河南枣品种数量分类研究

以果实形态特征和生长特性等８个指标为基础，运用主成分分析和系统聚类的方法，对取自河南的３１个枣品种进行了数量分类研究。这些品种被分为４个类群，其中包括６个亚类，与传统的分类结果基本一致。     

系统聚类的一种优化算法实现

从计算机程序设计的角度出发,针对影响系统聚类算法执行效率的几个主要因素,分别提出较合理的数据结构来优化系统聚类的算法实现,降低算法的时间和空间的复杂度,增强系统聚类对大数据量的空间数据处理能力,并通过实际例子证明该优化算法的可行性.     

基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法

【目的】提出一种基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法,根据缺陷部分与正常部分纹理特征不同,利用分层聚类算法将缺陷分离出来,以解决板面缺陷检测系统中刨花板表面纹理导致缺陷提取不准确的问题。【方法】将刨花板表面灰度图像划分成若干个窗口,使用灰度共生矩阵的统计特征参数对各窗口纹理进行表征,通过分层聚类算法将纹理特征不同区域区分开。首先确定灰度共生矩阵构造因子的取值,包括窗口大小、灰度级、方向和步长,构建出各个窗口的灰度共生矩阵;使用Fisher准则和线性相关性对灰度共生矩阵14个统计特征参数的表征能力进行度量,选取出分类能力强且相关性低的特征构成特征向量,所有窗口的特征向量构成样本集。然后运用BIRCH分层聚类算法对样本集进行聚类,为使聚类结果更准确,同时加快计算速度,提出一种优化策略,绘制样本集均值和统计直方图,将其波峰数量作为理想的类别数量,当聚类产生的类别数量大于理想类别数量时,将聚类结果中距离近的簇合并,解决聚类精度过高而导致的过分割问题。最后根据聚类结果,对原图像中各窗口进行标记,提取出缺陷区域。【结果】选择大小为512像素×512像素,带有杂物、油污、胶斑、大刨花和松软5种类型缺陷的刨花板表面图像,使用本研究方法能够准确将缺陷区域提取出来,精确度达92.2%,召回率达91.8%。【结论】基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法,可解决因刨花板表面纹理导致缺陷提取不准确的问题,为机器视觉板面缺陷检测系统的缺陷度量和识别提供良好支撑。     

河南木兰属玉兰亚属植物数量分类的研究

本文采用系统聚类分析方法对河南木兰属玉兰亚属１４种植物进行研究。研究结果表明,聚类的分类特征性状不同,其结果差异显著。如①采用叶部分类特征性状聚类,则１４种植物明显聚为两大类：木兰类和玉兰类。该亚属玉兰组和望春玉兰组植物的聚类结果与其原分类系统相吻合,而木兰组和望春玉兰组应合并为一组,即木兰组。同时,调整了某些种的归属。②采用花部分类特征性状和③综合３８个分类特征特状的聚类结果相一致,不能作为玉兰亚属分组的依据和标准,即难以将１４种植物分成几个大的类别。但是,可以作为玉兰亚属种群鉴定、检验与划分的依据和手段。     

基于模糊聚类算法的定制厨柜零件分类制造技术

定制厨柜零件批量少,品种多,通常以订单为单位组织生产。笔者针对定制厨柜零件制造展开研究,优化定制厨柜生产模式,合并生产批量以提高定制厨柜制造企业的生产效率及材料利用率。通过采集定制厨柜零件结构及加工信息,采用模糊聚类算法对不同结构类型及工艺流程的零件进行分类,建立最优聚类零件族及分类制造模型并应用于企业生产。采用零件族分类制造模型后,企业生产效率得到提升,且在制品占用场地面积减少。模糊聚类算法可优化定制厨柜零件的分类,以零件族为基础的制造模型合并了加工批量,使定制厨柜生产符合大规模定制的要求,利于定制厨柜制造企业提升效益。     

森林立地分类聚类分析PC1500机应用程序

森林立地分类聚类分析,是根据样本(标准地)的属性和特征,用系统聚类方法按“物以类聚”的原则定量确定样本(标准地)间的亲疏关系。为了提高计算效率和绘图分析质量,现编制了PC—1500袖珍计算机聚类分析和绘制谱系图的程序。经过实践,该程序分析计算准确可靠,工作效率较高,操作方法简便,为林业工作者野外计算工作提供了方便。利用该程序进行聚类计算和绘制系统聚类谱系图,其速度比用计算器计算、手工绘图提高数十倍。     

板材形状的数学描述与参数采集方法研究

介绍了板材检测的数学建模方法、板材弹性模量数控检测设备的参数采集和所测板材形状的数学基础、检测所用方法及装置，为下一步计算机数据处理奠定基础。参数采集作为检测设备的一个重要环节，关系到整个检测系统的响应速度及精度等重要性能指标。     

