基于多特征的成捆原木端面轮廓识别方法

为了准确地识别原木端面轮廓，建立了联合像素特征和边缘结构的成捆原木轮廓识别模型，引入支持向量机改进原木端面像素点的识别效果，并用最小二乘法对边缘轮廓进行圆拟合。实验结果表明，在图像背景、原木端面都不理想的情况下，该方法能较为有效地完成成捆原木端面轮廓识别。

基于圆形约束CV-LIF模型的原木端面图像分割

针对自然条件下原木端面图像的分割问题,结合原木端面图像的特点,改进传统CV(Chan and Vese)模型,对演化曲线内部使用梯度进行拟合,同时融入局部图像拟合LIF(Local Image Fitting)模型,加入圆形先验知识,提出了基于圆形约束的改进活动轮廓模型CV-LIF,将全局能量和局部能量结合到一起,共同约束轮廓线的演化。在对图像进行预分割的基础上,利用多水平集表示待分割区域,运用基于圆形约束的改进活动轮廓模型对每个水平集区域进行再分割,解决了复杂背景下多个原木端面分割不准确的问题。通过实验,分别对单个及多个原木端面图像进行分割,结果表明该方法可以较好地分割出图像中的原木端面,而且具有较好的抗噪性能,实现速度较快。

原木端面面积的数字图像检测方法研究

原木端面面积的自动检测是实现原木材积自动化操作的关键步骤。采用数字图像处理的方法,通过灰度变换、中值滤波、边缘增强、二值化和轮廓跟踪等技术处理,实现对原木端面面积的自动检测。试验证明,采用以上方法和技术处理可获得较准确的原木端面面积的检测结果。

基于六点定心理论的原木端面计算机视频定心检测理论应用研究

在旋切智能上木定心机器人实验台的定心作业过程中 ,定心数据采集主要包括原木四个截面、两种方式的定心处理 ,其中原木两端面的定心数据采集采用计算机视频检测方法。本文依据旋切原木六点定心理论 ,建立了原木端面视频数据采集的数学模型 ,满足了两端面的定心精度要求 。

原木端面图像检尺直径识别的一种算法

论述了应用计算机图像处理和识别技术来识别不规则圆形类目标的问题,以成捆原木端面图像为实例,提出一种原木端面检尺直径识别的算法。

融合BiFPN和YOLOv5s的密集型原木端面检测方法

针对成捆原木端面检测存在由于目标密集而形成的大量小目标难以精确识别的问题,提出融合BiFPN(bidirectional weighted feature pyramid network,双向加权特征金字塔网络)和YOLOv5s的密集型原木端面检测方法。为了提高密集原木图像中小目标的平均精度和查全率,模型中添加了一个小目标检测层以保留更多的浅层语义信息;为避免添加了小目标检测层后特征融合过程中的信息丢失,进而导致特征相对复杂的目标误检率、漏检率升高,融合简化版的BiFPN,在特征融合结构中加入跨尺度连接线以保留更多深层的语义信息,二者结合进一步提高了模型的鲁棒性。为了深入验证该模型的有效性,采取COCO公共数据集评判指标,将原木目标分为大、中、小3种目标并分别进行测试分析。试验结果表明:改进的模型对大目标的查全率和平均精度分别为99.70%和98.79%,调和均值为0.991;中目标的查全率和平均精度分别为98.02%和97.90%,调和均值为0.975,大目标和中目标相比于原模型性能几乎不变;小目标的查全率和平均精度为97.25%和96.86%,相比于原模型分别提高了20.96%和21.13%,调和均值0.973,相比于原模型提高了0.114。改进的模型检测速度为平均每张图片11.89 ms,模型参数量为14.4 MB,仅比原模型高了0.7 MB。因此,改进后的模型具有检测精度高、鲁棒性强、轻量化等特点,为实际环境复杂多变、数量庞大的密集原木端面检测提供了一种可行的方法。

基于RGB彩色空间的原木端面图像参数测算研究

[目的]根据原木端面图像的彩色特征,提出一种基于RGB颜色空间的彩色图像分割算法。[方法]选取图像中指定区域作为样本,统计样本中像素点的彩色分量,利用其彩色阈值区间,通过逐点匹配法对图像进行分割。[结果]该方法不仅消除了阴影干扰,而且能够准确地对原木端面进行分割。分割结果图像优化处理后,完整地反映出图像中的原木端面。采用目标图像外接矩形的内接椭圆算法对原木端面图像进行参数测算,结果表明,该算法的测算结果相对误差小于0.5%。[结论]基于RGB彩色空间的原木端面图像分隔方法分隔效果较优,参数测算结果较准确。

