木材缺陷

摘要： 卷积神经网络(Convolutional Neural Network,CNN)是深度学习的最重要的网络之一,基于CNN的语义分割是当前研究的热点之一,Unet是在FCN基础上发展而来的卷积神经网络模型。针对木材缺陷图像分割问题,提出一种基于改进的Unet模型与像素阈值的木材缺陷图像分割方法。首先,在Unet的基本网络结构上,对网络的层数、通道数进行修改;然后,利用Unet实现网络训练,获得结构参数,最后用训练好的网络对图像进行测试,获取特征通道灰度图,并利用OTSU阈值算法对灰度图进行分割。结果表明,选择好的网络结构和阈值等参数,算法能够实现木材缺陷的图像分割,激活层通道灰度图分割效果优于卷积层。

摘要： 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。

摘要： OpenCV是一个开源计算机视觉与机器学习软件库,Python是一种通用的流行编程语言,OpenCV-Python是OpenCV的Python API绑定库.针对林业图像处理"金课"课程,构建一套基于OpenCV-Py-thon的木材缺陷图像分割教学软件.介绍了OpenCV-Python库的特点及图像分割算法的分类;利用Anaconda及PyCharm搭建基于OpenCV图像处理开发平台,实现10种木材缺陷图像阈值分割方法,其中Sauvola及ISODATA算法最优;利用OpenCV与Tensorflow的有机结合,实现木材缺陷图像语义分割.实践表明,构建的软件便于互动式教学及后续扩展,促进了林业图像处理课程"金课"的建设.

摘要： 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.

摘要： 非接触超声检测作为一种重要的无损检测方法,在材料缺陷检测领域得到了广泛的应用.为解决自动扫描成像中采样点个数较多导致数据量大、处理难度高等问题,对非接触超声检测系统实时成像系统的设计方法进行了研究.采用Python语言编写了上位机控制功能,实现了电机扫描控制、实时成像数据采集与处理.实验结果表明,该软件能够实现非接触超声检测,获得可视化的缺陷检测与成像,软件的实时性、可靠性满足预期要求.

摘要： 针对木材的缺陷检测问题,提出一种基于TVCV模型的木材活节缺陷多通道图像分割算法.首先用CV模型对RGB彩图三通道单独分割,得到三通道水平集,并将水平集加权求和后作为初始水平集,然后将边缘项和正则化能量与图像多尺度表示能量相结合得出TVCV模型,再进行水平集演化得到最终水平集.试验结果表明,提出的算法能够通过设定合适的参数,很好地提取木材活节缺陷目标,SD、Dice、ER、NR平均值分别为86.47％、92.75％、8.31％、6.34％.

摘要： 针对木材中存在的表面死结缺陷问题,提出一种基于中智集的图像检测算法.首先将木材彩色RGB图像输入,将输入图像的RGB通道图提取出来,得到R、G、B三个分量的图像.然后选取R通道图像,将该通道图像分别通过T、I、F三种通道的图像处理得到TIF通道的图像.同理,选取G、B通道的图像经过TIF通道处理,得到共9张关于T、I、F通道图像.将所得的TIF通道图像分别进行Otsu、Kapur、主动轮廓三种算法处理,对处理的图像进行jaccard、dice和bfscore三种评价得出JAC、Dice和BFScore三个评价参数,再对各个图像的评价参数进行比较,得出最佳分割图像.

摘要： 木材在成材过程中,不可避免地会产生缺陷,严重影响了木材的质量、木材加工方法和生产工艺,所以木材缺陷识别具有非常重要的意义.文章对木材缺陷识别的方法进行总结和分析.

摘要： 针对木材表面活节缺陷对象,提出一种基于被囊群体算法(Tunicate Swarm Algorithm,TSA)与模板匹配的死节缺陷图像阈值分割算法。首先,输入RGB彩图转换成三通道(R通道、G通道、B通道)灰度图像,分别对各通道灰度图进行处理。然后将正态分布、泊松分布、瑞利分布的模型匹配度作为目标适应度函数,将像素范围的搜索空间中的取值定为候选解,候选解通过进化迭代计算得到全局最优解。最后通过阈值分割得到二值图。结果表明,算法中G通道泊松分布性能最优,Ja、Di、Bf指数平均值分别为75.60%、86.35%、78.95%。

