采集、图像处理、缺陷统计分析等部分组成。     

锯材表面缺陷识别方法对比分析研究

锯材的表面质量对木结构制品的质量起着至关重要的作用。锯材的表面质量主要受锯材表面缺陷（如节子、虫眼、裂纹等）类型、分布、数量等综合影响。文中针对基于浅层学习网络和深度学习算法的2类图像处理方法,对比分析其在锯材表面缺陷识别中的研究现状、存在的问题及发展趋势;同时,结合准确率、平均识别精度均值和图像识别时间等目标检测评价指标,对比分析多种图像处理算法在锯材表面缺陷识别中的性能;最后,对未来锯材表面缺陷识别方法的发展趋势进行了展望。     

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。     

基于深度学习的林火烟雾识别系统设计

通过构建林火烟雾数据集,选取Inception V3模型,基于参数的迁移学习方法构建林火烟雾图像训练模型,经过训练测试后得到模型在测试数据集识别率达到92%,最后运用Python语言编程将训练后保存下来的模型文件应用到林火烟雾视频上,对视频进行逐帧预测,并将预测结果可视化注释在视频上,达到视频监控的目的。将网络训练和视频监控分开,通过软件编程实现应用模型文件监测林火烟雾视频,较以往直接通过视频训练和预测的方法更方便快捷,实际可操作性更强,具有广泛的应用前景。     

基于深度脉冲神经网络的昆虫识别系统研究

精准的昆虫种类识别对防治虫害有很大的帮助,是农业智能化的重要表现。提出了基于深度脉冲神经网络的昆虫识别系统,首先对样本图像进行图像预处理;接着利用脉冲神经网络对昆虫图像进行整体轮廓特征提取,初步定位昆虫区域,然后进行昆虫区域分割;最后结合深度卷积神经网络(deep convolutional neural networks, DCNN)和脉冲神经网络(spiking neural networks, SNN)各自的优势,利用PyTorch搭建了深度脉冲神经网络(deep spiking neural networks, DSNN)模型进行训练以及昆虫的识别测试。测试结果表明：该系统具有较高的定位率和识别率,为后续昆虫种类图像识别场景化应用研究奠定了基础。     

人造板弹性模量检测方法及其研究现状

弹性模量是人造板重要的力学性能指标之一,它是表征人造板刚度性能的重要指标,与其他的力学指标也有密切的关系,直接影响人造板的使用.对国内外人造板弹性模量的检测方法及其研究现状进行了归纳总结,指出振动、应力波、机械应力等无损检测方法是今后发展方向之一.     

基于嵌套Logit模型的中国出口人造板产品质量分析

不断提升产品质量是中国人造板行业面临的挑战。文中分别以美国、英国、加拿大、泰国和菲律宾5个中国人造板的主要出口对象国为基准国,基于其4位数HS编码的细分人造板数据,采用Khandewal嵌套Logit模型,测度中国出口人造板的产品质量。研究发现:中国出口人造板的产品质量呈现波动上升趋势,在2006—2010年出现大幅度下滑,其可能的主要原因是贸易政策调整;中国对美、英、加3个发达国家出口人造板的产品质量较为平稳,近年来对泰国和菲律宾2个发展中国家出口人造板的产品质量明显提升。     

基于分水岭算法的木材缺陷边缘检测

获取边缘图像的一种典型方法是利用梯度算法作用于图像,然后对得到的梯度图像做阈值处理,从而得到二值边缘图像.这种方法的缺点是很难选取适当的阈值.如果阈值选得太低,不但会产生假的边缘,而且得到的边缘很厚,必须做细化处理,而细化后的边缘位置往往不是很精确;如果阈值取得太高,许多边缘可能检测不到,或边缘出现过多的断裂部分.     

