發(fā)布時(shí)間：2020-12-09 09:30

　　木材分類是木制家具制作的重要環(huán)節(jié)。木材表面的亮度明暗不一,紋理結(jié)構(gòu)精細(xì)復(fù)雜且天然無(wú)規(guī)律,使得依據(jù)木材表面亮度和紋理特點(diǎn)的分類任務(wù)一直是機(jī)器視覺(jué)與圖像處理領(lǐng)域的前沿課題。木材的表面缺陷對(duì)木制家具質(zhì)量具有較大的影響,木材缺陷形狀復(fù)雜,種類多樣,用常規(guī)方法不能達(dá)到人工檢測(cè)的檢測(cè)效果,如何提高木材的分選質(zhì)量和分類效率是木制家具生產(chǎn)過(guò)程中的重要環(huán)節(jié)。近年來(lái),視覺(jué)檢測(cè)技術(shù)迅速發(fā)展,使得通過(guò)機(jī)器視覺(jué)技術(shù)來(lái)完成木材分選成為可能。論文完成了三個(gè)方面的工作,1、木材成像采集系統(tǒng)設(shè)計(jì);2、木材分類方法的研究與設(shè)計(jì);3、木板缺陷識(shí)別算法的設(shè)計(jì)。在成像系統(tǒng)設(shè)計(jì)方面,設(shè)計(jì)了膠合木板成像實(shí)驗(yàn)平臺(tái)。實(shí)驗(yàn)平臺(tái)由相機(jī)、鏡頭、光源和木板模擬生產(chǎn)線組成。論文介紹了相機(jī)、鏡頭、光源的重要參數(shù),通過(guò)實(shí)驗(yàn)與理論計(jì)算設(shè)計(jì)了采樣效果最佳的成像平臺(tái),結(jié)合項(xiàng)目實(shí)際需求設(shè)計(jì)了木板實(shí)時(shí)分類系統(tǒng)的人機(jī)交互界面。在木材分類算法的設(shè)計(jì)方面,本文從人眼仿生角度出發(fā),提出一種基于多種特征融合的分類方法。將木材依據(jù)表面綜合亮度與紋理特性進(jìn)行綜合分類。通過(guò)動(dòng)態(tài)閾值分割,特征篩選,形態(tài)學(xué)處理等方法識(shí)別圖像中的木板區(qū)域。提取了基于灰度共生矩陣和仿人眼視覺(jué)分類標(biāo)... 

【文章來(lái)源】：沈陽(yáng)工業(yè)大學(xué)遼寧省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

木板實(shí)物圖

2.2 LA-GM-02K08A 型號(hào)線陣相機(jī)實(shí)物 2.2 LA-GM-02K08A linear camera physic輸入端的圖像質(zhì)量直接影響著系統(tǒng)

圖 2.3 直射光與漫射光Fig. 2.3 Direct and diffuse light統(tǒng)設(shè)計(jì)中，光源的照明方式至關(guān)重要，常見(jiàn)的照明方式分為 明視場(chǎng)下，反射光直接反射進(jìn)鏡頭 暗視場(chǎng)下，被照物體要指明的是，圖像中拍攝物體的亮度與照明方式?jīng)]有直接關(guān)

【參考文獻(xiàn)】：
期刊論文
[1]一種陶瓷方形扁平封裝外觀缺陷檢測(cè)方法[J]. 汪威,李浩然,張開(kāi)顏,李陽(yáng),吳兵碩.  半導(dǎo)體技術(shù). 2019(03)
[2]基于YOLO深度卷積神經(jīng)網(wǎng)絡(luò)的復(fù)雜背景下機(jī)器人采摘蘋果定位[J]. 趙德安,吳任迪,劉曉洋,趙宇艷.  農(nóng)業(yè)工程學(xué)報(bào). 2019(03)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)算法的圖像識(shí)別應(yīng)用研究[J]. 高薇,曾健民.  西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(01)
[4]結(jié)合YOLO檢測(cè)和語(yǔ)義分割的駕駛員安全帶檢測(cè)[J]. 吳天舒,張志佳,劉云鵬,郭婉妍,王子韜.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(01)
[5]基于機(jī)器視覺(jué)的鋼材表面缺陷識(shí)別方法分析[J]. 劉亞楠.  計(jì)量與測(cè)試技術(shù). 2018(12)
[6]基于YOLO模型的柔索并聯(lián)機(jī)器人移動(dòng)構(gòu)件快速定位方法[J]. 訾斌,尹澤強(qiáng),李永昌,趙濤.  機(jī)械工程學(xué)報(bào). 2019(03)
[7]基于YOLO v2模型的交通標(biāo)識(shí)檢測(cè)算法[J]. 王超,付子昂.  計(jì)算機(jī)應(yīng)用. 2018(S2)
[8]基于Darknet框架下YOLO v2算法的車輛多目標(biāo)檢測(cè)方法[J]. 李珣,劉瑤,李鵬飛,張蕾,趙征凡.  交通運(yùn)輸工程學(xué)報(bào). 2018(06)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的煤巖識(shí)別研究[J]. 章華,王靜,黃小平,金建,閃靜潔.  綏化學(xué)院學(xué)報(bào). 2018(12)
[10]基于YOLO模型的紅外圖像行人檢測(cè)方法[J]. 譚康霞,平鵬,秦文虎.  激光與紅外. 2018(11)



本文編號(hào)：2906675