【目的】提出一种基于数学形态学的木材单板节子识别改进算法,对木材单板表面节子进行快速识别和面积判断,旨在转化生产中由计算机智能控制自动分等代替人力分拣,提高木材单板分等效率。【方法】选取带有节子的木材单板为研究对象,以图像识别初步结果为基础,首先采集木材单板图像并进行灰度变换;然后根据灰度图像中节子和背景占据的不同灰度级范围,运用最大熵原理选择灰度阈值对图像进行分割,使节子从背景中初步分离出来;接着通过形态学运算去除各初选节子外部的干扰特征量,使节子外轮廓得以较准确显现;最后增加检出特征的外形轮廓判定,以防止板面可能存在的裂缝、污痕等其他特征量因颜色较深从背景中分离出来,被误检识别为节子。【结...

木材识别对木材科学和产业具有重要的意义,微观识别方法准确性高但过程繁琐,只有木材专家才能掌握。基于图像的智能木材识别方法是通过自动提取木材的识别特征来识别木材。该文提出了一种基于显微结构图像的木材导管自动提取方法,运用数学形态学的腐蚀、膨胀及开、闭运算进行去噪处理和边缘增强,将导管形态从阔叶材横切面显微图像中成功地提取出来。该方法为定量分析和提取阔叶材管孔式特征奠定了基础,是对基于图像的智能木材识别技术的有益探索。大量的试验表明,该方法是有效的。

【目的】针对传统木材种类人工鉴定方法存在的专业性强、任务重、周期长和非实时性等问题，提出一种基于改进残差神经网络的木材识别算法，以满足木材监管实时性和高效性需求。【方法】以32种横截面打磨后的木材为研究对象，首先，利用外带微距镜头的手机采集8 975幅木材横截面图像，通过R、G、B三通道平均灰度值计算增益系数，用各通道灰度值与对应增益系数的乘积代替原始通道灰度值，消除由图像采集设备和环境差异引起的偏色影响；其次，基于木材横截面宏观结构的自相似性，采用水平翻转、垂直翻转、添加椒盐噪声和图像分块方式获取更多的训练样本和图像特征，并保证不同种类的木材图像数量相对均衡；然后，通过双线性插值法将每幅分块子图像统一缩放至224×224像素，应用基于分块梯度加权的改进残差卷积神经网络ResNet101模型对每幅子图像进行特征提取，并计算每幅图像的最终识别得分；最后，选择平均准确率和平均召回率评价不同分块处理策略、不同模型和改进的残差卷积神经网络模型的识别结果。【结果】在同一测试集上，VggNet16、GoogleNet、DenseNet、MobileNetv3、ResNet50、ResNet101和ResNet152模型对32种相似木材横截面原图进行识别，平均识别准确率分别为71.3%、81.3%、83.2%、66.4%、87.9%、92.1%和90.5%,ResNet101模型适合于木材图像特征提取和种类鉴定；基于原图5×5、7×7和10×10分块的ResNet101模型，分别获得94.8%、96.5%和95.3%的平均准确率；将分块梯度加权策略应用于ResNet101模型，获得98.8%的平均准确率和99.1%的平均召回率，较基于原图、7×7分块的ResNet101模型，采用分块梯度加权方法改进的ResNet101模型的平均准确率分别提高6.7%和2.3%,平均召回率分别提高7.4%和2.8%,分块梯度加权方法可有效提升木材识别模型的准确率。【结论】基于分块梯度加权的ResNet101模型对32种相似木材进行识别，平均准确率为98.8%;木材横截面图像可用于木材种类识别，分块梯度加权策略能够提高模型识别准确率。

应用数学形态学理论,提出一种膨胀和腐蚀的快速算法运用于番茄不同病害果特征提取,运用计算机视觉技术,根据病害果的几何矩特征,应用神经网络技术进行番茄病害果识别.研究表明,该方法能准确识别番茄病害果的形状,满足分级的要求,识别率达90%以上.

