基于CT技術和分形特征的木材物理性質及缺陷檢測研究.pdf

1、森林是人類非常重要的資源,多年來由于我國森林被嚴重采伐,森林資源銳減,木材的供應量遠不能滿足實際的需求。為了實現木材的可持續(xù)發(fā)展,我們必須深入研究樹木生長規(guī)律,積極探索符合樹木生長的營林措施,加強木材結構與性質的研究,提高其綜合利用率和循環(huán)利用率,合理取材,節(jié)約用材。
　　 隨著無損檢測技術和計算機技術的發(fā)展,木材無損檢測技術將向著智能化、自動化方向發(fā)展,發(fā)展的首要條件要能在不破壞木材本身的條件下,實施木材各種物理性質的檢測。本

2、文正是基于在不破壞木材本身的思想指導下,探索一種如何快速檢測木材物理性質的新方法,即采用CT技術檢測木材物理性質,采用CT技術與分形理論相結合檢測原木內部缺陷,在此基礎上做了如下的研究:
　　 (1)用CT機檢測木材:經過多次照射,取得原木橫截面掃描圖像,確定適合木材檢測的CT機掃描條件:掃描電壓80KV～100KV,掃描電流30mA～80mA,掃描層厚可根據實際檢測需要設定,一般5mm～10mm。在清晰的木材CT圖像上,采集C

3、T值,用統(tǒng)計數學求區(qū)間平均值的方法確定CT值的上、下限,根據CT值的上、下限確定CT窗口大小,即窗寬和窗位,計算平均CT值。
　　 (2)選取紅松、水曲柳、興安落葉松等15種(其中14種具有北方代表性的樹種,1種南方樹種做對比)樹種,加工成實驗試樣,分成二組,一組用于實驗,另一組做校驗用。對試樣進行CT掃描,計算每個試樣的平均CT值;用流體靜力稱衡法測得各試樣平均氣干密度。令每塊試樣的平均氣十密度與自身平均CT值對應,采用實用統(tǒng)

4、計軟件STATISTICA6.0,擬合數學方程,得出試樣平均密度與CT值的關系曲線,用此數學模型預測另一組試樣的密度,結果表明,與實測相吻合,相關系數達0.9以上,說明每種樹種試樣CT值與平均氣干密度有顯著相關性。
　　 (3)選取四種北方常見、分布較廣、具有代表性的樹種:水曲柳、榆樹、白樺、紅松,加工成實驗試樣。每一樹種為一組,共分四組,每組試樣分成兩部分,一半用于實驗,一半用于校驗。首先測定每塊試樣質量;然后對試樣進行CT掃

5、描,計算每塊試樣的平均CT值;最后采用測含水率的通用方法——烘干法測每塊試樣含水率。各樹種以每塊試樣含水率與自身平均CT值為對應,采用實用統(tǒng)計軟件STATISTICA6.0擬合出每種樹種的含水率與CT值的數學模型,即分別擬合出水曲柳、榆樹、白樺、紅松的CT值和含水率曲線。實驗結果顯示,用二次方程擬合較好,相關系數達0.9以上。用校驗試塊做預測實驗,結果與所得數學模型預測含水率吻合良好。說明所得數學方程可用于預測木材含水率。
　　

6、 (4)研制開發(fā)了在WINDOWS環(huán)境下原木無損檢測圖像處理系統(tǒng),系統(tǒng)除了包含傳統(tǒng)的圖像處理功能外,加載了分形特征檢測,包括基于布朗運動的分形維特征和分形截距特征的檢測,此系統(tǒng)的最大優(yōu)點是:能使原木缺陷CT圖像的分形特征最大限度地表現出來。
　　 在原木缺陷的檢測方面,本文對原木內部比較典型的三種缺陷:裂紋,節(jié)子,蟲眼三幅CT圖像進行了圖像處理,分別采用布朗分形維特征參數檢測、分形截距特征參數檢測以及布朗分形維特征和分形截距特征

7、聯合形成新的特征參數檢測,實驗結果表明,三種分形特征參數均能檢測出缺陷的邊緣,但由于布朗分形維特征和分形截距特征結合,加強了缺陷邊緣和背景的對比度,檢測后缺陷的邊緣更加清晰,比Robert算子、Sobel算子等傳統(tǒng)算子檢測和單獨分形參數檢測的圖像分辨率高,且缺陷邊緣連續(xù),偽邊緣少。由此可見,分形維特征參數和分形截距特征參數相結合的檢測方法能很好的反映出原木CT圖像的缺陷邊緣特征,該方法在不破壞原木本身形狀、原有結構和動力狀態(tài)的前提下,為

8、原木內部缺陷邊緣檢測提供了一種有效的新方法,為合理取材提供了準確的信息。
　　 總之,以上實驗結果表明,在檢測木材時,只要選擇適當的CT機參數,即可取得清晰的木材CT圖像;CT值可以預測木材密度和木材含水率,預測結果與實際測量結果相吻合;且原木CT圖像經分形特征參數處理后,能更清晰顯示原木缺陷邊緣。因此通過實驗結果得出如下結論:基于CT技術和分形特征參數檢測木材密度、含水率及圖像處理是非常成功的,可以達到在不破壞木材的前提下,快