小波包分析在木材超声检测中的应用

小波包分解能够准确地把超声检测信号划分到不同的频带范围内，实现了不同频带范围内能量变化量的提取。试验说明缺陷试件的信号能量变化量在一些特定的频带内显示出显著的不同，为下一步应用神经网络等模式识别方法辨别试件缺陷类型提供了比较理想的特征向量。     

基于MEA-BP神经网络对木材内部缺陷诊断的研究

为了提高木材内部缺陷的自动识别率,采用电阻层析成像(ERT)的方法获取电导率波动信号,通过小波包变换对采集的数据进行3层小波包分析,对八维特征向量进行提取,利用思维进化算法(MEA)优化权值和阈值,孔洞、节子、腐朽试样各45组数据,进行BP神经网络训练,每种缺陷20组作为测试集,识别木材内部缺陷。结果表明:MEA-BP神经网络对木材孔洞、节子和腐朽的识别率分别为96.92%、95.38%和92.31%,该模型解决了复杂组合的优化问题,提高了搜索效率,并且达到最佳的预测效果。     

基于小波包分解的水下物体探测仪目标特征提取

研究基于小波包分解的水下物体探测仪水下目标信号的特征提取方法.应用小波包分解来提取水下目标特征能有效地对水下物体探测仪目标信号进行特征提取,然后通过BP神经网络对小波包所提取的目标特征进行分类.对湖上实验数据的处理结果表明,该方法能够有效地提取水下目标辐射噪声的频域能量特征.     

基于Daubechies小波基的木材声学振动信号分析与评价

针对音板木材振动信号分析不深入的问题,本研究基于小波包分析方法对木材振动信号进行分析,建立一种木材声学振动评价的新方法。利用多通道FFT分析仪获取泡桐木材的振动信号,基于Daubechies小波基函数对振动信号进行3层小波包分解与重构,得到了振动信号的特征值,将小波包变换后木材振动信号的特征值与传统方法测定的声学振动性能参数进行比较分析。研究结果表明:木材的振动信号能量主要集中在0～1 000 Hz,在传播的过程中能量衰减迅速;对振动信号进行时域分析时得出,木材的动态弹性模量随着峭度因子的增大而减小,随着峰值因子的增大而增大;基于Daubechies小波基的分析方法得到的振动信号特征值与声学振动参数之间具有显著的相关性,其中木材信号的特征能量率与木材声学振动参数动态弹性模量、声辐射品质常数以及声传播速度之间存在显著的正相关关系,与声阻抗以及对数衰减率的相关性及变化趋势之间有显著的负相关关系。研究表明,可以应用Daubechies小波对木材振动信号进行分析与评价,此方法为木材声学振动性能的客观评价提供了新思路。     

基于声发射技术模拟蛀木害虫羽化孔洞缺陷检测

[目的]针对木材蛀干害虫羽化孔洞缺陷检测问题,通过对声发射信号的时频分析,研究木材蛀干害虫羽化孔洞缺陷的AE信号特征.[方法]首先,对无孔洞和3种不同尺寸的钻孔缺陷的木材试件,参照ASTM-E976标准采用铅芯折断方式产生AE源,通过采样频率为500 kHz的2通道木材声发射信号采集系统获取原始AE信号.然后,对原始A...     

不同含水率云南松声发射信号特征

【目的】研究不同含水率条件下云南松试件声发射信号的传播规律,探讨含水率对声发射信号波形的响应,为云南松声发射源定位提供依据,为木材内部缺陷无损检测提供基础数据。【方法】以云南松为试验材料,采用NI高速数据采集设备和LabVIEW软件构建云南松试件声发射信号采集平台,利用铅芯折断模拟声发射源,对绝干、气干、生材和饱水4种含水率状态下的试件表面进行声发射信号采集,通过时差法计算信号在4种含水率状态下的平均传播速率,并运用小波分析对声发射信号波形进行分解和重构,根据软阈值量化方法消除各通道系数和经阈值量化后的各高频层系数,去除非主能量信号以便从噪声中析取微弱的声发射信号。【结果】试验中传感器均以接收表面波信号为主;随着含水率增加,云南松试件表面声发射信号波形和平均声速均大幅度衰减,绝干状态下声发射信号时域波形幅值达到±5.2 V,平均声速可达4 208.77 m·s^-1 ,而饱水状态下信号时域波形幅值仅为±0.6 V,平均声速降至1 414.07 m·s^-1 ,气干和生材状态下信号时域波形幅值和平均声速分别为±4、±2 V和 3 331.79 、 2 328.73 m·s^-1 ,且各含水率状态之间平均声速差在876.98~1 003.06 m·s^-1 范围内;小波变换能有效将“淹没”在噪声中的声发射信号析取出来,4种含水率状态下试件声发射信号频域波形范围在40 ~150 kHz之间,且气干状态下波形峰值出现在110 kHz左右,其余3种均在50 kHz左右达到峰值。【结论】含水率增加可显著改变云南松声发射信号和传播特征,其信号波形和平均声速均与含水率降低呈正比;小波变换在信号降噪处理方面具有明显优势,不仅可去除信号中的大量噪音,而且不会破坏有用信号,保证信号完整性,能更大程度降低对不同含水率云南松试件声发射信号的分析误差,为云南松表面声发射源定位研究及内部无损检测给予试验数据支持;作为一种木材声发射信号采集与分析平台,研究结果可为不同含水率云南松受压变形破坏全过程的声发射特征分析提供必要的基础理论依据。     