分析木材单板节子缺陷图像的特点,提出一种基于AOS的扩展C-V模型及背景填充耦合的单板节子缺陷识别算法。首先,对Chan-Vese提出的基于Mumford-Shah模型的水平集图像分割算法进行改进,使分割速度得到提高;其次,用AOS算法改进原模型的差分格式,使得差分格式无条件稳定;最后,结合背景填充技术,使得到的新图像缩减了目标与背景间的特征差别。通过对比试验,表明该分割方法能够快速识别单板单个节子缺陷,充分说明该耦合方法比Chan-Vese方法及其改进方法有更好的分割效果。通过用多水平集作为初始轮廓演化曲线,结果表明该方法也可快速实现对单板多节子缺陷图像的识别,实现对单板节子图像的多目标分割...

该文针对智能整枝机视觉系统的需要提出一种以数学形态学为主的图像分割方法,解决了智能整枝机视觉系统中背景复杂下树木图像分割困难的问题.该方法分成5个步骤:①利用小波变换将图像进行压缩;②亮度矫正;③用分水岭算法对图像进行分割;④用区域合并法解决分水岭算法中的过度分割问题;⑤用中值滤波器滤除分割过程产生的孤立点.结果表明:该方法比Roberts算子、Sobel算子及Prewitt算子对树木图像的分割效果好,为立木整枝机视觉系统的深入研究打下了基础.

随着高空间分辨率遥感影像应用范围的不断扩大,传统基于灰度值的遥感图像分类方法很难满足实际需要.该文通过数学形态学方法,对高空间分辨率遥感全色图像进行处理,通过交互式选择训练区,构造包含形态学梯度、高帽变换和灰度均值的三维特征向量,利用Bayes最大似然分类器对高空间分辨率遥感图像不同土地利用类型进行自动识别,改善了分类精度.这种分类方法,可以用于指导森林资源监测、土地利用现状调查和国土荒漠化监测与评价的工程实践.

基于图像的智能木材识别方法是通过自动提取木材的识别特征来识别木材,对木材科学和产业具有十分重要的意义。提出了一种基于改进区域生长的木材导管形态特征提取方法:采用分治策略改进区域生长法实现木材横切面显微图像中导管细胞的快速分割,用链码跟踪技术提取了10个导管细胞的形态特征;选取了6种阔叶材树种的横切面显微图像进行仿真实验。实验结果显示:本文方法能提高导管细胞的分割速度;所提取的10个形态特征在给定的树种显微图像上具有较高的区分度,说明将本文方法用于阔叶材树种智能识别具有较强的可行性。

本文提出了衡量单板层积材强度中实木材性所占份额的贡献率概念，以揭示实木材性对单板层积材强度的贡献程度。以人工林杨木为对象，研究了实木材性对单板层积材强度的贡献率。结果表明，实木材性好或单板层积材中的单板较厚时，贡献率较高。材性较优的６９杨和材性居中的７２杨、材性较差的６３杨３个无性系杨木的平均贡献率分别为７４３４％、６７４８％、６４７２％，厚度为３５６５ｍｍ、２６１４ｍｍ、１５４５ｍｍ单板组配的单板层积材中的平均贡献率分别为７４００％、６７４８％和５８０６％。研究的６项强度性能中，杨木实木材性对抗剪强度、弹性模量和冲击韧性的贡献率较高，约为８０％。

昆虫图象作为一种更丰富的信息载体,正在成为多媒体信息处理时代昆虫学研究的重要对象。数学形态学是一种新兴的信号和数字图象处理和分析理论,对图象的处理主要以几何的形式刻划,很适合于昆虫图象的研究。本将数学形态学基本算法如二值图象和灰度象的噪声消除、边缘检测及梯度计算引入昆虫图象的处理之中,得到较好的效果,也为昆虫数学的建立提供了一些有益的资料。

