基于声发射技术研究木材表面裂纹对应力波能量衰减特性的影响

木材中的裂纹对应力波的传播特性具有不可忽略的影响,探究应力波的能量变化规律对木材中裂纹深度的识别具有重要意义。以樟子松木材作为试验材料,在不同的试件上制作不同数量的裂纹,并且裂纹深度从0逐渐增加至90 mm,每次的增量为10 mm。首先,利用声发射(acoustic emission,AE)传感器采集铅芯折断在试件表面产生的应力波,并对其进行时频特征分析。然后,基于离散小波分析,建立应力波在不同频段中的能量衰减模型。研究结果表明,随着裂纹深度的增加,暂态波中频率成分为125~250 kHz的AE信号占比显著减小;随着裂纹数量的增加,小波重构后的AE信号能量衰减模型中表示衰减程度的系数由0.73增加至1.09;此外,随着裂纹深度的增加,频段为31.25~62.5 kHz的小波信号能量衰减明显缓慢;利用能量衰减模型确定的裂纹区域可以覆盖实际裂纹的所在位置。

基于声发射的木材裂缝数量辨识研究

针对木材裂缝缺陷,提出一种基于声发射的木材裂缝数量识别方法。首先,在试件上人为依次制作1 mm×9 mm(长×高)的4条裂缝,在裂缝的一侧通过折铅的方式产生声发射(acoustic emission,AE)信号,另一侧放置传感器,信号采样频率设置为2 MHz。然后,通过粒子群算法(particle swarm optimization,PSO)确定变分模态分解(variational mode decoposition,VMD)的分解层数K和惩罚因子α,并将原始信号分解为具有不同频率的本征模态(intrinsic mode function,IMF)。接着,随机选择5组信号进行VMD分解,并对分解后的IMF构成的矩阵进行奇异值分解(singular value decomposition,SVD),得到相应的奇异值向量,再由5组奇异值向量组成标准矩阵。最后,由测得的AE信号,分别与标准矩阵计算马氏距离,并依据最小判别原则,判定裂缝数量。结果表明,PSO-VMD-SVD方法能够方便提取出AE信号特征,并通过计算马氏距离进行裂缝数量判别,判别正确率为92%。

基于匹配语义感知的单板缺陷图像修复研究

单板的质量决定单板类人造板的使用价值,单板上的缺陷处理成为木材加工中的重要环节。为处理单板的缺陷,提高木材的利用率,提出一种基于匹配语义感知的单板缺陷图像修复方法。首先使用匹配语义感知模块获取远距离的特征,提升模型的精度;然后使用双卷积模块,捕获多尺度上下文信息,并在整个网络中使用区域归一化,避免均值和方差偏移。使用峰值信噪比(Peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity index,SSIM)为评价指标。研究结果表明,改进后方法的PSNR达到28.48,SSIM达到0.91,与全局和局部判别器网络(Globally and Locally Consistent Image Completion,GL)相比,PSNR和SSIM分别提升1.03%和0.05%。研究结果表明该方法可取得结构、纹理一致的修复效果,为单板缺陷修复提供指导性意见。

退塘还林红树林大型底栖动物群落结构变化及影响因素

为揭示红树林修复过程中大型底栖动物群落变化特征及其与环境影响因子,本研究于2022年12月(旱季)和2023年6月(雨季)随机选择5个不同修复阶段(2017—2021年)的红树林区域和1个原生红树林区域作为采样点,通过五点采样法采集沉积物的样品,按照《海洋调查规范:海洋生物调查指南》(GB/T12763.6—2007)对沉积物中大型底栖动物进行调查。共获得并鉴定出大型底栖动物30种,隶属4纲9目18科。原生区和修复区红树林均以腹足纲和软甲纲动物为主,主要优势种有珠带拟蟹守螺(Cerithidea cingulata)、纵带滩栖螺(Batillaria zonalis)、红树林招潮蟹(Uca rhizophorae)等。与原生区红树林相比,修复区红树林大型底栖动物的物种数、优势种数、栖息密度、生物量和多样性指数,均随修复年限的增加呈上升的趋势,表明通过生态修复使红树林生境的质量得到改善,大型底栖动物群落结构和栖息密度存在明显的季节性差异,大型底栖动物物种数和栖息密度旱季高于雨季;而优势种数、生物量和多样性指数旱季却低于雨季。相关性分析结果表明沉积物pH和总氮是影响红树林大型底栖动物优势种分布的主要环境因子。研究结果显示退塘还林的红树林修复工程在一定程度改善了修复区域的生态环境质量,大型底栖动物群落结构变化与修复年限呈现明显的相关性,大型底栖动物的生物多样性得到恢复。本研究为红树林大型底栖动物多样性保护和红树林生态修复提供了科学依据。