基于振动模态分析的落叶松节子定位的无损检测

木材作为结构材使用时,节子的存在影响木材的强度,降低了木材的利用价值.为了节约木材,提高木材的使用率,人们一直在研究木材缺陷无损检测的方法.Beall(2000)首次使用表面传感器研究人造板的力学性能和内部缺陷,收到良好效果.日本学者小玉泰羲(2000)用连续小波变换分析处理利用敲击木材所获得的声信号,对气干木材的节子缺陷进行检测,研究发现,当木材含有节子缺陷时,声信号的共振频率降低、声信号共振的持续时间缩短.     

基于四元数矩阵奇异值分解的木材缺陷检测分析

当前,木材彩色图像的缺陷检测主要是通过分离彩色空间的3个分量分别进行灰度处理,然后再合成为缺陷的图像.将基于RGB彩色空间的木材图像作为一个整体,提出四元数矩阵奇异值分解（QSVD）的木材缺陷检测.把RGB的彩色空间图像转换为四元数矩阵,利用四元数奇异值分解得到不同奇异值的特征图像,通过对特征图像的分析,得到不同的木材缺陷图像,并通过对奇异值特征图像的分析得到木材彩色图像的缺陷检测,并做分析.     

基于小波的木材纹理分频信息提取与分析

通过引入小波方法 ,对木材纹理进行了多尺度的频谱分解 ,并利用所得到的特征向量分析了水平、垂直和对角方向上的木材纹理频率分布特点 ,比较了针叶树材与阔叶树材、径向切面与弦向切面木材纹理的统计差异。并在试验基础上 ,提出了以小波分解子图像能量值的标准差进行木材纹理最佳分解尺度的筛选 ,探索出滤波长度取 8、分解尺度取 2对充分表现木材纹理特征最为适宜。同时还发现可将垂直中高频分量HL和低频分量LL的能量值作为木材纹理区别与归类的重要参数 ,将EHL ELH值作为木材纹理的方向性量度     

基于深度学习的木材缺陷图像检测方法

针对木材活节、虫眼、死节等缺陷,提出一种深度学习的木材缺陷图像检测算法。首先构建训练数据库及测试数据库,同时设定卷积神经网络(CNN)的输入层、中间层、输出层等参数,并利用区域建议网络(RPN)反复训练CNN,然后利用训练好的CNN对测试图像进行检测,得到缺陷所在的矩形区域。将此区域作为初始分割范围,再利用CV模型进行图像精细分割。试验结果表明,提出的算法目标定位能力强,能很好地提取木材缺陷目标。     

Feature extraction of wood-hole defects using wavelet-based ultrasonic testing

The primary bottleneck to extracting wood defects during ultrasonic testing is the accuracy of identifying the wood defects. The wavelet energy moment was used to extract defect features of artificial wood holes drilled into 120 elm samples that differed in the number of holes to verify the validity of the method. Wavelet energy moment can reflect the distribution of energy along the time axis and the amount of energy in each frequency band, which can effectively extract the energy distribution characteristics of signals in each frequency band; therefore, wavelet energy moment can replace the wavelet frequency band energy and constitute wood defect feature vectors. A principal component analysis was used to normalize and reduce the dimension of the feature vectors. A total of 16 principal component features were then obtained, which can effectively extract the defect features of the different number of holes in the elm samples.     