木材单板染色有利于改善木材视觉特性 ,可以实现模仿珍贵树种木材的色泽 ,提高装饰效果 .该研究选取毛白杨和泡桐等阔叶树种木材单板采用酸性染料进行染色实验 ,结果表明 :纺织工业用酸性染料可用于木材染色 ,也可以采用几种染料混合复合染色 ;木材染色前的不同处理方法影响木材的染色效果 ;染色单板的变形程度有较大差异 ,平整度与木材密度相关 ;染料浓度、染色时间和染色温度等对染色效果有较大的影响 ,不同树种单板应采用不同工艺

【目的】基于可见/近红外光谱技术，以10种木材为研究对象，探索不同预处理和特征提取方法下BP神经网络识别木材的效果。【方法】利用美国ASD公司生产的LabSpec 5000光谱仪采集10种木材的光谱图，分别进行移动平均法处理、移动平均法+多元散射校正(MSC)、移动平均法+标准正态变量变换(SNV)、Savitzky-Golay卷积平滑算法(S-G滤波器)、S-G滤波器+MSC和S-G滤波器+SNV的预处理，运用主成分分析法(PCA)、连续投影算法(SPA)、SPA和遗传算法(GA)联合分别进行特征提取，将提取的特征结合BP神经网络进行木材识别试验。【结果】以SPA和GA联合提取光谱特征时，移动平均法+SNV的预处理效果最佳，以吸收峰为起始波段(W_(initial)=1 445 nm)、吸收峰个数为特征个数(N_(tot)=9)时，识别率较高，特征个数大部分减少为SPA提取特征值个数的一半左右。BP神经网络的平均识别速度提升明显。10种木材的平均识别率为98.0%，其中7种木材的识别率达到了100.0%。【结论】在移动平均法+SNV的预处理下，SPA和GA联合提取光谱图的特征，既可提高BP神经网络识别木材的正确率，又可提升识别速度。图3表6参23

本文以生长在３ 种长江滩地类型（ 江滩、洲滩、湖滩） 、３ 种栽植密度（３ｍ ×４ｍ ，４ｍ ×５ｍ ，５ｍ ×６ｍ） 下的３ 个品系人工林杨树，即［ 欧美杨无性系７２ 杨（ Ｐｏｐｕｌｕｓ×ｅｕｒａｍｅｒｉｃａｎａ ｃｖ．Ⅰ－ ７２／５８） ，美洲黑杨无性系６３杨（ Ｐ．ｄｅｌｔｏｉｄｅｓｃｖ ．Ⅰ－ ６３／５１） 和６９ 杨（ Ｐ．ｄｅｌｔｏｉｄｅｓ ｃｖ ．Ⅰ－ ６９／５５）（ 以下简称７２ 杨，６３ 杨，６９ 杨） 为对象，在研究人工林杨树木材性质与单板和胶合板质量关系的基础上，先用逐步回归筛选有关关键材性指标，然后再进一步模拟人工林杨树木材性质与单板和胶合板质量之间的关系。结果表明，...

本文以生长在３种长江滩地类型（江滩、洲滩、湖滩）、３种栽植密度（３ｍ×４ｍ，４ｍ×５ｍ，５ｍ×６ｍ）下的３个品系人工林杨树木材［欧美杨无性系７２杨（Ｐｏｐｕｌｕｓ×ｅｕｒａｍｅｒｉｃａｎａｃｖ．Ｉ－７２／５８），美洲黑杨无性系６３杨（Ｐ．ｄｅｌｔｏｉｄｅｓｃｖ．Ｉ－６３／５１）和６９杨（Ｐ．ｄｅｌｔｏｉｄｅｓｃｖ．Ｉ－６９／５５）］为对象，深入地分析了人工林杨树木材材性与单板和胶合板质量之间的关系。结果表明，７２、６３、６９杨木材旋切和制胶合板均能获得较低的单板厚度偏差和背面裂隙率及较高的胶合强度。７２、６３、６９杨单板厚度偏差与解剖性质中的纤维宽度、导管比量、木纤维比量在００１水平下相关极...