木材缺陷识别方法的研究

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。     

基于分形理论和数学形态学的木材表面缺陷识别的图像处理

在木材表面缺陷识别过程中,能否精确提取缺陷轮廓是提高分选准确率的重要因素。采用分形理论和数学形态学进行板材缺陷图像分割和边缘提取,能有效的克服传统方法中缺陷图像提取受背景纹理影响大的不足,为后续的木材表面缺陷的识别打下坚实的基础,提高木材的使用率,对木材表面缺陷识别具有实际意义。     

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。     

主元分析法在木材缺陷轮廓特征提取中的应用研究

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.     

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。     

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。     

多尺度分形特征在木材内部缺陷检测中的应用

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。     

基于改进YOLOv5s的木材表面缺陷检测模型

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。     

基于分形维木材表面粗糙度的研究

应用分形维对木材表面粗糙度特征进行研究。首先，对Sarkar和Chaudhuri提出的分形维计算方法做了改进：其次，以60个树种为研究对象，提取和分析木材表面的分形维数。得出结论：分形维数能够反映木材表面的粗糙程度，可作为木材表面粗糙度的一种度量？     

木材缺陷检测理论及方法的发展

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。     

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。     

机器视觉在单板缺陷检测中的应用

单板是胶合板制造的主要原料。为了实现单板表面缺陷检测技术的智能化,降低人力成本,提高检测合格率,现已将机器视觉技术应用于缺陷检测中。在机器视觉系统中,图像处理和分析算法尤为重要。如何提高算法的准确性和鲁棒性一直是研究的重点。文中基于对大量文献和实验结果的分析,介绍机器视觉的应用现状,并对单板表面缺陷检测过程中的图像去噪、图像分割、特征提取等方法进行总结,概括相关方法的原理、特点、局限性以及适用范围,并对未来技术发展趋势进行展望。     

基于深度学习的人造板表面缺陷检测研究

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。     

基于数字图像的木材缺陷识别研究进展

数字图像处理技术是在木材缺陷识别中应用最广泛的技术之一,具有准确、快速、无损和成本低等优点。本文阐述基于数字图像的木材缺陷识别技术的研究现状,分析图像预处理、分割、特征提取及融合、图像识别分类过程涉及的算法,并对每种方法的特点以及局限性进行总结,对未来研究的发展趋势进行展望。数字图像处理技术进一步走向自动化和智能化,还需要更深入的研究。     

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。     

基于分形维数特征的原木漏节图像的研究

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。     

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.     

基于灰度-梯度共生矩阵的木材表面缺陷分割方法

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：     

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。