基于兰姆波的木望板试件损伤缺陷检测研究

采用超声兰姆波对木望板试件的外表面损伤缺陷进行检查研究,旨在为基于兰姆波的古建筑望板腐朽损伤的现场无损检测及评定,打下一定的前期基础。选用北京古建筑望板常见树种落叶松木材,以去材的形式在试件上加工不同程度的损伤缺陷,结果发现:随着激励频率的增加,兰姆波信号的最大幅值随之增大;在尝试的12个激励频率中,30 kHz得到的检测结果更加稳定;兰姆波信号的最大幅值随损伤严重程度的增加而减小,且损伤深度较损伤长度对兰姆波信号的影响更大。设计的超声兰姆波检测方法,可作为基于兰姆波的木望板腐朽损伤检测进一步深入研究的基础。

基于YOLOv5-LW模型的木材表面缺陷检测方法

为解决人工检测缺陷的不足以及传统视觉检测算法对木材表面细小缺陷漏检率高、检测速度慢、难于部署嵌入式设备等问题,并提高企业木材利用率,以深度学习模型为基础,提出了一种轻量级木板缺陷检测方法YOLOv5-LW。通过重构S 3 Net(ShuffleNetV2+Stem+SPPF)网络模型作为骨干网络,极大减少了模型的参数量和计算量,弥补轻量化后的损失精确度;骨干网络结合ECA注意力机制,可提升网络对关键信息的聚焦能力,并引入特征融合网络MBiFPN,减少特征损失,丰富局部和细节特征,提高细小缺陷的检测能力。本研究将准确率、检测速度、参数量、浮点运算量4个数值作为模型性能的评价指标,通过自制木材缺陷数据集训练,得到8组试验数据,并对模型进行增强前后的对比分析。试验结果表明:改进后的YOLOv5-LW模型相比改进前的原始模型,精确度达到92.8%,在参数量上减少了27.78%,计算量上压缩了40.51%,检测推理速度提升了10.16%,模型对死节、活节、节夹缝、裂缝识别精确率分别为91.8%,87.8%,96.8%和94.9%,对死节和裂痕2种细小缺陷检测精度也有所提升,分别为0.2%和1.6%,且识别效果优于其他6种经典检测模型。因此,本研究所提出的模型更适合部署到嵌入式设备进行木材缺陷实时检测。

一种基于混合纹理特征的板材表面缺陷检测方法

目前,板材表面缺陷检测利用传统人工检测很难满足客户要求。为此,本文提出了一种基于混合纹理特征的表面缺陷检测算法,能准确、鲁棒地检测出板材表面图像中是否有缺陷。采用基于融合后的混合特征向量,对纹理特征项目进行有效组合,提取图像纹理采用了灰度共生矩阵方法。应用BP人工神经网络对样本集进行训练和检测。该方法能准确地对板材表面缺陷进行检测,平均检测成功率达97.2%,该检测方法满足企业要求,提高了检测效率,降低了成本。该检测技术,值得运用和推广。

采用交点拟合的林木缺陷检测

针对常见应力波检测仪对树干内部缺陷检测精度低且易受细微裂缝影响的问题,该研究提出一种基于交点拟合的林木缺陷检测(intersection fitting-based defect detection in woods,IFDD)算法。首先利用偏离率对原始应力波传播速度进行校正与归一化。利用交点速度拟合优化应力波射线速度函数,绘制校正后的应力波传播射线图,通过加权求和方式得到网格单元速度值,并结合图像处理技术生成层析图像。选取5株原木样本进行试验,以图像分割后的缺陷面积比与缺陷形状重叠程度作为评价指标。结果表明,基于交点拟合的林木应力波层析成像算法可以较准确地呈现林木内部缺陷大小,位置及形状,检测结果的平均相对误差为8.25%,实现了对树干横截面的高精度层析成像。研究结果可为林木内部缺陷检测提供参考。

基于嵌入式AI的缺陷检测标定系统

为解决人工及传统方法对实木板材表面缺陷识别误差大、漏检率高等问题,本文设计了一款基于嵌入式AI的缺陷检测标定系统,用机器视觉技术代替传统检测,能够准确识别并标记木板的缺陷部分。系统基于YOLOv5目标检测算法并引入SE注意力机制,采用流水线20275张木材表面缺陷图像作为数据集,将模型部署到嵌入式AI平台上,当检测到缺陷时将缺陷信息发送给机械臂,并将像素坐标转换到实际坐标,实现对缺陷位置的标定。

