MATLAB在木材内部缺陷检测图像处理中的应用

应用MATLAB软件,对检测到的木材内部缺陷二维图像进行图像增强和图像边缘检测研究。结果表明,利用MATLAB软件的图像处理功能,有助于提高木材内部缺陷检测的分辨能力。     

应力波断层成像诊断木材内部缺陷

采用应力波断层成像技术对杉木和胡杨木材内部缺陷进行检测,结果表明3种诊断方法均能对木材缺陷进行有效诊断,通过波速矩阵二维图像重构,能够直观显示缺陷部位、大小及形状等信息;断层图像能为树干危险性评价提供依据,但腐朽与空洞界线尚未能准确区分;应力波在健康木材断面传播途径呈规律性,在缺陷出现处应力波波速明显降低,且传播无规律性。     

红外热像技术及其在木材无损检测中应用的可行性探讨

无损检测技术的应用范围越来越广泛,但现有的比较成熟的无损检测技术在实践应用中都有各自的优缺点和局限性。红外热像技术因其具有测量速度快、测量结果直观形象及测量精度高等优点逐渐被人们认识并应用到多个领域。本文介绍红外热像技术的基本原理,对红外热像技术在复合材料内部制造缺陷检测、建筑节能检测、电力设备检测等领域中的研究进展进行分析和总结,在此基础上通过分析木材内部缺陷与红外辐射场强之间的关系,对红外热像技术在木材无损检测中应用的可行性进行探讨。     

初含水率对白橡锯材热压干燥特性的影响

以白橡锯材为研究对象,采用平板热压机对其进行干燥处理,系统研究了初含水率对木材温变特性、干燥速率、干缩特性、干燥缺陷和微观构造的影响规律,探明白橡锯材的热压干燥特性。结果表明:热压干燥是一种高效快速的干燥方法,将初含水率为14%~75%的木材在温度为140℃、压力为0.1MPa的条件下干燥到2%以下终了含水率仅需120~210 min,木材干燥速率随着初含水率的增加而增加;初含水率较高的木材在热压后会产生严重内裂和皱缩缺陷,当木材初含水率降至15%以下时,热压后无内裂缺陷产生,截面变形也明显减小;随着初含水率的增加,木材厚度干缩系数呈增加趋势,而宽度干缩系数则呈下降趋势。通过观察木材的横切面微观结构发现,高初含水率试件的内裂沿木射线生成,其早材大管孔部位可观察到明显压缩。     

超声波木材缺陷检测若干问题的探讨

根据超声波木材缺陷检测中的实践经验，主要针对探头的直径、频率以及耦合剂的使用方法对木材超声检测做了一定分析、研究和总结。结果表明，缩小超声探头直径和选用适当频率的超声探头可提高对缺陷检测的准确性，使用橡胶垫做耦合剂在木材检测中能取得良好效果。     

应力波木材无损检测信号采集系统

应力波木材无损检测技术可在不破坏木材使用性能的前提下,快速的检测出木材的尺寸、规格和基本物理性质等,基于此优点,应力波无损检测技术近几年越来越受到青睐。应力波在木材中传播时,如遇到裂缝、孔洞、裂纹等界面不连续处,就会发生反射、折射、散射和模式转换,对缺陷有很高的敏感性。基于应力波的这种敏感性,本文对应力波在木材中传输时的信号进行采集,通过对采集信号进行频谱分析、小波变换等处理,可进一步得到应力波在木材中的传播速度等参数,从而为鉴别木材的缺陷提供更多的信息。     

应用红外热像技术检测木材孔洞缺陷

为了提高木材空洞缺陷的红外检测精度,采用空洞模拟手段,以6个含有不同径级的人工孔洞缺陷的色木试样为研究对象,应用人工红外灯和烘干箱法,研究孔径缺陷识别的最佳加热时间和最佳加热温度,探讨热源选择对不同孔径大小的试材检测效果的影响。研究结果表明:随着试样缺陷孔径的不断减小,最佳加热时间和最佳加热温度都逐渐减少;在一定孔径范围内热像图能较为准确的反映木材缺陷的位置及大小情况;随着试样缺陷孔径的不断减小,检测效果越来越不明显。     

