基于CNN的木材内部CT图像缺陷辨识

【目的】为获取木材内部构造形态,提高木材内部缺陷识别率,依据获得的计算机断层扫描图像,提出一种基于卷积神经网络(CNN)的木材内部缺陷辨识方法,以实现木材的高效化自动分类。【方法】首先,利用课题组自行开发的计算机断层扫描系统,采集样本木材内部CT图像800幅;然后,对样本图像进行处理,随机选取700幅原始样本图像,从中截取出单个缺陷区域和正常木材断层区域样本图像20 000幅,并利用图像增强等算法将数据集扩充到70 000幅,标准化图像大小为28×28像素,分为正常、裂纹、虫眼和节子图像共4类,取60 000幅图像作为训练集,10 000幅图像作为测试集,剩余的100幅原始样本图像用于试验验证。【结果】通过60 000幅图像来训练网络模型,对测试集10 000幅图像进行分类,分类正确率达99.3%;利用训练得到的网络模型对100幅原始样本图像进行验证,平均分类正确率为95.87%。【结论】基于卷积神经网络的木材内部CT图像缺陷辨识算法,克服了传统识别方法图像预处理繁琐、训练方法复杂、训练参数过多、耗时过多等问题,具有精度高、复杂度小、鲁棒性较好等优点,且辨识正确率和辨识时间都比现行常规算法精准并用时短,是一种无损、高效、准确的辨识分类方法。

木材CT断层成像系统旋转中心校正方法

【目的】构建一套等距扇形X射线束木材CT断层成像系统,提出一种基于正弦图的系统旋转中心校正方法,实现对木材高质量断层成像,为准确获取木材内部结构信息、研究木材结构形态提供技术支持。【方法】首先,分析CT断层成像系统成像原理,验证穿过扫描断层内任意一点的投影地址与旋角度存在一定函数关系,投影地址轨迹在扫描过程中是一条与旋转角度相关的正弦曲线;其次,计算投影地址对称中心与探测器中点的差值,在图像重建过程中,对旋转中心偏移量进行补偿,获得任意一点正确的投影位置;再次,选择直径205 mm、高度400 mm的杉木作为试验对象,分别校正旋转中心偏移量为8、9、10、11、12个探测点,对断层1进行扫描,获得5幅断层图像,并对试验结果进行定量分析;最后,对断层2进行扫描,重建旋转中心校正前后断层图像,并对2幅图像进行评价与分析。【结果】断层1的5幅重建图像均可反映木材内部结构特征,校正数值逐渐接近旋转中心偏移量,峰值信噪比和结构相似度均有所提高,而相对误差均有所减小,图像愈加近似于原始图像,旋转中心校正数值与偏移量相等情况下重建图像效果最好。断层2的2幅重建图像质量差异性较大,校正前图像环形伪影干扰严重,生长轮肉眼难以区分,图像边缘有向周边扩散现象,相近裂纹结构产生假象,而校正后图像无环形伪影干扰,心材生长轮清晰可见,图像边缘无向周边扩散现象,成像质量良好。旋转中心校正后的图像质量远远优于校正前,基于正弦图的系统旋转中心校正方法在木材CT断层成像系统中具有良好的应用效果。【结论】基于正弦图的系统旋转中心校正方法可有效解决木材CT成像系统旋转中心随机偏移问题,抑制环形伪影缺陷,明显提升木材CT断层图像的重建效果。木材CT断层成像系统旋转中心经校正后,重建的木材断层图像可清晰反映裂纹、生长轮、心边材等结构特征,能满足科研、高校、检测检验等机构对木材内部结构的检测与分析要求。