河西走廊西段荒漠戈壁灌木群落物种多样性的海拔格局

【目的】分析河西走廊西段灌木群落结构特征在海拔梯度上的分布规律,探讨荒漠戈壁灌木群落物种多样性的空间分布格局。【方法】以甘肃荒漠戈壁灌木群落为对象,在800~3200 m的海拔范围内设置12个海拔梯度,探讨物种多样性沿海拔的变化特征。【结果】荒漠戈壁灌木群落类型沿海拔从低到高依次有沙拐枣+梭梭群落、泡泡刺群落、沙拐枣+泡泡刺群落、泡泡刺+红砂+沙拐枣+膜果麻黄群落、合头草+红砂群落、泡泡刺+红砂群落、合头草+盐爪爪+红砂群落、灌木亚菊+细枝盐爪爪群落、合头草群落、盐爪爪群落、盐爪爪+红砂群落、红砂群落,其中,红砂、合头草和泡泡刺等为分布范围较大的优势种;群落的α多样性指数沿海拔梯度从低到高呈先增加后降低的单峰型分布格局,最大值出现在海拔2000~2200 m内,其中,丰富度Gleason、Margalef指数和多样性Shannon-Wiener、Simpson指数随海拔上升表现出显著的单峰型格局(P<0.05),海拔显著影响荒漠戈壁灌木群落的物种多样性(P<0.05);虽然年均降水量和年均气温与海拔极显著相关(P<0.01),但物种多样性与年均降水量和年均气温的相关性均未达到显著水平(P>0.05);群落物种多样性指数偏低,群落结构简单,物种组成稀少;大多数相邻海拔梯度间灌木群落的Jaccard相似水平较低。【结论】河西走廊西段荒漠戈壁以灌木为优势种的群落呈区域性的斑块状分布格局。不同海拔梯度内灌木群落的建群种都发生了变化。物种多样性在海拔梯度上呈先升后降的单峰分布格局。

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。

弹性波层析成像技术检测活立木腐朽

介绍弹性波层析成像技术应用于活立木内部缺陷检测的研究现状,阐述弹性波的产生、传播途径和成像原理,总结该技术在应用中出现的问题。并使用弹性波层析成像技术对美国林务局纳西比特营地脂松活立木进行检测。结果表明:弹性波层析成像技术能够模拟出不规则树干形状并以二维图像方式直观地显示立木腐朽部位、程度、大小及形状等情况。基于此方法发展的设备,具有检测方便、有效、实用性强等特点。

超声波法检测木材内部孔洞缺陷的研究

利用Sylvatest-Duo超声波检测仪对健康杉木材和含有不同孔洞缺陷尺寸的杉木材进行测试，得到超声波传播速度与不同孔洞直径的定量关系。结果表明：超声波在杉木健康材中的径向传播速度范围为1 423～1 672 m／s；杉木内部存在缺陷时，超声波径向传播速度会明显降低；通过对超声波传播速度与缺陷直径大小的回归，发现二者存在明显的负相关性，决定系数〉0．8；采用指数函数模型和线性函数模型对缺陷大小与超声波传播速度进行回归分析，发现不同类型的缺陷理想回归模型不同。

基于贝叶斯神经网络的近红外光谱实木地板表面缺陷检测

实木地板的表面缺陷直接影响其力学性能和产品等级,表面缺陷的快速检测对实木地板的在线分选具有重要的现实意义。针对视觉方法检测实木地板表面缺陷识别率低的问题,提出了一种基于近红外光谱分析技术的检测方法。首先,分别采集规格为200mm×100mm×20mm的表面带有活节、死节以及无缺陷的实木地板的光谱数据各60份,其中30份作为训练样本,30份作为测试样本;其次,使用高斯滤波(GSF)、分段多元散射校正(PMSC)和去趋势法(DT)等方法对采集到的光谱数据进行预处理,降低光谱噪声、消除光谱的散射影响;然后,利用改进遗传算法从处理后的光谱中提取特征波长用于构建缺陷识别与分类模型;最后,使用基于贝叶斯理论改进的神经网络构建实木地板缺陷识别和分类模型。实验使用含有活节、死节以及无缺陷的实木地板样本对模型进行训练和测试,结果表明:通过贝叶斯神经网络构建的缺陷识别与分类模型能够准确识别活节、死节和无缺陷三类实木地板,识别率分别为92.20%,94.47%和95.57%。证明了实木地板表面缺陷类型与其近红外吸收光谱密切相关,并为下一步实现实木地板表面缺陷的准确定位提供快速检测方法。

一种基于混合纹理特征的木板材表面缺陷检测方法

利用计算机视觉技术检测木板材表面缺陷。提出了一种基于混合纹理特征的表面缺陷检测算法,能准确、鲁棒地检测出木板材表面图像中是否有缺陷。首先,分别使用灰度共生矩阵方法、Gabor滤波方法和几何不变矩方法提取了10个优化后的图像纹理及尺度、平移、旋转不变特征;然后,对特征向量进行有效组合;最后,基于融合后的混合纹理特征向量,应用BP人工神经网络对样本集进行训练和检测。实验表明,该方法能准确地对木板材表面缺陷进行检测,平均检测成功率达96.2%。