摘要： 语义分割是机器视觉中一项具有挑战性的任务,利用深度学习提高语义分割性能是当前研究的热点之一。针对木材缺陷图像语义分割问题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的木材缺陷图像语义分割方法。首先,回顾CNN的几种典型的网络结构及其发展历程;然后,总结了图像语义分割方法的分类,并提出了改进的CNN图像语义分割方法;最后构建木材缺陷图像数据库,对模型进行训练和测试。基于TensorFlow与OpenCV的测试结果表明,设置合适的通道数和网络层数等参数,算法能够实现木材缺陷的图像分割。

摘要： 为实现木材缺陷图像的准确分割,研究了在RGB色彩空间使用K-means聚类算法进行木材缺陷图像的分割方法,针对K-means聚类算法图像分割的不足之处,并提出了一种改进方案.在改进算法中,加入对图像像素点的邻域处理,根据邻域特性适时调整原图像,充分利用图像像素的区域特征,以此来抑制一些局部噪声.实验结果表明,改进算法不仅能够滤除较多的干扰信息,而且能更好的拟合分割边界,改善图像的分割效果.

摘要： 提出了基于Ostu算法的木材缺陷图像分割.该方法借助于二维中值滤波器对木材图像进行平滑处理,将平滑过的图像用Otsu算法确定图像分割阈值.实验结果表明,该方法可以有效地实现木材表面缺陷图像分割.

摘要： 提出了一种新的基于Affinity Propagation聚类的木材缺陷检测方法。该方法通过提取木材图像的颜色矩特征，采用多遍扫描图像、自动调整滑动窗格大小的方法，有效降低特征提取后样本集数据条目，进而降低AP算法中距离矩阵、代表阵、适选阵和决策阵维数，自动识别木材缺陷位置并标记，有效提高聚类精度及聚类速度。实验表明，该方法有效地实现木材缺陷识别，平均识别查准率约为87.68％，平均识别查全率约为90.51％，平均识别时间约为2.44s。

摘要： 提出一种基于人工神经网络识别木材缺陷的模型，对木材的缺陷进行有效识别。采用X射线作为检测手段，对木材进行无损检测。运用MATLAB和VC软件的图像处理功能对采集到的木材缺陷图像进行处理和特征提取，运用特征参数建立了缺陷识别的数学模型，构造了人工神经网络，本文就三种常见的木材缺陷：节子、虫害、腐朽进行了具体的研究。实验结果表明这种方法可以成功地对这三种木材缺陷进行无损检测和分类。此方法也可在对其它术材缺陷的检测和分类上推广使用。有助于合理选材，科学用材，提高木材的利用率和实用价值。

摘要： 在不破坏木材原有结构的前提下，利用x射线透视法获取木材数字图像。与以往需要具有丰富经验的技术人员通过综合考虑木材数字图像中内部缺陷部位的各种视觉特征来识别缺陷种类的方法不同，提出根据提取出的木材数字图像中缺陷部位视觉特征参数，应用人工神经网络方法中的BP网络对木材内部结构进行快速、准确的缺陷种类识别。针对木材数字图像含有噪声且对比度较低的特点和木材图像中各缺陷的视觉物理特征，提出了对木材图像的数字化处理方法和缺陷部位特征值的提取方案。分析不同的BP网络结构和网络参数对网络的缺陷识别性能的影响，给出了用于识别木材缺陷种类的BP网络的最佳网络参数。提出并验证了一种用于识别术材内部缺陷种类的新方法，证明用BP网络方法识别木材内部缺陷种类是一种可行的方法。

摘要： 为了能准确确定木材缺陷的位置,提高检测精度,本文通过试验研究了AE信号在木材中传播时的能量特性,并在此基础上建立了木材AE信号能量衰减模型.结果表明,AE信号在木材中传播时,其能量值随着与声源距离的增大而减小,具有明显的能量衰减特性,计算得到的能量衰减系数α在1.2-2.2之间,满足α≈2的要求,即进行木材缺陷定位时,其声发射信号适合采用能量衰减模型.

摘要： 伴随全球性生态恶化,森林面积大幅缩减,林木资源科学保护与合理运用需求日益凸显.为了合理利用木质资源,需要在不损坏林木原有特性的前提下对内部腐朽、空洞等缺陷进行探知.然而在实际检测中存在着各种噪音和干扰,因此本设计先分析木材应力波信号的频域特性,然后再依此设计硬件电路对信号预处理,最后基于波峰法获得对木材应力波信号的时延,以获得对内部缺陷大小的识别,为进一步的缺陷定位打下基础.