基于随机森林算法的纤维板表面缺陷识别

【目的】提出一种基于随机森林(RF)算法的分类模型,以实现纤维板表面大刨花、胶斑、杂物、油污的快速、准确识别。【方法】获取100张规格为4 800 mm×2 400 mm的纤维板表面图像,利用Otsu阈值分割算法对图像进行分割,提取缺陷区域的面积(S)、周长(L)、长宽比(OR)、紧凑性(J)、矩形度(P)、圆形性(O)、灰度均值(u)及灰度的标准差(σ_D)、平滑度(σ_P)、偏度(σ_S)、峰度(σ_K)和均方根值(σ_R)12个特征属性的特征值作为试验数据。使用100份试验数据构建RF分类器,采用Bootstrap方法随机抽取2/3数据和8个特征作为输入构建k株决策树,组成RF,以每株决策树袋外数据(OOB)误差率均值作为RF分类器的评估指标确定决策树数量k。采用100张纤维板厂家提供的带有大刨花、胶斑、杂物和油污的纤维板对分类模型进行测试。【结果】当k=600时,RF分类器的OOB误差率均值最低为0.004,利用构建的RF分类器对纤维板厂家提供的100张纤维板进行缺陷识别,正确率为99%,每张纤维板的识别时间为525 ms,在识别时间和正确率上明显优于神经网络(NN)和支持向量机(SVM)。【结论】基于随机森林算法的分类器用于纤维板表面缺陷在线识别具有可行性,能够实现纤维板表面缺陷的快速、准确识别,满足纤维板缺陷在线检测系统的的准确性和实时性要求。

基于区域筛选分割和随机森林的人造板表面缺陷识别

连续压机生产线的普及使我国人造板企业实现自动化生产,但缺陷检测环节仍依靠人工。缺陷识别是检测的一个重要环节,是根据缺陷的特征值使用分类器对缺陷进行分类的过程。在连续压机生产线以1.5m/s的速度运行,生产线上两块人造板的间距小于0.4m,缺陷识别必须在3s之内完成,且识别正确率要达到95%。为了满足人造板缺陷识别的实时性、准确性的要求,提出基于随机森林(random forest,RF)的分类方法。首先通过区域筛选分割的方法提取缺陷纹理、形状特征;再次利用上述提取出的特征值用CART算法构建RF;最后利用RF分类。本研究证明基于RF算法的分类器用于人造板表面缺陷在线识别的可行性和优势,能够实现人造板表面缺陷的快速、准确识别,满足人造板缺陷在线检测系统的需求。

基于剪枝决策树的人造板表面缺陷识别

连续压机生产线的发展,使人造板实现自动化生产,但缺陷检测环节仍为人工.缺陷识别是检测中的一个重要环节,是根据缺陷特征值利用分类器进行识别的过程.由于人造板连续生产,实时性要求高,为实现缺陷的快速、准确识别,提出了一种基于剪枝的CART树对人造板进行缺陷识别.通过对已有的人造板缺陷图像进行预处理、分割,获得缺陷的形状、纹理特征作为输入,通过基于Gini指数的CART算法生成CART树.针对于自由生长的CART树容易出现过拟合的问题,利用代价复杂度算法对生成的CART树进行剪枝,通过十折交叉验证对剪枝前后的子树进行比较,获得最优子树.通过实验证明剪枝后的CART树缺陷识别正确率高达93%,满足人造板缺陷识别的实时性和正确率的要求,可以实现人造板在线缺陷检测.

基于PLC的X射线无损检测系统研究

研制基于PLC的X射线无损检测系统,系统主要应用于木材内部结构成像,呈现出横切面、径切面和弦切面木材内部图像。设计搭建西门子S7-1200PLC控制系统、升降旋转检测平台、CT检测设备,编写下位机控制程序和上位机人机交互界面。调试设备,将木材试样放于升降旋转检测平台中心,开启升降旋转检测平台和CT检测设备。在对木材试样进行扫描的过程中,X射线源发射扇形束X射线,X射线穿透木材试样。由X射线探测器接收数据,上传至上位机进行数据处理,完成图像重建。本研究完成了无损检测系统平台的设计调试,精确控制升降旋转检测平台动作,旋转精度达0.01°/s,升降精度达0.01mm/s。精确、稳定的运动控制使采集的投影数据准确可靠,实现了木材内部的高质量横经弦三切面成像。设计双伺服电机同步控制系统,实现基于PLC的X射线无损检测平台高精度控制,旋转和升降精度均达到较高水平,同步性能优越,完全满足科研人员对木材扫描要求,重建出高质量、高分辨率的木材内部构造图像,为木材无损检测提供了新方法。

人造板在线同步图像采集系统设计与实现

针对基于机器视觉的人造板表面缺陷检测过程中因板面幅度大,运动速度快而导致获取的人造板图像模糊的问题,设计了人造板在线同步图像采集系统,实现在摄像的过程中相机与人造板保持相对静止,进而实现在线获取人造板高清图像。该系统由计算机、西门子1200系列1214-DC/DC/DC-PLC、松下伺服电机、工业相机、传送系统、同步跟踪装置及检测设备(光电开关、行程开关、接近开关、两个编码器)等组成。本研究对该系统进行硬件、软件设计后并进行相关的调试。本研究证明人造板在线同步图像采集系统设计的可行性,能够实现工业相机自动跟踪人造板的速度,到达摄像位置时进行摄像,完成人造板图像的高清采集,为后续人造板表面缺陷自动检测提供重要保障。

