基于双循环生成对抗网络和Dense-Net的木材缺陷检测方法

木材缺陷智能检测技术可以有效降低人工误检带来的经济损失,对提高木材加工智能化水平具有重要意义。提出了一种木材缺陷智能检测算法,通过双循环生成对抗网络(double least generative adversarial networks,DLGAN)及密集卷积网络(Dense-Net)来检测色差、虫眼、裂纹、节子和伤疤等5种木材常见缺陷。首先,使用DLGAN技术扩充数据集,提高数据集的多样性和数量,缓解了因训练数据不足而导致的过拟合问题;其次,基于Dense-Net的特点,采用密集的卷积块序列提高对微弱特征的提取和学习能力,以便更好地检测木材缺陷。试验结果表明,相比VGG16、Inception-v2、ResNet 3种经典卷积神经网络,基于DLGAN增广数据集训练的Dense-Net模型有效提高了木材缺陷检测模型的性能,平均准确率达到92.7%,在只使用少量训练数据的情况下模型依然具有良好的图像生成能力和训练鲁棒性。

基于小波与数学形态学的木材缺陷检测

木材缺陷检测是木材加工中的重要步骤,为了实现木材缺陷自动检测,提出了一种基于小波与数学形态学的缺陷检测方法。首先用多尺度小波对缺陷图像进行分解,滤除缺陷图像中的干扰信息,然后进行小波重构,在重构图像上进行形态学bottomhat变换,结合阈值处理和区域生长检测出各种木材缺陷。实验表明,该方法具有高效准确的特点,能够满足木材加工过程缺陷检测的实际需求。

木材缺陷检测技术研究概况与发展趋势

目前,在中国的木材加工和制造工序中,木材缺陷检测主要是通过手动视觉检测。由于手动操作的高强度和长时间,容易引起视觉疲劳,影响最终检测精度,手动检测效率非常低。21世纪,木材加工和生产向灵活性和知性方向发展。自动木材加工生产系统的开发速度快,数码木工机械的技术水平越来越高。在光电技术阶段,现代工业技术迅速发展,出现了超声波检测、X射线检测、红外线检测等许多光电检测技术。在信息开发阶段,随着计算机技术的快速发展,计算机视觉技术、人工智能、信息技术的概念在人们心中根深蒂固。数字信号和图像处理技术应用于木材缺陷检测,为木材缺陷检测技术提供了更高的开发平台。

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。

基于非对称椭圆的应力波木材缺陷断层成像算法

木材中的空洞、腐朽等缺陷在很大程度上影响着木材的力学性能。为实现木材内部缺陷的无损检测,提高木材利用率,提出了一种基于非对称椭圆的木材应力波无损检测算法。选取3个不同缺陷的原木样本作为实验材料,其中两个分别为位于中心以及边缘的人工圆形缺陷,一个为偏边缘的自然缺陷,采用自制的应力波检测设备获取木材截面内的波形数据。首先根据得到的射线速度值计算分段后的线段和交点的速度值,并进行校正;然后计算射线两侧不同的控制系数,确定射线影响区域;最后根据网格单元的速度值生成断层图像。数值仿真与实测结果表明,基于非对称椭圆的应力波断层成像算法能够精确地检测出原木样本的缺陷。从重建的断层图像可以看出:与基本椭圆插值方法相比,提出的算法能够更清晰地显示缺陷的大小及位置,应用混淆矩阵定量分析,在准确率、精确度和查全率3个参数指标上分别有7.46%,4.04%和22.24%的提升。基于非对称椭圆的木材应力波无损检测算法可以提高断层图像的精度,准确反映缺陷情况,对于木材缺陷的无损检测具有较好的参考作用。

基于改进LeNet-5模型的木材表面典型缺陷识别方法研究

针对传统木材缺陷识别方法效率低、精度不高及泛化能力差等问题,对传统LeNet-5模型进行改进:通过分别增加卷积层和池化层的层数至4层,以增加网络深度;采用批量归一化算法,以解决内部协变量位移过拟合的问题;改用Leaky Relu函数作为激活函数,并加入稀疏分类交叉熵作为损失函数,使用Adam作为优化器,来优化网络模型。应用改进LeNet-5模型对辐射松木材常见缺陷(结疤、裂痕)及无缺陷样本集进行识别试验,结果表明:相对于传统LeNet-5模型以及VGG19、AlexNet、ResNet-50三种经典模型,改进LeNet-5模型的训练集准确率最高为99.87%、验证集为99.43%,运算时间缩短,木材缺陷识别精度和效率提高。

