呢? 国际期刊的光学 1687 - 9392 1687 - 9384 Hindawi出版公司 10.1155 / 2016/7049523 7049523 研究文章 同时木材缺陷检测和物种与3 d激光扫描方案 http://orcid.org/0000 - 0001 - 7942 - 388 x 彭 赵 1 悦 李 1 肖 宁 1 al - Sulaiman Wadi 信息与计算机工程学院 东北林业大学 哈尔滨150040 中国 nefu.edu.cn 2016年 19 12 2016年 2016年 18 09年 2016年 22 11 2016年 2016年 版权©2016赵鹏et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

木头分级和木材价格主要是与木材缺陷和木材品种。摘要木材缺陷定量检测方案和木材品种同时定性识别方案,提出了基于三维激光扫描点云。首先,使用一个Artec 3 d扫描仪扫描木材表面的三维点云。每个3 d点包含它 X , Y , Z 协调和RGB颜色信息。预处理后, Z 协调当前点的值是与设置的阈值来判断是否一个缺陷点(即。腔,蠕虫隧道,和裂纹)。第二,深度优先搜索算法用于段保留缺陷点标注不同的颜色。集成算法用来计算每个缺陷的表面积和体积。最后,木材品种鉴定与木材表面的颜色信息执行。扫描点的颜色时刻用于分类,但缺陷点不习惯。实验表明,我们的方案可以精确测量腔的表面区域和卷,蠕虫隧道,木材表面裂纹与测量误差低于5%,它也可以达到95%的木材品种识别精度。

 中国国家自然科学基金 31670717 黑龙江省自然科学基金 C2016011 新世纪优秀人才在大学 ncet - 12 - 0809 中央大学的基础研究基金 2572014 eb05-01 1。介绍

木材品种和木材缺陷木材质量评估中两个关键问题,以判断不同的木材产品的物理性质和商业价值(如薄木片,木材,或董事会)正确( 1]。一些视觉形象特征被用于木材品种识别和可分为两大类:木材表面的纹理分析 2, 3和它的颜色分析 4, 5]。最近,木头光谱反射率特征也利用物种分类。更常见的方案在文献中考虑振动光谱( 6, 7)和拉曼光谱( 8]。例如,Piuri和Scotti提出一个方案的木材品种分类的基础上,分析荧光光谱( 9]。

至于木材表面的缺陷检测、光谱分析和激光扫描方案通常用于满足定性检测在木材外部缺陷(如腔,蠕虫隧道,节,或侵蚀)( 10- - - - - - 12]。研究人员还提出了一些方案检测木材内部缺陷通过使用x射线,伽马射线,微波,纵向应力波( 13- - - - - - 15]。例如,王等人结合小波变换和神经网络分析和识别不同类型和大小的木材内部缺陷使用超声波设备( 16]。

然而,同时调查木材品种和木材缺陷检测几乎表现做出客观的木材质量评估。事实上,木材品种检测和木材缺陷检测通常是执行不同的工具和技术。即使相同的仪器或技术等光谱分析可用于木材品种和缺陷检测,存在相互干扰,检测精度较低。例如,木材品种识别精度对木材单板木材表面如果有许多缺陷通过使用光谱反射特性。努力解决这个问题,我们使用3 d激光扫描仪器做出定性的木材品种识别和定量测量木材缺陷(即。,the precise measurement of surface area and volume of every external defect such as cavity, worm tunnel, and crack on the wood product’s surface) simultaneously. Therefore, the wood detection efficacy is improved by using our scheme and it can provide a better basis for the subsequent wood quality assessment.

 2。材料和方法 2.1。三维扫描

3 d扫描无损检测技术基于激光处理扫描速度快,扫描精度高。因此,它通常被用于对象的三维重建。在我们的方案中,一个便携式Artec三维激光扫描仪用于木材表面的三维点云,如图 1。这个扫描仪与可调小和便携式闪光灯和3 d扫描分辨率为0.5毫米。使用方便的数据存储格式。这个扫描仪配备软件系统Artec工作室9读扫描仪的数据,然后显示扫描物体的表面。对象的表面与仪器的校准 XOY飞机由这个软件,然后自动对象的表面与OBJ文件格式存储。例如,图 2说明了扫描木材表面Artec工作室9。每一个扫描点包含它 X , Y , Z 协调和RGB颜色信息。点的 X , Y , Z 缺陷检测中使用的坐标,而其RGB用于物种识别的信息。

