面向拼接的鋸材原料紋理缺陷優(yōu)選方法研究.pdf

1、板材拼接能實現(xiàn)窄料寬用，小材大用，提高木材的綜合利用率。對原料表面顏色紋理進(jìn)行檢測優(yōu)選，使成材表面的顏色紋理和諧統(tǒng)一，直接影響產(chǎn)品的外觀質(zhì)量與經(jīng)濟(jì)價值。缺陷直接影響拼接板材的質(zhì)量等級，鋸材的優(yōu)選過程中應(yīng)對鋸材的表面缺陷的存在情況進(jìn)行判斷。本文從板材拼接的一致性出發(fā)，利用圖像處理和模式識別技術(shù)對拼接原料的顏色、紋理和缺陷進(jìn)行自動檢測分類，優(yōu)選出一組適合拼接在一起的鋸材，克服傳統(tǒng)人工目測方法勞動強(qiáng)度大、效率低的缺點。
　　考慮鋸材表面

2、顏色紋理的一致性，針對鋸材樣本的顏色優(yōu)選，由于鋸材顏色分布較為集中，本文利用L*a*b*顏色空間色差分辨力高和特征計算速度快的優(yōu)點，通過參考樣本的顏色特征設(shè)定所需要的顏色分布區(qū)間，判斷測試樣本的顏色特征值是否位于該區(qū)間內(nèi)實現(xiàn)顏色樣本的優(yōu)選。圖像的特征提取中，通過加權(quán)平均法實現(xiàn)圖像灰度化。針對鋸材樣本的表面紋理，本文將鋸材表面紋理分為弦切紋和徑切紋兩大類。選用雙樹復(fù)小波變換進(jìn)行3級分解，計算1個低頻子帶和18個高頻子帶的均值和標(biāo)準(zhǔn)差得到3

3、8維頻譜特征，結(jié)合整幅圖像的熵和標(biāo)準(zhǔn)差作為圖像特征表示。利用BP神經(jīng)網(wǎng)絡(luò)的分類結(jié)果對比了小波變換、曲波變換和本文特征提取方法，特征提取時間分別為0.023s、0.837s和0.067s，平均正確率分別為95％、97.8％和98.9％。雙樹復(fù)小波取得與曲波相當(dāng)?shù)恼_率，但是特征提取時間明顯降低。針對圖像特征的冗余性和無關(guān)性，采用粒子群算法進(jìn)行特征優(yōu)選，對于紋理樣本，從40個特征中優(yōu)選得到18個有效特征。通過60幅紋理測試樣本從正確率和時間

4、上驗證了粒子群算法的有效性。
　　最后，考慮鋸材表面可能存在缺陷以及優(yōu)選過程中紋理和缺陷分開識別存在效率較低的問題，本文結(jié)合圖像分塊和壓縮感知理論實現(xiàn)鋸材樣本紋理缺陷的協(xié)同分選。若鋸材有缺陷，則根據(jù)表面缺陷類別將鋸材定義為活結(jié)或死結(jié);若沒有缺陷，則根據(jù)表面紋理類別將鋸材定義為弦切紋或徑切紋。因此根據(jù)實際應(yīng)用，將樣本分為活結(jié)、死結(jié)、弦切紋和徑切紋四大類。提取圖像的紋理缺陷特征，建立紋理缺陷樣本庫，利用壓縮感知分類算法對測試樣本圖像的