摘要： 伴随全球性生态恶化,森林面积大幅缩减,林木资源科学保护与合理运用需求日益凸显.为了合理利用木质资源,需要在不损坏林木原有特性的前提下对内部腐朽、空洞等缺陷进行探知.然而在实际检测中存在着各种噪音和干扰,因此本设计先分析木材应力波信号的频域特性,然后再依此设计硬件电路对信号预处理,最后基于波峰法获得对木材应力波信号的时延,以获得对内部缺陷大小的识别,为进一步的缺陷定位打下基础.

摘要： 伴随全球性生态恶化,森林面积大幅缩减,林木资源科学保护与合理运用需求日益凸显.为了合理利用木质资源,需要在不损坏林木原有特性的前提下对内部腐朽、空洞等缺陷进行探知.然而在实际检测中存在着各种噪音和干扰,因此本设计先分析木材应力波信号的频域特性,然后再依此设计硬件电路对信号预处理,最后基于波峰法获得对木材应力波信号的时延,以获得对内部缺陷大小的识别,为进一步的缺陷定位打下基础.

摘要： 伴随全球性生态恶化,森林面积大幅缩减,林木资源科学保护与合理运用需求日益凸显.为了合理利用木质资源,需要在不损坏林木原有特性的前提下对内部腐朽、空洞等缺陷进行探知.然而在实际检测中存在着各种噪音和干扰,因此本设计先分析木材应力波信号的频域特性,然后再依此设计硬件电路对信号预处理,最后基于波峰法获得对木材应力波信号的时延,以获得对内部缺陷大小的识别,为进一步的缺陷定位打下基础.

摘要： 本发明提供板状木材的缺陷检测系统、缺陷检测方法以及缺陷检测用程序；该缺陷检测系统具备：向单板(6)的表面照射反射光用的可见光的反射光用照明(2)；向单板(6)的背面照射透射光用的近红外线的透射光用照明(3)；以及通过解析线性传感器照相机(4)所生成的拍摄图像而检测单板(6)的缺陷的图像处理装置(1)，并且，根据基于透射光的红外透射光图像的浓淡和形状、以及基于反射光的可见光图像的颜色的组合来判别单板(6)的缺陷，即使是在可见光图像上与正常部分的色差少的缺陷，也能够在红外透射光图像上呈现出缺陷部分与正常部分的浓淡差，从而仅通过观察可见光图像的色差难以检测的缺陷也能够比较容易地进行检测。

摘要： 本发明提供板状木材的缺陷检测系统、缺陷检测方法以及缺陷检测用程序；该缺陷检测系统具备：向单板(6)的表面照射反射光用的可见光的反射光用照明(2)；向单板(6)的背面照射透射光用的近红外线的透射光用照明(3)；以及通过解析线性传感器照相机(4)所生成的拍摄图像而检测单板(6)的缺陷的图像处理装置(1)，并且，根据基于透射光的红外透射光图像的浓淡和形状、以及基于反射光的可见光图像的颜色的组合来判别单板(6)的缺陷，即使是在可见光图像上与正常部分的色差少的缺陷，也能够在红外透射光图像上呈现出缺陷部分与正常部分的浓淡差，从而仅通过观察可见光图像的色差难以检测的缺陷也能够比较容易地进行检测。

摘要： 本发明提供一种基于深度卷积神经网络的木材表面缺陷检测系统，能够实时检测木材表面缺陷。所述系统包括：激光雷达、相机、用于安装所述相机的安装架及处理器模块；其中，所述安装架，横跨于工业现场传送带之上；所述激光雷达、相机，安装在所述安装架上，用于实时采集传送带上木材的表面图像；所述处理器模块，用于采用深度卷积神经网络算法，对实时采集的木材的表面图像进行缺陷识别。本发明适用于机器视觉技术领域。

摘要： 本实用新型公开了一种可降低木材干燥缺陷的家具加工用设备，包括第一外壳、粗杆和第二外壳，两个所述竖板的底部分别与第二外壳的内壁底部左右两侧固定连接，所述螺杆的外壁螺纹相连有方块一，所述方块一的底部固接有短板，所述短板的底部固接有滑套，所述滑套的内壁滑动卡接有滑杆，所述滑杆的左右两端与两个竖板的内侧下方固定连接，所述方块一的顶部固接有弯板，所述弯板的外壁与套筒的内壁滑动卡接，所述套筒的顶部与第二外壳的内壁顶部右侧固定连接，所述弯板的右侧固接有方块二。该装置通过电机、螺杆和方块一之间的配合，电机间接带动方块一将木材进行固定，解决了固定时容易发生脱落的问题，满足现代人们的工作需求，提高了实用性。