一个便携式Artec三维激光扫描仪。

扫描木材表面Artec工作室9。

 2.2。缺陷分割

在本节中,需要执行两个步骤细分不同的缺陷。首先,每一个点的 Z 坐标是相对于设置的阈值来确定这个点是一个抑郁的缺陷(即。、腔、蠕虫隧道和裂纹)。第二,保留缺陷点处理与深度优先搜索算法细分不同的缺陷。缺陷点属于同一缺陷将标有相同数量并显示相同的颜色。一个详细的流程图如图 3显示不同的颜色,不同的缺陷,如图 4。

木材缺陷分割的流程图。

分割缺陷显示不同的颜色。

 2.3。缺陷测量

对于每个缺陷如每腔或蠕虫隧道,我们提出一种集成方案来计算它的表面积和体积。为了实现这一目标,我们需要每一个缺陷点扩展到一个小的表面。如图 5,每三个相邻缺陷点形成一个三角形平面,而每个缺陷点六个三角形的顶点的飞机。因此,我们应该每一个缺陷点扩展到普通六角表面模型,如图 6。在图 6,重点 O 是当前处理缺陷点与六个邻点 一个 ~ F 。我们画六midnormals O 一个 , O B , … , O F ,这六个midnormals六个顶点相交 P , 问 , R , 年代 , N , T 。这六个交叉点形成一个小紫正六边形。事实上,我们最后每个缺陷点扩展到这个小小的紫色的六边形 P 问 R 年代 N T 。

木材表面的网格图Artec工作室9没有颜色信息。

一个缺陷点扩展成一个紫色的六边形 PQRSNT。

对于每个缺陷的表面面积计算,我们应该首先计算的面积小的紫色的六边形 P 问 R 年代 N T 。定义 l 的平均距离值并行等对立 P 问 和 年代 N 在 P 问 R 年代 N T ,这个距离 l 可以近似的平均长度值六方 O 一个 , O B , O C , … , O F 。当我们计算每个缺陷点的面积(即。的面积, PQRSNT),那么我们可以总结所有缺陷点的地区的一个缺陷得到一个缺陷的总表面积,如所示 (1) 年代 = ∑ 我 = 1 n 3 2 · l 我 2 。

对于每个缺陷的体积计算,我们也应该同样扩展一个缺陷点 O 成六边形 PQRSNT。通过这种方式,我们可以总结所有缺陷点的卷的一个缺陷得到一个缺陷的总量,如所示 (2) V = ∑ 我 = 1 n 年代 我 · z 我 = ∑ 我 = 1 n 3 2 · l 我 2 · z 我 。 在( 2为每一个缺陷点),相应的卷 O 是近似的体积普通六角棱镜,如图 7。高度 h 近似表示为 z 我 的绝对值 Z 协调的 我 缺陷点。

普通六角棱柱模型体积的计算。

 2.4。物种鉴定

执行木材品种鉴定与木材表面的颜色信息。每一个扫描点包含它 X , Y , Z 协调和RGB颜色信息。点的RGB颜色信息来计算颜色矩特征用于随后的物种鉴定。显然,木材表面的缺陷点会打扰颜色矩特征的精确计算,这些缺陷点应该被删除。幸运的是,节 2。2,我们已经成功地提取这些缺陷点,因此可以有效地克服缺陷点的干扰。

以下三个颜色时刻用于RGB三个频道,我们可以得到9分类特性。的分类器设计,使用BP神经网络。 (3) α = 1 n ∑ 我 = 1 n P 我 , β = 1 n ∑ 我 = 1 n P 我 - - - - - - α 2 1 / 2 , γ = 1 n ∑ 我 = 1 n P 我 - - - - - - α 3 1 / 3 。

3所示。结果和讨论 3.1。缺陷检测

我们选择许多木制品腔,蠕虫隧道,或裂纹实验(见图就是一个例子 8)。Artec 3 d扫描仪用于木材表面的点云数据,和随后的缺陷分割和测量是由使用C语言编程。一个详细的缺陷检测结果见图 9。