基于Lab颜色空间阈值分割的原木端面区域识别

从彩色图像中获得原木端面区域是实现原木检尺自动化的第一步,其效果将影响后续步骤。在提取原木端面区域的方法上,提出将原木彩色图像由RGB颜色空间转换为Lab颜色空间,标记图像中原木端面的部分区域,计算原木端面区域与背景间的颜色差异,借助差异直方图确定合理的阈值,滤除与原木端面差异大于阈值的像素点,实现对原木彩色图像背景的滤除。实验证明,采用以上的方法从彩色图像中提取原木端面区域能够获得较好的效果。

基于改进YOLOv4-Tiny的成捆原木端面检测算法

原木贸易过程中,原木材积的精确测量与经济效益直接相关。通常,同一批木材的长度相对固定,其材积计算依赖于原木端面检测算法。但是,原木端面形状各异、数量不一,给成捆原木端面检测带来巨大的挑战。因此,为了减少原木端面图像中的漏检原木数目,使模型能够更加完整地识别图像中的所有原木,同时考虑算法模型的可移植性,提出一种基于改进YOLOv4-Tiny的成捆原木端面检测模型,通过引入压缩和激励(Squeeze and Excitation,SE)网络实现注意力机制以增强目标原木的特征,同时将YOLOv4-Tiny的解码网络中的卷积层改为深度可分离卷积(Depthwise Separable Convolution,DSC),减少了模型的参数量。实验结果表明,所提出的模型能够有效地提高原始YOLOv4-Tiny的检测性能,精准率达到了93.3%,召回率达到了95.07%,同时模型的权重大小相比较原始模型减少了29.91%。

一种简易Hough变换圆检测的原木端面识别方法

提出一种简易Hough变换的圆检测方法,其参数空间为二维累加器,在没有嵌套圆的情况下大大提高了圆的检测效率。基于K-means聚类分割算法下,采用随机寻找到原木边缘上的一点,根据其梯度角信息搜索同一原木边缘上的其它两点来寻找潜在原木图像上的类圆,根据潜在类圆的圆心参数累积和原木边缘验证,进而判定潜在原木是否真实存在。

一种渐进式圆心定位的原木端面轮廓识别方法

Hough变换圆检测方法可以很好地检测出原木轮廓图像中的圆形轮廓,然而,部分原木端面轮廓是圆形轮廓的变形或带干扰边缘的圆形轮廓,因而无法正确地被识别.针对该问题,提出一种渐进式圆心定位方法.首先,通过迭代方法,由轮廓区域中被扫描到的某一点定位到圆心位置;其次,以被识别的圆心为中心,根据圆轮廓遴选模型,在待识别轮廓中确定最合适轮廓.实验结果证明方法的有效性.

基于色差聚类的原木图像端面检测与统计

针对自然环境下外界因素对原木截面检测的干扰,使用图像处理技术,以自然环境中原木堆放存储时图像为处理对象,设计了一种原木截面识别方法。通过色差值聚类将原木图像分割为原木截面、孔隙及背景,去除背景干扰提取原木端面;采用逐级开运算与改进分水岭算法,对端面进行分割计数。实验结果表明:在自然环境下的正检率91.88%,错检率5.08%,漏检率8.12%,满足了原木截面识别计数的需求。

基于圆弧的原木轮廓的识别与验证

针对原木端面存在相交圆、阴影等导致原木轮廓难以获得完整的圆轮廓问题,提出了基于圆弧的原木轮廓识别方法.首先分析了圆弧在数字化图像中的性质,从各种边缘线条中区分出圆弧边缘;其次,定义验证模型,以判断识别结果是否为合格圆.结果表明,该方法可以从大量干扰的边缘中找到轮廓,并利用部分轮廓边缘识别原木端面.

结合色彩特征和空域特征的成捆原木轮廓识别

成捆原木检尺自动化不仅能够提高生产效率,而且是林木资源管理的需要.通过图像处理得原木检尺直径和统计根数,这是实现检尺自动化中的重要环节.由于原木生产作业现场获取的成捆原木图像背景多样,拍照时自然光照条件不一,成捆原木轮廓识别需要较多的人工交互.通过研究成捆原木端面彩色图像中原木的色彩特征,利用它滤除大量的不相关背景,留下原木色彩近似的像素点;并结合拉普拉斯滤波器,获得原木边缘,实现成捆原木轮廓的分离,从而获得原木轮廓.

结合图像和图形特征的原木轮廓识别

针对原木端面存在污渍、裂痕和伐痕等导致原木轮廓难以被鲁棒地识别的问题,提出了结合图像和图形特征的原木轮廓识别方法.首先,引入YOLO V3,在对200多张原木图像样本进行学习后,实现利用图像信息进行目标检测;其次,利用原木轮廓图形上近似于圆的特点,采用轮廓重叠度计算和随机Hough变换校正YOLO V3识别结果的中心不准的问题.与同类原木图像的识别结果进行比较,结果表明,它能100%识别其中的完整原木,边缘的平均重叠度提高了10个点;在各类复杂端面轮廓情况下的识别结果中,该方法都有较好的鲁棒性,识别率达到98.8%.