摘要：为了解决木材加工过程中人工检测木材表面缺陷效率低、检测质量差异大等问题,运用计算机视觉技术,设计一种实时在线自动检测木材表面缺陷的检测系统。系统能够检测木材表面是否存在缺陷,并准确检测出木材表面缺陷的大小以及位置,将这些信息存储起来,以便后续指导木材加工设备对木材进行加工作业。该系统具有检测准确、速度快等特点。通过大量实验,得出检测的准确率达到92.33%,平均检测时间为2 ms,实验结果表明该系统具有可行性。

摘要：为了提高对木材表面缺陷图像分割的正确率,采用了环形Gabor滤波器将木材纹理图像变换到联合空间频率域,并在能量意义下定义了特征参数。根据多方向滤波结果形成缺陷图像的分割特征向量。结合模糊C均值聚类算法和数学形态学后处理操作提取出缺陷目标区域,分割正确率为98.29%。通过与基于灰度共生矩阵的分割方法进行比较实验,该方法平均分割精度比后者提高了4.22%,实验结果表明了该方法的可行性。

摘要：木材表面缺陷直接影响木材品质及其使用价值,表面缺陷的检测对于木材的科学利用具有十分重要的意义。目前大多数的木材表面缺陷检测都是对二维可见光图像进行处理得到缺陷相关的特征参数,本研究设计了基于3D结构激光的木材表面缺陷图像采集和识别系统,该系统可以采集到木材表面缺陷的灰度图和高度图,再采用HALCON软件对其进行处理以提取木材表面缺陷的特征值。实验结果表明,该系统可以快速准确地检测识别出木材表面的节疤、虫眼、凹痕等缺陷,具有非接触、高精度的优点。

摘要：为了解决当下我国木材加工过程中存在的人工检测木材质量效率低等问题,通过计算机的视觉技术,设计一种能够实施自动检测木材表面缺陷的系统。此系统能够在最短的时间内检测出木材表面是否有系统设定的缺陷,并且能够快速且准确的测定出此缺陷的种类、大小以及位置等,并将这些数据存在数据库当中,从而能够为后续的木材加工等工作提供理论性指导。基于OpenCV的木材表面缺陷检测系统具有检测准确、检测速度快等特点,并且通过大量的实验表明,检测的准确率达到了95%以上,平均检测时间不超过2ms,所以此类系统具有可行性。

摘要：为了识别死节、活节和虫眼三种木材表面缺陷类型,本文采用高斯-马尔可夫随机场模型提取木材表面缺陷图像的纹理参数,结合缺陷区域的矩形度和伸长度两个几何特征,形成14维特征向量。设计三层BP神经网络来识别缺陷的类型。试验表明,三种缺陷的整体识别正确率达到96.67%,验证了该方法的有效性。

摘要：针对木材表面的虫眼、结节和裂缝等缺陷,采用传统的人工检测人力成本较高,而采用图像处理技术提取的各种特征取决于人工经验,且受到噪声、光照等外界因素影响较大,其实际应用具有很大的局限性,因此提出基于深度卷积神经网络的木材表面缺陷检测方法。首先构建数据库,考虑到样本有限,采用了数据增强扩充样本数量;其次以在ImageNet数据集上获得优异性能的VGG16模型为基础,采用迁移学习,基于自建的小样本数据库微调该神经网络的后三个全连接层参数;最后利用重新训练好的深度卷积神经网络对测试图像进行检测,结果表明该网络在木材表面缺陷检测上达到了很好的性能。