基于机器视觉的实木板材优选系统研究

发布时间：2023-12-29 19:09

　　针对国内人均林木资源占有率低、木料综合利用率不高等现状,国家大力提倡木材加工企业应用智能化和自动化的木材优选加工设备,以切实提高实木板材出材的数量和品质。但是,国内大多数的木材加工企业因自身技术条件不过硬,或因研发的设备成本高昂,仍采用人工划线识别并加工的方法,这种情况必然导致实木板材的优选加工存在自动化程度低、人力成本花销大、缺陷识别主观性强且不精确、自动检测和锯切加工不智能等问题。为了解决这些现代化木材加工难题,本课题提出了基于机器视觉的实木板材优选系统研究,主要完成了下述研究内容:(1)本文以松木、杉木板材为研究对象,选取的板材试件包含活节、死节、裂纹、腐朽等主要天然缺陷。在搭建的图像采集装置上获取实木板材表面缺陷图像,通过查阅相关文献资料分析常见的木材天然缺陷形成原因以及对实木板材品质的影响。(2)基于Single Shot-multibox Detector算法(下文简称SSD)的实木板材缺陷检测。作为当下应用比较广泛的目标检测算法,SSD在目标识别精度和识别时间等性能上有着卓越的表现。本文在SSD算法的基础上进一步改进,利用特征金字塔网络结构进行高层语义和低层特征的融合,同...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 课题研究背景
        1.1.1 课题来源
        1.1.2 课题研究目的与意义
    1.2 国内外相关研究现状
        1.2.1 木材无损检测技术
        1.2.2 基于机器视觉的木材缺陷识别算法研究
        1.2.3 实木板材优选加工
    1.3 课题研究的主要内容及技术路线
        1.3.1 研究的主要内容
        1.3.2 课题研究技术路线
    1.4 论文的组织结构
第二章 基于机器视觉的实木板材优选系统
    2.1 设计需求
    2.2 实木板材缺陷分类及其特性
    2.3 实木板材优选加工系统的组成及功能
        2.3.1 图像采集
            2.3.1.1 CCD相机
            2.3.1.2 光照环境
        2.3.2 缺陷检测
        2.3.3 锯切加工和分类出料
    2.4 本章小结
第三章 基于SSD算法的实木板材表面缺陷检测
    3.1 常用的目标检测算法
        3.1.1 基于Region Proposal的目标检测算法
            3.1.1.1 R-CNN目标检测算法
            3.1.1.2 Fast R-CNN目标检测算法
            3.1.1.3 Faster R-CNN目标检测算法
        3.1.2 基于回归的目标检测算法
            3.1.2.1 YOLO算法
            3.1.2.2 SSD算法
    3.2 SSD算法的一般流程及相关理论
        3.2.1 SSD算法的一般流程
        3.2.2 特征默认边界框的映射
        3.2.3 SSD算法的目标损失函数
        3.2.4 深度残差网络
        3.2.5 特征金字塔网络
    3.3 基于改进SSD算法的实木板材表面缺陷检测
        3.3.1 实验环境
        3.3.2 样本准备
        3.3.3 基于SSD算法的木材表面缺陷检测
        3.3.4 对SSD算法的改进
            3.3.4.1 利用深度残差网络对SSD算法的改进
            3.3.4.2 利用特征金字塔网络对SSD算法的改进
    3.4 实验结果及分析
        3.4.1 实验结果对比
        3.4.2性能提升验证实验
    3.5 本章小结
第四章 实木板材优选加工系统
    4.1 倍福TWIN CAT3 系统
    4.2 实木板材优选加工系统设计
        4.2.1 通信和数据传输模块设计
            4.2.1.1 ADS通信模块
            4.2.1.2 基于ADS通信方式的数据传输实现
        4.2.2 实木板材优选加工
            4.2.2.1 优选加工流程
            4.2.2.2 加工模式设计
            4.2.2.3 进料和锯切的加工伺服系统设计
            4.2.2.4 HMI设计
    4.3 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
攻读学位期间发表的学术论文
参考文献



本文编号：3876264