基于激光扫描数据的建筑物自动提取方法研究

指出了随着三维激光扫描硬件设备的不断更新发展,面对更庞大的数据量、精度更高的工程应用,迫切需要具有快速度、高精度的方法来实现扫描数据的建模和计算机的自动分类提取。在已有研究基础上,利用基于球面投影构网和FCM聚类混合的点云分类法,对选取的单站地面激光扫描数据进行处理,并分析了其可行性,主要采用了以下几种处理算法进行了比较分析:基于球面投影的空间三角形构网方法;Fuzzy C-Mean(FCM)模糊聚类方法的点云分类;柱面投影和CYLVIEW浏览器设计;软件开发。     

林业中常用的一种分析方法—聚类分析

聚类分析的基本思想是研究的样品或指标（变量）之间存在着的程度不同的相似性（亲疏关系），根据一批样的多个观测指标，具体找出一些能够度量样品或指标之间相似程度的统计量，以此为划分类型的依据，将一些相似程度较大的样品（或指标）聚合在同一类，而将关系疏远的聚合在不同的类，把不同的类型一一划出来，形成一个由小到大的分类系统。最后将整个分类系统绘制成一张聚类图（或称谱系图），并由聚类图进行分类。     

基于模糊聚类分析的木材缺陷CT图像分割

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。     

支持向量机参数优化方法在木质粉尘火花探测中的应用

为提高木质粉尘火花检测的准确性,利用基于支持向量机(SVM)的物质分类方法检测木质粉尘火花。选取马尾松和杨木粉尘为研究对象,将两种粉尘分组点燃试验,获取火花和灰分的高光谱图像,提取感兴趣区域(region of interest,ROI)内的发光度数据进行预处理。利用感兴趣区域内的数据建立SVM分类模型,分别利用网格搜索法(GS)、遗传算法(GA)以及粒子群算法(PSO)对两类树种的SVM分类模型进行参数优化,并将三种参数优选方法的分类预测准确率进行对比。结果表明,三种优化方法均能够很好地检测两种树种的木粉火花,其中网格搜索法检测准确率明显高于其余两种,更适于木质粉尘火花探测,这为人造板生产过程中能够高效检测木质粉尘火花提供了一定的理论依据。     

Mapping dead wood distribution in a temperate hardwood forest using high resolution airborne imagery

Dead wood, in the form of coarse woody debris and standing dead wood, or snags, is an essential structural component of forest ecosystems. It plays a key role in nutrient cycling, ecosystem functions and provision of habitat for a wide variety of species. In order to manage dead wood in a temperate hardwood forest, an understanding of its availability and spatial distribution is important. This research evaluates airborne digital camera remote sensing for mapping temperate forest dead wood across an area within Gatineau Park, Canada. Two approaches were evaluated: (1) direct detection and mapping of canopy dead wood (dead branches and tall snags) through the combination of three techniques in a hybrid classification: ISODATA clustering, object-based classification, and spectral unmixing, and (2) indirect modelling of coarse woody debris and snags using spectral and spatial predictor variables extracted from the imagery. Indirect modelling did not provide useful results while direct detection was successful with field validation showing 94% accuracy for detected canopy level dead wood objects (i.e. 94% of validation sites with canopy dead wood were detected correctly) and 90% accuracy for control sites (i.e. 90% of validation sites with no canopy level dead wood were identified correctly). The procedures presented in this paper are repeatable and could be used to monitor dead wood over time, potentially contributing to applications in forest carbon budget estimation, biodiversity management, and forest inventory.     

实木定制柜门的标准化设计

实木定制家具市场正在逐步扩大,柔性生产能满足市场的个性需求,标准化设计是实现柔性生产的前提,也是实现自动化、工业化、智能化生产的关键。以M企业的93款实木定制柜门设计生产现状入手,在分析现有问题(产品体系复杂导致零件难以互换、设计和生产信息传递存在壁垒)的基础上提出了构建标准化的设计平台。平台步骤包括健全柜门产品信息数据(5项资料的输入构成完善的前段数据来源)、搭建软件设计和拆单环境(制定数据库和柜门的拆分准则满足参数化设计需求)、加强柜门数据的处理速度与资料输出完整度(软件内部尺寸结构约束和图表制作与输出)。并阐述了平台搭建流程中所需的关键技术,针对企业在售柜门样式分析零件榫槽结构特征(边料、芯板、线条的连接方式)和尺寸(宽度和厚度)分布情况进行整合归纳,选取4项分类属性利用多属性交叉聚类算法划分产品零件族(尺寸为层次聚类,工艺为模糊聚类,榫槽为形状分类,弯曲程度为弯曲半径),以“标识码+分类特征码+尺寸码”的编码方式制定柜门产品信息码和零件加工信息码,在分析零件尺寸结构关系之上利用编程技术构建最小单元零件模型库,创建共享端口实现信息的交互与贯通。本研究系统地阐述了实木柜门标准化设计的关键流程,旨在为实木定制柜门的标准化设计奠定前端基础,从而促进实木家具的数字化升级。     