Basic study on nondestructive evaluation of artificial deterioration of a wooden rafter by ultrasonic measurement

Most old buildings in Korea are wood framed and, with age, deterioration is found in all wood components of antique buildings. Insects and rapid changes in humidity are among the main causes of deterioration. To preserve antique wooden buildings, nondestructive testing (NDT) methods are required. Various methods of nondestructive evaluation (NDE) such as X-ray, stress wave, drilling resistance test, and ultrasound are used to inspect the safety of wooden antique buildings. The ultrasonic method is relatively simple, inexpensive, and accurate. The rafters are one of the main components of antique buildings and are seriously affected by deterioration. This study aimed to develop a nondestructive ultrasonic technique for evaluation of wooden rafter deterioration. Regression models describing the relationship between the artificial deterioration of the specimen and ultrasonic parameters were proposed. The method was found to be reliable for evaluating wooden rafter deterioration.     

小波分析与人工神经网络在木质材料无损检测中的应用

介绍了小波变换和人工神经网络在无损检测中的工作原理,分析了小波变换处理非平稳信号提取特征值、人工神经网络进行模式识别的优点,并提出小波、人工神经网络以及松散型和紧致型小波神经网络在木质材料的无损检测中的应用。     

基于小波模极大值的木材近红外光谱去噪

将光谱一阶导数与小波变换相结合,对杉木木材近红外光谱数据进行预处理,采用db3小波对光谱数据进行4尺度分解,在各分解尺度上根据信号和噪声的不同传播特性.保留信号的模极大值,去除噪声的模极大值.结果表明:光谱导数 小波变换模极大值能够有效消除光谱噪声和各种因素干扰,并很好保留了光谱信号特征,使光谱信噪比有了较大提高.     

声发射技术在木材加工领域的应用

作为一种主动无损检测方式, 声发射技术通过分析被测物体内部因能量变化所引发的弹性波的特征, 判断物体内部损伤程度并确定损伤位置。声发射技术为木材加工过程应力监测提供了一种主动无损检测模式, 但受木材自身各向异性等特点的限制, 目前声发射技术在木材工业中的应用尚处于探索阶段。为此, 文中重点介绍了目前声发射技术在木材切削加工、木材及木质结构、木材力学性能、木材干燥过程等木材加工过程的应用现状, 并在此基础上根据木材声发射信号特点, 提出一种基于LabView及高速采集设备的木材干燥过程声发射监测系统设计方案。     

生命周期评价体系在我国木材加工领域的应用

生命周期评价(LCA)是评价产品、工艺等对能源与材料使用和环境排放影响的一种评价体系, 在木材加工领域的应用始于上世纪90年代。文中论述了欧美等发达国家在木材加工领域LCA的应用, 从研究林产品碳平衡方法开始, 细化到木质面板、地板生产以及住宅用木制品的LCA研究; 研究范围也从传统的木材加工行业到新兴产品诸如木塑等新产品, 以及目前较为新兴的生物质能源领域。LCA在中国木材加工领域的应用则侧重于传统的木材加工业, 包括木制品、竹制品、木质与非木质复合材料、地板、家具等领域。针对目前我国存在的一些诸如理论和方法上的不足、研究结果代表性不明确、数据质量不高等问题, 提出了研究内容细致化、建立符合中国国情的木材加工业的生命周期评价模型、开发自主评价软件、建立符合中国国情的生命周期数据库等对策     

小波分析在中密度纤维板无损检测中的应用

以中密度纤维板为试件,通过纵向共振和弯曲振动试验讨论小波分析方法用于无损检测的可行性.结果表明:小波分析得到的中密度纤维板试件动弹性模量与常规弯曲静弹性模量在0.01水平下相关性非常显著,可以用小波分析方法测得的动弹性模量来表征常规弯曲静弹性模量;可以用小波分析的方法判断出试件是否有缺陷,小波分析在试件缺陷无损检测方面具有优越性.     

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。     

Application of modal analysis by transfer function to nondestructive testing of wood I: determination of localized defects in wood by the shape of the flexural vibration wave

This study was intended to detect nondestructively some defects such as knots and grain deviations in wood using modal analysis. The shapes of flexural vibration waves at the first mode generated by the tapping of wooden beams were determined using the transfer function. The wave shapes obtained were compared with the theoretical wave shape for a uniform material; and the possibility of detecting defects in wood was examined. The results are summarized as follows: (1) The shapes of flexural vibration waves at the first mode of wooden beams free of defects coincided almost completely with the theoretical wave shape. (2) The shapes of flexural vibration waves of wooden beams containing defects such as knots clearly differed from the theoretical wave shape, especially near the defect. (3) Based on these results, it should be possible to detect the presence of defects and to determine their location in wood.Part of this report was presented at the 49th Annual Meeting of the Japan Wood Research Society, Tokyo, April 1999. This article is translated from the Japanese edition published inMokuzai Gakkaishi Vol. 47, No. 4, 1988