摘要： 本申请提供一种缺陷切割装置及木材缺陷扫描切割一体机，该缺陷切割装置包括上层输送线、下层输送线、切割系统和连杆机构，上层输送线和下层输送线间隔排列，上层输送线用于运输木材，切割系统的一端朝向上层输送线，另一端朝向下层输送线，切割系统用于切割木材的缺陷位置，连杆机构的一端与切割系统连接，另一端与下层输送线连接，其中，在切割系统切割木材时，切割系统带动连杆机构压紧下层输送线，以使切割系统和木材同步运动。

摘要： 本申请提供一种缺陷切割装置及木材缺陷扫描切割一体机，该缺陷切割装置包括上层输送线、下层输送线、切割系统和连杆机构，上层输送线和下层输送线间隔排列，上层输送线用于运输木材，切割系统的一端朝向上层输送线，另一端朝向下层输送线，切割系统用于切割木材的缺陷位置，连杆机构的一端与切割系统连接，另一端与下层输送线连接，其中，在切割系统切割木材时，切割系统带动连杆机构压紧下层输送线，以使切割系统和木材同步运动。

摘要： 本发明涉及一种基于电阻抗成像的含水木材缺陷检测方法，它主要是解决以应力波、射线等为主的现有检测方法存在成本高、成像精度低等问题。该方法不仅可以对木材缺陷进行可视化成像，而且具有安全、无损、低成本等优点。其技术方案要点是：首先，用电导率测试仪测出含水木材初始的电导率，作为先验值；再在电场有限元仿真软件中建立含水木材模型，求解边界电压信息；将所得的边界电压数据进行处理，得到边界电压与木材电导率的映射关系，编写木材断层成像程序；然后，在待测木材上安装电阻抗成像系统，通过轮换相邻电极的激励模式得到边界电压矩阵；最后，基于优化后的L1正则化算法重建待测木材内部的电导率分布，实现木材不同缺陷的可视化成像。

摘要： 本发明涉及一种基于改进YOLOv5l网络的木材表面缺陷检测方法，该方法包括：获取公开的木材缺陷数据集作为数据集一。构建改进的YOLOv5l网络模型，利用数据集一对改进的YOLOv5l网络模型进行训练，得到训练好的网络模型model1。采集实景木材数据作为数据集二，数据集二分为训练集、验证集和测试集。采用model1对测试集进行预测，将测试集中带有缺陷的木材图像标记上标签，将大于设定预测阈值的标签作为伪标签。将数据集二中的训练集和测试集微调后来训练model1，得到model2，采用验证集在model1与model2中选择出最佳的网络模型。利用最佳网络模型对木材表面缺陷进行检测。本发明能够对各种类别的木材表面缺陷进行检测，有效提高了识别准确率和识别效率。

摘要： 本申请公开了一种便携式木材缺陷检验装置，包括主体部，所述主体部底部安装有滚轮，所述主体部一侧形成有支撑杆，所述支撑杆顶部两端分别安装有第一夹持辊与第二夹持辊，所述第一夹持辊与第二夹持辊贴合夹持待测木材，所述主体部靠近所述支撑杆的一侧并排凸伸形成有第一竖杆与第二竖杆，所述第一竖杆与第二竖杆靠近所述支撑杆的侧面分别形成有第一竖直轨道与第二竖直轨道，所述第一竖直轨道上滑动安装有竖直探头，所述第二竖直轨道上滑动安装有水平连杆，所述水平连杆底面形成有水平轨道，所述水平轨道上滑动安装有水平探头。本发明通过集成在主体部上，通过滚轮移动，方便移动。

摘要： 本发明涉及数据处理技术领域，具体涉及一种基于灰度变换的建筑木材缺陷检测方法。该方法能够实现生产领域人工智能系统等信息系统集成服务、人工智能优化操作系统、人工智能中间件、函数库等功能，还可以用于计算机视觉软件等应用软件开发；通过对建筑木材的初始图像进行分类得到多个类别，获取每个类别内中心像素点与任意像素点之间的欧式距离，从而得到该类别的正常程度，基于每个类别的正常程度自适应调整灰度变换函数对该类别内像素点进行增强，得到增强图像，根据增强图像得到建筑木材的活死节缺陷区域。本发明应用电子设备进行图像识别，增加了对图像分析处理的可靠性，并且提高了对建筑木材缺陷区域分析的效率和准确度。