基于局部二值差异激励模式的木材缺陷分类

针对木板表面裂缝和矿物线的区分问题,提出一种基于局部二值差异激励模式(LB_DEP)的方法。首先经预处理分割潜在缺陷区域,然后通过几何参数筛选呈线状的裂缝和矿物线。接着基于LBP与韦伯定律,建立反映图像纹理结构位置与差异激励关联关系的LB_DEP直方图。最后提取LBP和LB_DEP直方图特征,并融合特征数据,形成的特征向量作为SVM分类器的输入用于缺陷分类。提出的两种特征提取方法分别为'H-chi-square'法和'H-PCA'法,均在自建的数据集上进行了评估。结果显示,在两种特征提取方法下,本文算法分别获得了93. 7%和95. 8%的Recall,及95. 0%和96. 5%的Precision。与相似研究相比,Recall和Precision分别至少提高了3%和5%,且算法耗时均为毫秒级别,表现出方法的优势和有效性。

马尾松木材空洞开裂残损的雷达检测成像初探

本研究以木结构古建筑常用的马尾松木材为研究对象,采取人工模拟的方法在马尾松木段端部制作中心空洞及外缘开裂的残损,通过开展残损木材的雷达探测及成像影响因素研究,给出不同残损在雷达检测下的表现形态,实现木材内部空洞和外缘开裂残损的快速识别及表征。研究结果表明:利用雷达无损检测技术可以实现木材内部空洞和外缘开裂残损的快速检出,而对残损大小的评估,雷达检测面积与实际残损面积存在偏差;当雷达探测到木材内部空洞时,其交界面会出现强烈的黑-白-黑形态图像,对应的反射波形为谷-峰-谷;当雷达探测到木材外缘开裂等凹陷特征时,其图像上会出现不同于正常背景的纵向干扰条纹;木材外缘开裂并不严重影响内部空洞残损的检出,木材表面存在贴合紧密的树皮或保护性地仗对内部残损的识别也无明显影响;木材含水率对雷达检测结果影响较为显著,在其他条件一定时,木材含水率越高,其雷达检测残损面积越小;雷达检测结果受含水率等因素影响,其残损的检测边界可能会产生一定的偏移,因此,在实际检测中应根据雷达检测图像进行深度方向的延伸分析。通过本研究可知:雷达无损检测技术可以实现木材空洞和开裂残损的快速检出,但对于残损的定量评估有待于进一步研究。

木材皱缩评价指标的研究

In this paper, the targets evaluating wood collapse defect was studied which included, three targets of collapse depth, collapse factors, volumetric shrinkage rate, and their measuring methods. The main point of 3 targets and the relationship of 3 targets were analyzed when collapse was evaluated. Based on the study of aspen wood collapse, collapse was classified,proceeding to show that different collapse should use different evaluating targets. The collapse properties of different standard Daqing Aspen were studied using above evaluating targets and classification methods.

亚热带森林群落草本植物对林下光环境的响应

确定森林群落中林下草本植物的分布及其对光照的响应,不仅能揭示草本植物对光的生态需求,而且能为其引种和利用提供关键参考。在东源康禾自然保护区的常绿阔叶林内设置2 hm^2样地,样地划分为50个20m×20 m样方,在样方内设置小样方进行林下草本植物(包括禾本科竹亚科植物)调查。用半球面影像技术测定林下光照指标,进而分析草本植物分布与林下光环境的关系。结果表明,林下光环境的变异为草本植物的生长提供了多样的小生境,不同光照需求的物种在样地内均广泛分布;林下散射光与林下草本分布的除趋势对应分析(DCA)排序轴的相关性高于直射光与排序轴的相关性,说明林下散射光与林下植物的分布关系更为密切;不同光照总立地因子的样方组间草本植物的多度和丰富度没有显著差异,但非参数回归分析的结果清晰地反映了不同草本植物对光照响应的差别,如山麦冬Liriope spicata喜阴且不耐强光,黑莎草Gahnia tristis、箬竹Indocalamus tessellatus在不同光照条件下生长变化不大,说明物种对光照的变化不敏感、适应性更强。在草本植物的引种和利用过程中,可以结合目标地点的光照条件选择适生的物种。

基于支持向量机的木材缺陷识别

对于一些昂贵的珍稀木材,如何提高成材率是一个值得深入研究的课题,本文将支持向量机的多分类方法引入到对木材图像的缺陷识别中,通过采样提取木材缺陷数据和相关统计信息,并标记缺陷的类别信息,将这些信息组成一个向量作为支持向量机训练的输入信息,用训练后的支持向量机网络分类木材图像,取得了较好的分类效果。