含水率对原木孔洞缺陷应力波检测效果的影响

应用微单元分析模型,在实验室条件下研究含水率对原禾内部孔洞缺陷检测效果的影响。在不同含水率状态下测试原木内应力波传播速度,分析应力波传播速度与含水率的相关性,得出原木孔洞缺陷识别质量系数。结果表明,在较低的含水率状态下原木孔洞缺滔检测效果较好。     

基于红外热像技术的木材内部缺陷检测的研究

运用红外热像技术对加工有孔洞的两个毛赤杨方材作内部缺陷无损检测。通过实验得出用红外热像仪准确检测该方材内部缺陷的条件：①采用双面法检测;②在热源距试样25cm的前提下,加热试样20min左右;③若缺陷在中间,则试样中央标识线上最高温度以下0．4℃范围可以准确反映出缺陷的大小,若在一倒则最高温度以下0．5℃范围可以准确反映缺陷的大小。在上述条件下应用此方法检测方材内部缺陷的误差范围为±5mm,相对误差为12．5％,说明使用红外热像糟术舯太耕肉都按陷拂轩枪测善可行的。     

基于深度学习的小浆果一体化智能采摘与分选研究进展

小浆果因具有较高的营养价值和保健作用深受人们喜爱,被国际市场誉为第3代水果。随着市场需求量的增加,林业小浆果的智能采摘与分选成为一种新的趋势。目前,由于现有技术自动化和智能化程度不高,导致大量人力、物力的投入。深度学习方法的飞速发展促进了检测技术的精确作业和检测精度的提高。文中概述了深度学习的发展进程,通过总结国内外关于深度学习方法在小浆果采摘与分选中的应用,提出深度学习方法在实际应用过程中存在的问题及解决措施,并展望深度学习方法在小浆果智能采摘与分选检测方面的发展趋势。     

数学形态学在旋切单板缺陷图像分割中的研究

胶合板的质量等级在很大程度上取决于旋切单板的表面质量,为了提高旋切单板缺陷检测的质量和效率,提出了一种基于数学形态学的缺陷图像分割方法,通过形态学算子的作用进行缺陷的分割。试验结果表明该算法能取得很好的分割效果。     

基于公路绿化废弃物的木质防眩板的制备与性能研究

我国公路绿化废弃物产量大,二次污染问题严重,笔者以公路行道树速生材木单板为主要基材,采用酚醛树脂浸渍处理、梯度热压工艺制备高速公路用木质防眩板。研究了不同材质、单板排列方式以及复合金属网对木质防眩板性能的影响;对比分析了不同防眩板的抗风荷载、抗变形量和耐候性。并依据防眩板成本价格,分析了市场前景。研究结果表明:以桉木为材质、顺纹排列、不加金属网复合的木质防眩板的性能较好,木质防眩板的各项性能达到国家标准,与其他材质市售防眩板相比成本低、性能好,具有较好的市场前景。     

中国与RCEP成员国人造板贸易的竞争性和互补性研究

为明晰中国人造板产业在RCEP成员国中竞争性与互补性情况,基于联合国商品贸易数据库中2010—2019年的人造板产业贸易数据,运用区域显示性比较优势指数和区域贸易互补性指数探讨中国人造板产业与RCEP成员国家的竞争和互补关系。结果表明:在RCEP成员国中,中国人造板产业存在明显的比较优势;其中,胶合板具有显著比较优势,纤维板和刨花板在RCEP各国的比较优势较弱;中国与RCEP成员国人造板贸易互补性不强。最后提出政策建议,以期更好地推动中国与RCEP伙伴国人造板贸易发展。     

基于融合彩色特征木材表面颜色分类的研究

针对木材表面颜色自动分类的难题,在RGB颜色空间,将R、G、B三个颜色矩阵融合成一个特征矩阵,再对这个特征矩阵提取颜色三阶矩参数作为木材表面颜色分类的特征参数,设计了适合木材表面颜色分类的BP神经网络分类器,分类识别率达到98.67%,验证了提取特征参数的有效性。