机器视觉在木材缺陷检测领域应用研究进展

被引：21

作者：

范佳楠

刘英

杨雨图

缑斌丽

机构：

[1] 南京林业大学机械电子工程学院

来源：

世界林业研究 | 2020年 / 33卷 / 03期

关键词：

机器视觉; 木材缺陷; 检测算法;

D O I：

10.13348/j.cnki.sjlyyj.2020.0020.y

中图分类号：

S781.5 [木材的缺陷]; TP391.41 [];

学科分类号：

082902 ; 080203 ;

摘要：

为了提高木材利用率,采用机器视觉来实现木材缺陷快速而稳定的检测,不仅可以克服人工检测效率低、劳动强度大、准确率低等弊端,而且对提高木材加工企业的智能化水平具有重要意义。文中概述了机器视觉检测技术及设备的国内外研究现状,介绍基于机器视觉检测木材缺陷所涉及的相关理论和算法研究,以及相关图像处理算法的优缺点;针对机器视觉应用在木材缺陷检测领域存在的不足,提出机器视觉木材表面检测应进一步向人工智能方向发展,以提高木材缺陷检测效率及准确性。

引用

页码：32 / 37

页数：6

共 32 条

[1]

基于双目视觉的原木材积检测方法研究.[D].赵亚凤.东北林业大学.2016, 02

[2]

基于机器视觉的实木地板分选技术研究.[D].胡峻峰.东北林业大学.2015, 01

[3]

基于流形支持向量机的木材表面缺陷识别方法的研究.[D].陈立君.东北林业大学.2015, 01

[4]

图像阈值分割关键技术研究.[D].龙建武.吉林大学.2014, 09

[5] Extraction and Exploratory Analysis of Texture Features on Images of Timber Defect [J].

Hashim, Ummi Raba'ah ;

Hashim, Siti Zaiton Mohd ;

Muda, Azah Kamilah ;

Kanchymalay, Kasturi ;

Jalil, Intan Ermahani A. ;

Anuar, Aznah Nor ;

Othman, Muhammad Hakim .

ADVANCED SCIENCE LETTERS, 2018, 24 (02) :1104-1108

[6]

A deep convolutional neural network approach to single-particle recognition in cryo-electron microscopy.[J].Yanan Zhu;Qi Ouyang;Youdong Mao.BMC Bioinformatics.2017, 1

[7]

An improved Otsu method using the weighted object variance for defect detection.[J].Xiao-cui Yuan;Lu-shen Wu;Qingjin Peng.Applied Surface Science.2015,

[8]

Recognition of boards using wood fingerprints based on a fusion of feature detection methods.[J].Tobias Pahlberg;Olle Hagman;Matthew Thurley.Computers and Electronics in Agriculture.2015,

[9] An application of principal component analysis method in wood defects identification [J].

Tafarroj, Mohammad Mahdi ;

Kalani, Hadi ;

Moavenian, Majid ;

Ghanbarzadeh, Afshin .

JOURNAL OF THE INDIAN ACADEMY OF WOOD SCIENCE, 2014, 11 (01) :33-38

[10]

An improved binarization algorithm of wood image defect segmentation based on non-uniform background.[J].Wei Luo;Liping Sun;.Journal of Forestry Research.2019, 04

← 1 2 3 4 →