摘要：基于深度学习的计算机生成技术,可实现产品设计效果图快速生成,对提升产品设计效率、降低人工劳动强度具有积极作用,也为高质量的图像生成提供了新思路。本研究提出了一种基于ControlNet的儿童床设计效果图生成方法。首先,采用Canny边缘检测算法对原始图像进行处理,得到对应的边缘图像;然后,利用控制分支网络从边缘图像中提取特征;最后,将提取的边缘特征融合到原有的扩散模型特征层中,并作为条件来控制ControlNet的生成过程,通过设置不同的随机数种子,可生成具有相同结构但不同配色的目标图像。以FID值、Inception Score值为指标,对试验结果进行定量评估,结果表明:相较于CycleGAN、ChipGAN、Style2Paints 3种图像生成模型,基于ControlNet生成的图像不仅拥有较好的多样性,其图像细节质量也有所提高,证明了所应用模型的有效性和合理性。同时,对基于ControlNet的儿童床设计效果图方法进行了专家评估,评估满意度达92.22%,进一步证明该方法的可靠性和适用性。将ControlNet应用于儿童床设计效果图工作是可行的,不仅可为设计师提供设计灵感,也可节省人力与物力成本,提高设计效率。

摘要：为了深入了解竹结构住宅的碳排放特性,基于全生命周期方法评价南京林业大学校园内一栋2层示范性竹结构住宅的碳排放量,提出相应的降碳策略,对比分析相同体量木结构(轻型木结构、胶合木结构)和钢结构住宅的碳排放差异。结果表明,竹结构住宅在运行阶段的碳排放量最多,约占其全生命周期碳排放总量的89.8%,竹材自身碳储量占建筑碳排放总量的8.8%。不同结构体系的竹木结构住宅全生命周期净碳排放量相差不大,而相同体量的钢结构住宅则因建材生产能耗高、保温隔热性能差的劣势,其碳排放量比3种竹木结构住宅碳排放量平均值高约89.9%。

摘要：【目的】针对板式家具零件表面缺陷人工检测过程存在的检测效率低、准确率低、检测结果无法数字化存储等问题,提出了一种基于图像分割和深度学习算法的饰面人造板表面缺陷的检测方法。【方法】利用工业相机采集人造板图像,构建缺陷数据集,采用全局阈值和局部动态阈值算法分割表面缺陷与图像截取,通过将ReLU6非线性激活函数替代ReLU函数,并引入倒残差结构的方法,优化MobileNetv 2深度学习网络,进行缺陷识别与分类。【结果】该方法对饰面人造板表面崩边和划痕缺陷的检测精确率分别达到了93.1%和97.5%,召回率分别为95.3%和97.6%,单张板件平均检测用时为163 ms。【结论】本研究提出的方法具有较高精度与稳定性,可解决传统人工检测方法的准确率低、效率低等问题,为家具板材表面缺陷的自动化检测提供新思路。

摘要：针对目前人工测量原竹壁厚及径级尺寸中存在的效率低、准确率低、自动化程度低等问题,提出一种利用脉冲式线阵激光相机并基于OpenCV图像处理库和编码器原理的原竹竹筒径级及壁厚尺寸测量方法。首先,采用中值滤波降低采集竹筒图像中的噪声;其次,采用全局阈值分割法分离背景和竹筒内壁纹理信息并通过Canny算子提取竹筒横截面轮廓;最后,基于提取轮廓的像素点坐标计算得到了竹筒直径及壁厚尺寸。试验结果表明,对于任意选取的12个不同尺寸的竹筒,该算法在径级和壁厚测量结果的准确度分别达到95.12%和93.25%,同时平均测量时间为810 ms,远优于人工测量。基于机器视觉的毛竹径级及壁厚的检测方法可以满足测量所需的准确度并提高测量效率,为利用机器视觉技术代替人工检测提供了理论依据。

摘要：机器视觉技术可实现物体尺寸的快速、非接触式检测,替代人工测量家具板件尺寸,解决测量效率低、连续性差等问题。本研究基于激光线阵相机与线结构光测量技术,构建一种适用于家具板件的三维尺寸在线测量系统,并分析该系统的测量精度与效率。家具板件在传送装置上以300 mm/s的速度作匀速运动,经过650 nm激光器照射的激光三角平面时,互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)传感器对家具板件表面反射的激光进行成像;使用锯齿靶标法标定,应用机器视觉软件Halcon读取相机标定文件和激光线阵相机生成的家具板件信息图像,经过图像处理,完成家具板件三维尺寸测量。结果表明:系统测量的板件厚度、宽度和长度,相对人工测量结果,最大偏差率分别为3.6%、0.5%和0.1%;对照QB/T4452—2013《木家具极限与配合》标准要求,测量的厚度最大差值小于IT15级公差值(<0.70 mm),宽度最大差值小于IT14级公差值(<1.00 mm),长度最大差值小于IT12级公差值(<0.90mm)。单件测量用时由人工测量的30.1s缩短至5.5s,表明系统的测量精度与效率优势。

摘要：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。

摘要：数控技术的应用是实现家具智能制造的关键,也是促进我国制造业发展的重要途径。阐述数控技术的构成、特点及其发展历程。以板式家具生产为例,介绍数控技术在我国家具制造开料、封边、钻孔等工序中的应用现状,提出开发自适应的数控应用程序、发展多元化数控技术、搭建数字化管控平台等发展策略。

摘要：概述了毛竹林带状采伐抚育技术研究和发展现状,对带状采伐及竹林抚育技术存在的问题进行了分析,并针对该方向的研究与发展提出建议。

摘要：在分析我国木家具制造车间的监控和管理现状的基础上,提出了基于可视化木家具生产车间监控系统的基本架构——多点信息采集系统、数据处理和调度系统、企业监控管理中心系统和现场信息反馈系统及相关的辅助设施,探讨了基本架构的功能特点,并从基本流程、信息采集、信息处理与调度、信息反馈等方面详细介绍了基于可视化木家具生产车间全程监控系统的监控过程与方法。在此基础上,总结了可视化监控系统在家具生产过程中的应用特点。该系统可为木家具生产机加工车间提供一个具有快速反应、有弹性、精细化特点的制造环境。

摘要：为探究家具企业数字化制造生产质量管控技术,通过对我国家具企业质量管理现状的调研,分析了质量信息管理中存在信息采集技术落后、信息处理和反馈不及时、信息流的集成不贯通、质量信息管理不规范等问题,确定了基于数字化制造时代家具生产质量管控方式指导思想和基本要求。探讨了基于数字化制造家具生产质量管控技术:建立标准化质量管理体系、健全质量BOM(bill of material)和搭建质量管控体系平台。依据质量管控信息流的组织办法,构建了家具生产质量管控信息流集成模型和家具生产质量管控信息流跟踪框架模型。