发现木材标本。

详细的木材缺陷的测量结果。

为了客观地评价我们的缺陷检测方案的测量精度,设计了仿真实验。我们选择一些标准木董事会没有任何缺陷在光滑的表面,然后用电钻钻一些毛孔载有不同大小的表面。这些钻毛孔标准缸孔直径 4 米 米 ~ 20. 米 米 和高度 1 米 米 ~ 5 米 米 。我们使用我们的方案来计算这些圆柱的表面积和卷毛孔和标准的表面积和体积与油缸的计算面积和体积公式。通过这种方式,我们可以客观地确定方案的测量误差和详细的错误见表 1和 2。通过比较,我们可以看到,我们的测量精度降低逐渐当圆柱的高度增加。主要的测量误差是Artec扫描仪,扫描错误的执行表面扫描及其扫描误差将会增加抑郁缺陷的高度增加。但在汽缸内缺陷的身高3毫米,我们计划的测量好,相对误差小于5%。

对圆柱腔体积测量误差。

相对误差(%) D = 4 毫米 D = 6 毫米 D = 8 毫米 D = 10 毫米 D = 13 毫米 D = 16 毫米 D = 19 毫米
H = 1.0 毫米(%) 3.0 3.0 3.0 3.1 3.0 3.0 3.0
H = 1.5 毫米(%) 3.2 3.2 3.2 3.2 3.2 3.2 3.2
H = 2。0 毫米(%) 3.5 3.5 3.5 3.5 3.5 3.4 3.5
H = 2。5 毫米(%) 3.9 3.9 3.9 3.9 4.0 3.8 3.8
H = 3.0 毫米(%) 4.8 5.0 4.8 4.8 4.8 4.9 5.0

表面积测量误差对圆柱腔。

相对误差(%) D = 4 毫米 D = 6 毫米 D = 8 毫米 D = 10 毫米 D = 13 毫米 D = 16 毫米 D = 19 毫米
H = 1.0 毫米(%) 2。7 2。9 2。7 2。7 2。7 2。7 2。7
H = 1.5 毫米(%) 2。9 2。9 2。9 2。9 2。9 2。8 2。9
H = 2。0 毫米(%) 3.3 3.5 3.3 3.3 3.6 3.3 3.3
H = 2。5 毫米(%) 3.8 3.8 3.8 3.8 3.7 3.7 3.7
H = 3.0 毫米(%) 4.5 4.5 4.7 4.8 4.8 4.9 5.0
3.2。物种识别

在本节中,我们执行木材品种识别五个木材品种包括实验 桦木属platyphylla,杨树davidiana、抗旱性、云杉、和 落叶松人工林(例如, 英国石油(BP)、PD、PS、PJ和 LG)与2000年在中国东北地区的标本为每个木材品种(1000样本作为训练数据集和1000个样本作为测试数据集)。这里使用Matlab 6.5编程工具及其神经网络工具箱用于BP网络的训练和识别。培训频率是4000 BP网络和隐层节点数是19。网络的训练函数是trainbr。对于每一个木材品种,径向部分(RS)和切向部分(TS)执行,分别。详细结果见表 3和 4,我们可以看到,我们的方案与缺陷点的识别精度优于普通删除颜色基于当下的计划。

对我们的方案和模式识别精度比较普通的颜色基于当下方案(RS)。

计划 英国石油公司 PD PS PJ LG
我们的计划 95% 95% 96% 97% 96%
普通的方案 87% 85% 79% 89% 89%

对我们的方案和模式识别精度比较普通的颜色基于当下方案(TS)。

计划 英国石油公司 PD PS PJ LG
我们的计划 97% 95% 95% 94% 94%
普通的方案 88% 88% 81% 87% 85%
4所示。结论

在本文中,我们提出了一个同时木材缺陷和木材品种检测方案基于3 d扫描和信号处理。它可以测量木材表面的抑郁缺陷定量的面积和体积。此外,我们还发现,木材缺陷通常扰乱木材品种鉴定。因此,根据木材缺陷的检测结果,改进的木材品种识别提出的基于颜色的时刻也删除这些缺陷点。

例如,测量误差对木材缺陷的区域和卷可以大约不到5%如果缺陷的高度小于3.0毫米。此外,改进后的木材品种识别方案可以实现95%的识别精度大约5木材品种。因此,我们的木材质量检测方案是便携式和有效的,可以应用于实际的木材加工工厂。事实上,我们的计划可能会被进一步用于其他检测等领域的表面检测在线工业产品。

 相互竞争的利益

赵鹏博士宣称没有利益冲突有关的出版。

 确认

本研究是国家自然科学基金支持的中国批准号31670717和黑龙江省自然科学基金批准号C2016011。新世纪优秀人才支持的也在大学批准号ncet - 12 - 0809和中央大学的基础研究基金批准号2572014 eb05-01。

