共查询到20条相似文献,搜索用时 125 毫秒
1.
木材缺陷识别方法的研究 总被引:1,自引:0,他引:1
主要研究运用数字图像处理技术对木材表面缺陷的纹理特征进行具体研究的理论方法和可行性,并通过分析比较,探索一个分形理论和小波结合的的处理方案,完善和丰富木材科学理论,提高木材的利用率。 相似文献
2.
3.
4.
针对木材缺陷中圆形节、大虫眼轮廓特征的特点,提出一种基于主元分析的非线性轮廓特征提取方法.采用主元贡献率法选定木材缺陷轮廓特征的主元个数,建立主分量方程,计算木材缺陷轮廓特征值样本的主分量值,从而构建出新的木材缺陷轮廓特征向量综合指标,为木材缺陷模式识别系统的建立和学习提供输入向量. 相似文献
5.
6.
板材表面缺陷检测技术 总被引:5,自引:0,他引:5
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。 相似文献
7.
将数字图像处理与木材检测相结合,对获取的木材图像进行图像处理与分析,获取高质量的木材图像是提高木材检测准确性的重要手段。利用微光摄像机作为图像输入传感器,并最终以数字信号的形式储存在计算机当中。应用数字图像处理技术对采集到的原始图像进行预处理,提高图像的质量,便于后续处理。将预处理后的图像分割成若干个子区域,计算出每个子区域的多尺度分形特征值。实验结果显示,图像中背景部分与边缘部分多尺度分形特征值存在明显差别,可以提取奇异性较大的多尺度分形特征值,他们的集合即为木材缺陷的边缘。 相似文献
8.
针对木材表面缺陷的复杂多样性和特征提取困难,提出一种基于改进YOLOv5s的木材表面缺陷(活节、死节、有裂缝节子和裂缝)检测模型。首先,在Backbone网络引入坐标注意力机制(coordinate attention,CA)增强每个通道之间的信息交互,然后采用混合空间金字塔池化(hybrid spatial pyramid pooling-fast,HSPPF)结构减少信息损失,再使用GSConv卷积减少参数量,用改进的曲线高效交叉联合(curve efficient intersection over union,CEIoU)作为训练时模型的损失函数,提升木材缺陷检测的准确性。试验结果表明,改进模型能够有效检测出木材表面缺陷,模型的平均精度均值(mean average precision,mAP)为84.4%,比未改进之前提高了2%,检测速度达到73.9 FPS,在模型参数量方面明显减少,同时优于其他主流模型,能够满足木材表面缺陷检测的要求。 相似文献
9.
10.
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
11.
木材缺陷图象的伪彩色处理 总被引:4,自引:1,他引:3
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。 相似文献
12.
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
13.
14.
缺陷识别是人造板检测的重要环节,目前大多采用人工检测方法。将一种轻量级的深层神经网络MobileNet与SSD算法结合,使用Inception网络附加到多个特征映射上,构建SSD-MobileNet算法模型用于人造板的缺陷检测,以提高区分不同缺陷的能力。从人造板工厂生产现场获取主要包括粗刨花、水印、砂痕、杂物、胶斑5种缺陷类型的表面缺陷图,制成一个包含3216张人造板表面缺陷图像的数据集。利用该数据集对SSD-MoblieNet模型进行训练、测试,并与其他特征提取网络(ResNet18、VoVNet39、ESPNetV2)的检测精度和检测速度的影响结果进行对比,发现其检测速度最快达到75帧/s,相对其他特征提取网络的平均精度均值提升2.26%~3.52%。该研究为实现人造板表面实时在线检测提供良好的技术支撑。 相似文献
15.
16.
基于人工智能的木材缺陷检测研究进展 总被引:1,自引:1,他引:0
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。 相似文献
17.
基于分形维数特征的原木漏节图像的研究 总被引:1,自引:0,他引:1
采用X射线法透射木材,根据检测透射物体后射线的强度差异,建立木材X射线的分形模型。采用计算盒子维数的方法对原木漏节X射线图像进行有效的边缘检测,用分形维数D的大小来定量描述原木漏节图像的不规则程度,以确定缺陷所在。研究表明背景部分与边缘部分的分形维数存在一定程度的差别,正常部分分维数值大约在2.007 3左右,漏节边缘分维数值大约在1.400 0~1.900 0之间。 相似文献
18.
19.
基于灰度-梯度共生矩阵的木材表面缺陷分割方法 总被引:4,自引:0,他引:4
根据木材表面缺陷图像的特点,提出了基于灰度-梯度共生矩阵模型和最大熵原理的木材缺陷图像自动阈值化技术。并且利用形态学运算对分割后的二值图像进行后期处理。经实验验证,该方法提取的木材表面缺陷图像效果良好: 相似文献
20.
基于模糊聚类分析的木材缺陷CT图像分割 总被引:1,自引:0,他引:1
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。 相似文献