基于深度强化学习的木材缺陷图像识别及分割模型研究

针对典型仿生智能算法处理木材缺陷图像精确识别及最优分割问题时存在的多维退化因素作用下的缺陷图像失真严重、缺陷图像先验特征提取方差波动频繁、质地不均匀缺陷图像灰度分割失效、异种木材自身纹理泛化能力与学习能力失衡、最优收敛速度随缺陷维度呈迟滞变化等先天不足,提出了一种基于深度强化学习的木材缺陷图像识别及分割模型。引入深度学习机制,利用深度卷积神经网络进行迭代训练,实现差异性木材多维缺陷图像特征实时高效提取,构建面向差异性木材多维缺陷精细分割与特征提取的全景自主感知模型,构建大数据量级木材缺陷特征共享资源池;引入强化学习机制,利用双重Q网络机制建立缺陷特征迭代更新、自主决策、全景可视、深度预测与缺陷图像识别之间的高维度决策映射,实现多维差异性木材缺陷图像精确识别及最优分割的横向共享集成。基于PyTorch开源框架,在Gym Torcs环境下进行模型效能仿真验证,较好解决了典型仿生智能算法处理木材缺陷图像精确识别及最优分割问题时存在的若干固有缺陷,实现木材缺陷图像精确识别及最优分割,具有缺陷特征感知全面、抗干扰性强、自主决策性高等优势。以浙江省湖州市南湖林场辖区内某经济林木为效能评价载体,对模型进行了工程应用分析,验证结果表明所提模型可以较好实现木材缺陷图像精确识别及最优分割,在感知自主性、最优收敛速度、分割全局最优性、缺陷图像保真度等方面具有明显优势。

基于深度强化学习的木材缺陷图像重构及质量评价模型研究

针对典型仿生智能算法处理木材缺陷图像感知及质量决策问题时存在的多维退化因素作用下的缺陷图像失真严重、缺陷图像先验特征提取方差波动频繁、质地不均匀缺陷图像灰度分割失效、异种木材自身纹理泛化能力与学习能力失衡、最优收敛速度随缺陷维度呈迟滞变化等先天不足,提出了一种基于深度强化学习的木材缺陷图像重构及质量评价模型。引入深度学习机制,通过利用深度残差网络进行迭代训练,实现差异性木材多维缺陷图像实时高效重构,构建面向差异性木材多维缺陷精细分割与特征提取的全景自主感知模型,构建大数据量级木材缺陷特征共享资源池;引入强化学习机制,利用深度确定性策略梯度算法建立缺陷特征迭代更新、自主决策、全景可视、深度预测与木材质量评价之间的高维度决策映射,实现多维差异性木材缺陷图像重构及质量评价的横向共享集成。基于Tensorflow开源框架,在Gym Torcs环境下进行模型效能仿真验证,较好解决了典型仿生智能算法处理木材缺陷图像感知及质量决策问题时存在的若干固有缺陷,实现木材缺陷图像自主感知重构及质量评价自主决策,具有缺陷特征感知全面、抗干扰性强、自主决策性高等优势。以浙江省湖州市南湖林场辖区内某经济林木为效能评价载体,对模型进行了工程应用分析,结果表明,该模型可以较好实现木材多维缺陷感知与重构、全局最优质量评价自主智能决策,在感知自主性、重构复现性、自主决策性、模型泛化能力等方面具有明显优势。

基于小波分析的应力波木材内部缺陷诊断研究

针对人工检测木材内部质量的缺陷存在的成本高,效率低等缺点,本文采用应力波无损检测对木材内部进行缺陷诊断,利用小波分析对采集到的应力波数据进行去噪处理,重构后的数据经FFT变换可得到清晰的缺陷木材共振频率。实验结果表明利用小波分析的检测方法结果准确,可以对木材内部缺陷定性诊断。

数字图像处理技术在木材科学中的应用

综述了数字图像处理技术在木材缺陷检测、木材结构和木材美学三个方面的研究进展,分析了其中存在的不足。结果表明,数字图像处理技术可实现木材虫眼、节子和腐朽等缺陷的快速准确识别;木材结构的图像分析对于气候变化、木材长势及力学性能研究均有一定的参考价值;利用数字图像处理技术可以提取出木材独一无二的纹理图案。展望了数字图像处理技术在木材科学中的应用前景,以及其在木材缺陷自动检测、物种识别和美学研究等方面的商业价值。

分水岭算法在林业中的应用

随着遥感技术的发展,无人机以及新型遥感数据的出现,越来越多的高分辨率影像被应用于林业资源监测。图像分割作为影像识别应用的基础,大量研究人员在原有的分水岭算法基础上针对不同的区域、背景、目标和研究方向进行了一定的改进,在林木病虫害监测、木材表面缺陷检测、单木冠幅分割、叶片提取等林业领域发展迅速。文中介绍了分水岭算法在林业中的应用,以期为分水岭算法在林业领域的推广以及进一步改进研究提供参考。