 摩尔 答:K。 欧文 n . L。 实木的红外光谱研究 应用光谱学评论 2001年 36 1 65年 86年 10.1081 / asr - 100103090 2 - s2.0 - 0035244485 Packianather m . S。 德雷克 p R。 神经网络分类图像的薄木片。第2部分 国际先进制造技术杂志》上 2000年 16 6 424年 433年 10.1007 / s001700050174 2 - s2.0 - 0033729614 中村 M。 那一定很有意思 M。 筱原 K。 Multiresolutional图像分析木材和其他材料 木材科学杂志》 1999年 45 1 10 18 10.1007 / bf00579518 2 - s2.0 - 0012080159 魏 Q。 崔 y . H。 xx B。 张 s Y。 确定选择的内部计算机断层扫描图像的黑云杉木材特性:比较研究 木材科学杂志》 2009年 55 3 175年 180年 10.1007 / s10086 - 008 - 1013 - 1 2 - s2.0 - 70349283471 菲尔普斯 j·E。 麦克吉尼斯 大肠。 增长质量评价黑胡桃木,双色的一部分分析单板生产在不同的网站 木头和纤维科学 1983年 15 2 177年 185年 Tsuchikawa 年代。 Hirashima Y。 佐佐木 Y。 安藤 K。 近红外光谱的研究木材的物理力学性质与中央和微尺度解剖观察 应用光谱学 2005年 59 1 86年 93年 15720742 10.1366 / 0003702052940413 2 - s2.0 - 12344333386 15720742 奥尔顿 c·R。 帕金森 d . Y。 埃文斯 p D。 欧文 n . L。 傅里叶变换红外异质性的研究,光降解木质素和半纤维素比率在硬木和软木 应用光谱学 2004年 58 11 1265年 1271年 15606929 10.1366 / 0003702042475385 2 - s2.0 - 9744250305 15606929 Lavine b K。 戴维森 c, E。 摩尔 a·J。 格里菲思 p R。 拉曼光谱和遗传算法的分类木材的类型 应用光谱学 2001年 55 8 960年 966年 10.1366 / 0003702011953108 2 - s2.0 - 0035414916 Piuri V。 Scotti F。 设计一个自动木类型分类系统,利用荧光光谱 IEEE系统,人,控制论C部分:应用程序和评论 2010年 40 3 358年 366年 10.1109 / tsmcc.2009.2039479 2 - s2.0 - 77951208277 雷柏 p K。 布伦纳 C . C。 Maristany a·G。 巴特勒 d . A。 分类木材表面特征的光谱反射率 木头和纤维科学 1996年 28 1 74年 90年 2 - s2.0 - 0030360099 克莱恩 d E。 Surak C。 Araman p。 自动化的硬木木材分级利用多个传感器的机器视觉技术 计算机和电子产品在农业 2003年 41 1 - 3 139年 155年 10.1016 / s0168 - 1699 (03) 00048 - 6 2 - s2.0 - 0242507739 Funck j·W。 钟 Y。 巴特勒 d . A。 布伦纳 C . C。 为 j·B。 图像分割算法应用于木材缺陷检测 计算机和电子产品在农业 2003年 41 1 - 3 157年 179年 10.1016 / s0168 - 1699 (03) 00049 - 8 2 - s2.0 - 0242507736 Longuetaud F。 Mothe F。 Kerautret B。 Krahenbuhl 一个。 Hory l Leban j . M。 Debled-Rennesson 我。 结自动检测和测量x射线CT图像的伍德:审查和验证改进算法的软木样本 计算机和电子产品在农业 2012年 85年 2 77年 89年 10.1016 / j.compag.2012.03.013 2 - s2.0 - 84860341280 高 年代。 王 N。 王 l 汉 J。 超声波传播领域的应用程序日志盘腔缺陷的定量识别 计算机和电子产品在农业 2014年 108年 3 123年 129年 10.1016 / j.compag.2014.07.015 2 - s2.0 - 84907334297 Bucur V。 站在树的超声波无损检测技术 超声学 2005年 43 4 237年 239年 15567199 10.1016 / j.ultras.2004.06.008 2 - s2.0 - 9944264451 15567199 王 l 李 l 气 W。 杨 H。 模式识别和大小确定木材内部缺陷的基于小波神经网络 计算机和电子产品在农业 2009年 69年 2 142年 148年 10.1016 / j.compag.2009.07.019 2 - s2.0 - 70349467743