基于X射线木材断层扫描反投影算法中的最优滤波器选取

【目的】对比X射线计算机断层扫描图像重建算法中常用R-L、S-L、Cosine、Hamming和Hanning滤波器的重建图像效果,分析滤波函数重建图像质量,优选木材断层扫描图像重建中的最佳滤波器,为木材断层成像技术研究提供科学方法。【方法】依据CT成像原理,分析图像滤波过程,探讨不同滤波器工作特性和滤波器的设计步骤。首先将投影数据存放于二进制的二维数组,通过探测点编号和旋转角度确定每一点投影值,根据投影数据序列长度确定滤波器长度,将不同角度下的投影数据前后补零,使其构成3倍于原始长度的投影数据。然后进行一维快速傅里叶变换,并将频域结果与滤波器频域离散形式作乘积,对投影数据进行逐行滤波。最后,将乘积后的滤波结果进行傅里叶反变换得到时域中的投影数据,对比不同滤波器成像结果,对不同滤波器进行评价与分析。【结果】与未进行滤波的反投影重建图像相比,滤波后断层图像生长轮边界更清晰、伪影较少,边缘平滑;未经滤波处理直接反投影重建图像伪影严重,重建效果极差,生长轮、裂缝结构特征不清晰。采用R-L、S-L、Cosine滤波器滤波后断层图像边缘平滑、清晰,无向周边扩散现象,采用Hamming、Hanning滤波器滤波后图像伪影轻微,存在比较明显的波纹状伪影。从各滤波图像与检测模型图像的差异性来看,R-L滤波器滤波后图像质量最高,而Hamming滤波器滤波后结果误差最大。【结论】采用R-L滤波器得到的重建图像误差最小,图像最清晰,空间分辨率高,能有效去除伪影,滤波后的木材断层图像可准确判断缺陷形状、位置和大小。

移动人造板高清图像采集方法与装置运动学分析

【目的】提出一种适用于移动人造板的高清图像采集方法,解决生产线上相机与板材相对运动引起的图像模糊问题,为人造板表面缺陷自动化检测的可靠性提供保证。【方法】通过机械传动方式实现相机对人造板的同步跟踪,从根本上消除运动模糊。采用凸轮作为驱动机构,使相机与人造板同向运动并借助弹簧实现自动复位;通过合理设计凸轮轮廓线达到相机与人造板同向、等速运动的效果,消除相对运动。利用Adams软件进行运动学仿真,考察结构参数对从动件运动行为的影响,得出最优凸轮轮廓线,并开展试验检验凸轮机构运行效果,通过计算所采集在线图像的PSF函数对运动模糊改善程度作出评价。【结果】运动学仿真结果显示,增大基圆半径可降低凸轮转速,减小凸轮和从动件受力,并提高运行稳定性;匀速段压力角与运动周期呈正比,与主动和从动件间的相互作用力呈反比;滚轮半径变化不会影响相机运动规律,但实际轮廓线与滚轮半径不匹配会导致速度波动增大;摆线式加速方式可使相机加速度曲线连续、光滑,避免刚性和柔性冲击,可作为加速方式的首选。最终确定基圆半径80 mm、匀速段压力角20°、滚轮半径13.5 mm以及摆线式加速规律的凸轮机构并完成加工。基于该凸轮机构完成人造板在线图像采集并提取PSF函数以考察模糊改善效果,结果显示,与相机静止拍摄所得图像相比,同步拍摄得到的图像模糊长度显著降低,在速度0.05～1.2 m·s^(-1)范围内维持在±2像素以内,使图像中人造板及其缺陷近乎清晰。【结论】通过运动学仿真与试验相结合的方式验证了利用凸轮机构实现相机对移动人造板同步跟踪的可行性,有效解决了图像运动模糊问题,使得所拍摄图像人造板清晰度大幅提高,并可缓解传统图像处理耗时久的问题,为人造板表面缺陷在线检测创造了可能性,为人造板检测装置设计提供了新思路。