引入卷积块注意力模块的Attention U-Net木材表面裂纹检测方法

木材缺陷会影响木材的使用价值和使用期限,其中木材表面裂纹是严重影响木材外观质量和机械强度的一种木材缺陷。对木材表面裂纹的检测可以尽快发现此类缺陷木材,或为后续处理提供依据。针对现有的人工检测和自动化检测木材表面裂纹效率低、成本高、漏检率高等问题,采用引入卷积块注意力模块(convolutional block attention module,CBAM)的Attention U-Net深度学习模型对木材表面裂纹图像进行语义分割,从而达到木材表面裂纹检测的目的。引入的CBAM模块包含通道注意力机制和空间注意力机制,分别用于捕捉通道间的依赖关系和像素级的空间关系,该模块被添加到Attention U-Net网络的编码阶段,以增加感兴趣区域的权重并抑制冗余信息。最后,通过消融试验验证了Attention U-Net中加入CBAM对分割性能的提升。采用像素准确率(PA)、类别像素准确率(CPA)、召回率(Recall)、Dice系数、交并比(IoU)和平均交并比(MIoU)等语义分割评价指标评价各模型的优劣,并确定最佳模型及其参数。在自制木材表面数据集的裂纹分割中,使用AdamW优化器引入CBAM的Attention U-Net的PA、木材裂纹Recall、木材裂纹Dice系数、木材裂纹IoU、MIoU分别比使用SGD优化器的Attention U-Net原始模型提高了0.11%,4.14%,2.96%,3.58%和1.84%。结果表明,使用AdamW优化器引入CBAM的Attention U-Net能够较好地分割背景和木材表面裂纹,区分节点、表面纹理和木材裂纹,并将节点和表面纹理分割为背景。

两种建筑用重型无胶木基工程结构材介绍

近几十年来重型木基工程结构材在北美和欧洲备受青睐,逐步被应用于中高层木结构建筑的设计和建造中。本文主要介绍层板钉合木和层板销合木这两类重型无胶木基工程结构材的结构和性能特点,分析了其优缺点,并列举了相关应用实例。

木材断口表面分维与其主要力学性能关系的研究

用樟子松和青皮杨制作并测试了大小试件的抗弯强度、抗弯弹性模量、顺纹抗拉强度和冲击韧性等力学性能值;对试件的断口边界分形曲线求取了分维值;将各力学性能值与其对应的断口表面分维值作散点图并进行了回归分析。结果表明:樟子松和青皮杨的力学性能值与试件尺寸大小有一定的关系,小试件的力学性能测试值(冲击韧性除外)高于大试件,但是差异性并不显著;各试件的分维均值在1.05-1.34之间,差异并不大,而同种试材、同类断口的大小试件之间的分维均值差异更小,为0.003-0.007之间;试件的冲击韧性与其断口表面分维之间的线性关系最显著,抗弯强度与其断口表面分维之间的线性关系比较显著,而顺纹拉伸强度与断口表面分维之间线性关系不显著。

大青山山前洪积地林木种植效益浅析

通过对包头市大青山山前洪积地区3种林木的生长习性、用途及能够带来的经营效益进行估算比较,结果认为小黑杨纸浆林在第10～11年经济效益达到最大,可达6.7～7.7万元/km2,但是周期较长;建果园农场,从第5年开始,年收入达到5 000元/hm2以上;种植枸杞,从第4年开始,年收入可达3.0～4.5万元/hm2。经过对3种经济林培育的经济、生态和社会效益进行比较,认为在包头市大青山山前洪积地区种植枸杞的方案合理可行。

传统蒙古包内部装饰特征

近代传统蒙古包是蒙古族传统文化的重要组成部分，是游牧民族寄托情感的建筑形式和传统装饰艺术宝库。传统蒙古包的内部装饰，诠释了蒙古族对居住空间的理解，反映了蒙古高原的地域文化，既有美化生活、传递信息的使用功能，也有表现精神和情感需要的审美意识。

沙柳的低温热解特性研究

采用低温烘焙预处理的方法来探索沙柳生物质材料制备焙烧炭的工艺。探讨了不同焙烧温度、时间对沙柳焙烧炭的影响,分析了沙柳在不同温度、时间下对质量变化、能量得率及热值的影响。结果表明,随着热解时间延长,热解温度升高,生物质的热值显著升高,与常规热解法相比,在280℃以下对生物质进行焙烧,能量转化率变高,热值可以达到蒙精煤的标准,可以替代木柴、煤炭作生活生产用能。

纤维素塑料薄膜在离子液体中的制备及性能研究

采用聚合度为454的樟子松木质纤维素,通过使其在离子液体[BMIM]Cl中溶解来制备纤维素塑料薄膜。利用傅里叶红外光谱(FT-IR)、X射线衍射(XRD)、场发射扫描电子显微镜(FE-SEM)及热重分析(TG)等测试手段对木质纤维素及纤维素塑料薄膜的结构及性能进行表征。结果表明:经过离子液体溶解再生后,木质纤维素的化学结构没有发生衍生化反应,结晶结构由Ⅰ型变为Ⅱ型,结晶度下降;纤维素塑料薄膜表面光滑致密,热稳定性较木质纤维素有所降低,但是热残留率较高。

机器视觉在单板缺陷检测中的应用

单板是胶合板制造的主要原料。为了实现单板表面缺陷检测技术的智能化,降低人力成本,提高检测合格率,现已将机器视觉技术应用于缺陷检测中。在机器视觉系统中,图像处理和分析算法尤为重要。如何提高算法的准确性和鲁棒性一直是研究的重点。文中基于对大量文献和实验结果的分析,介绍机器视觉的应用现状,并对单板表面缺陷检测过程中的图像去噪、图像分割、特征提取等方法进行总结,概括相关方法的原理、特点、局限性以及适用范围,并对未来技术发展趋势进行展望。