卷积神经网络在木材缺陷检测应用中的研究进展

木材缺陷的快速检测和精准定位是实现木材加工机械化、一体化的首要条件。采用卷积神经网络(CNN)检测木材缺陷,不仅可以克服人工检测效率低、准确率低的问题,还可以节省劳动力、提高木材检测的智能化水平。本文概述了CNN的理论和典型网络模型,梳理、总结了CNN在木材缺陷图像分割、特征提取、识别分类中的研究与应用现状,并对CNN在木材缺陷检测领域的发展趋势进行展望,进一步拓展卷积神经网络在木材缺陷检测中的应用。     

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。     

机器视觉在木材缺陷检测领域应用研究进展

为了提高木材利用率,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效率低、劳动强度大、准确率低等弊端,而且对提高木材加工企业的智能化水平具有重要意义。文中概述了机器视觉检测技术及设备的国内外研究现状,介绍基于机器视觉检测木材缺陷所涉及的相关理论和算法研究,以及相关图像处理算法的优缺点;针对机器视觉应用在木材缺陷检测领域存在的不足,提出机器视觉木材表面检测应进一步向人工智能方向发展,以提高木材缺陷检测效率及准确性。     

木材缺陷图像的灰度形态滤波

介绍数学形态学中的灰度形态滤波方法,给出对木材缺陷图像进行闭、开运算处理后的仿真图像实例,利用木材缺陷图像截面灰度分布对处理效果进行分析.结果表明:采用灰度形态滤波方法对木材缺陷图像进行滤波处理,可有效去除木材缺陷图像中的噪声,改善图像的视觉效果,提高后期缺陷边缘检测的精确度,从而证明该方法对木材缺陷图像进行滤波处理是可行的.     

基于非对称椭圆的应力波木材缺陷断层成像算法

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。     

超声波与应力波在木材内部缺陷检测中的对比研究

采用超声波和应力波分别对木材试件进行了检测,并运用SPSS软件对检测结果进行分析,结果表明：木材密度、孔洞大小及数量对两种波传播参数及动态弹性模量都有不同程度的影响。通过两种波的对比研究,得知二者对木材内部缺陷检测的灵敏度和准确度存在差异。因此在进行木材内部缺陷检测时,应结合实际情况,采用适当的检测方法,从而提高对木材缺陷盼分辨能力。     

木材缺陷图象的伪彩色处理

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。     

基于Faster R-CNN的实木板材缺陷检测识别系统

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。     

基于卷积神经网络在木材缺陷识别中的研究进展北大核心

木材作为重要的生物质材料,为进一步提高其使用率,可采用卷积神经网络(CNN)模型实现对木材缺陷快速、准确的识别,具有检测时间短、效率高、精确度高等优势。综述了卷积神经网络的基本结构,总结了CNN在木材缺陷分割、特征提取、识别中的研究现状,针对CNN在木材缺陷识别领域的不足,提出了进一步发展的方向,为提高木材缺陷识别的效率和精确度提供了新思路。     

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。     

基于LS-SVM的木材表面缺陷网格化检测

针对图像分割的复杂性和局限性,作者提出一种基于最小二乘支持向量机(LS-SVM)的木材表面缺陷网格化检测方法。首先将木材表面图像划分成互不重叠的矩形块,然后依次计算每个矩形块图像的特征向量,用于描述各个矩形块图像,其特征向量由颜色特征和纹理特征等参数共同组成。最后将特征向量归一化后送入LS-SVM分类器,利用特征向量的相似度来进行缺陷的定位和识别。实验结果表明,该方法可有效进行木材表面缺陷检测,检测准确率超过93%。     

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.