基于FCM的木材X射线图像缺陷分割

在用X射线检测木材缺陷的过程中,很重要的一步就是对图像中的缺陷的提取和分割,其处理的效果直接影响到后面的缺陷识别的正确性。主要是针对木材X射线图像对比度差的特点和固有的模糊性,利用模糊C均值聚类的方法对木材X射线图像进行分割处理,为后续的提取出木材缺陷工作打下基础。     

木质材料力学性能无损检测方法的研究现状与趋势

木质材料用途广泛,在建筑、家具和包装等领域发挥着重要作用。目前,木材无损检测技术发展很快,应用到木材性质检测的无损检测方法已达几十种,然而对木质材料力学性能的检测还处于相对初级阶段,具有较大的挑战性。本文对木质材料力学性能的无损检测方法和原理进行归纳与总结,阐述几种主要检测技术（如应力渡检测、超声渡检测、振动法检测）的国内外研究现状、检测特点及存在问题。在此基础上,提出木质材料力学性能无损检测技术的发展趋势。     

木材密度检测方法研究现状与发展

木材密度是木材性质的一项重要指标,它关系到木材的材质、缺陷、力学性能和工艺性质等。如何有效而快速地检测到被测木材的密度,探索到合理的检测方法,一直是相关科研工作者的努力方向。本文把当前使用和研究中的木材密度检测方法,从检测机理角度分为传统称重法、基于机械力密度检测法和基于射线密度检测法。对这些方法尤其是后两种方法的研究现状和发展趋势进行了总结、介绍。希望为相关科研工作者提供些参考资料。     

基于数字图像处理的樟子松锯材分级研究

为了解决传统锯材检测方法效率低、劳动强度高和人为因素影响大的问题,笔者运用数字图像处理的方法对樟子松锯材等级进行检测,实现樟子松锯材等级检测的标准化和程序化。根据樟子松锯材缺陷与天然木纹颜色存在显著差距的特点,利用Otsu's方法的最佳全局阈值处理锯材图像得到最佳分割阈值,获得锯材的二值图像,得到缺陷位置像素坐标,将缺陷坐标与锯材实际尺寸对应,计算出相应锯材的净划材尺寸和出材率,完成对锯材等级的划分。利用该方法对75片试件进行表面质量检测和等级划分的准确率为94.67%,分级程序的运行时间约为1.793 s。该方法在保证检测准确率的情况下不仅可以减少检测时间、降低人工劳动强度、提高检测准确率,而且解决了人工检测主观性强的问题。     

Real-time spectral classification of compression wood inPicea abies

Compression wood is formed by the living tree to compensate for external loads. It creates wood fibers with properties undesirable in sawn products. Automatic detection of compression wood can lead to production advantages. A wood surface was scanned with a spectrometer, and compression wood was detected by analyzing the spectral composition of light reflected from the wood surface within the visible spectrum. Linear prediction models for compression wood in Norway spruce (Picea abies) were produced using multivariate analysis and regression methods. The resulting prediction coefficients were implemented in a scanning system using the MAPP2200 smart image sensor combined with an imaging spectrograph. This scanning system is capable of making a pixelwise classification of a wood surface in real time. Classification of one spruce plank was compared with analysis by scanning electron microscopy, showing that the automatic classification was correct in 11 of 14 cases.     

基于计算机的木材特征提取和分类识别技术研究综述

木材由于内部结构和组成成分的差异,使不同种类木材表现出完全不同的理化性质,并决定其不同的用途和商业价格,因此针对木材的分类识别研究具有重要的应用价值。木材分类识别通常经过木材特征提取和基于特征的分类识别这2个步骤。目前木材特征提取主要利用计算机视觉、光谱分析等技术。木材分类识别是基于木材特征的数字化,这一部分可利用计算机算法实现自动识别,较以往人工识别可大幅提高准确度。文中通过分析近20年来木材特征提取和分类识别的相关文献,介绍各种基于计算机的木材特征提取与分类识别技术的特点及适用范围,并结合计算机技术的发展方向探讨木材特征提取与分类识别技术的发展趋势,以期为构建更准确的木材分类识别技术提供参考。