基于可见光-近红外光谱与数字图像特征信息融合技术的木材识别初步研究

发布时间：2021-04-05 04:17

　　基于可见光-近红外光谱与数字图像特征信息的木材识别技术,可以充分利用光谱法与图像法两种方法的优势,有效地克服两种方法单独使用时的局限性,可为木材识别提供一种新技术。本论文分别利用可见光-近红外光谱技术和数字图像处理技术对51种木材树种进行木材识别的初步研究,并将可见光-近红外光谱与数字图像特征信息融合后对木材识别初步分类。同时,探讨了木材识别模型预测效果的影响因素,主要包括不同的光谱波段、不同的木材切面、不同光谱预处理方法以及不同的模式识别方法,以探究出较稳定的木材识别模型及其较好的预测结果,得出的结论如下:（1）400～780 nm、780～1100 nm、1100～2500nm、780～2500 nm 和 400～2500 nm 波段的原始光谱数据建立木材识别模型,其预测的总正确率分别为67.22%、70.59%、78.29%、86.14%和86.96%,结果初步表明,可见光-近红外光谱技术可以用于对51种木材树种进行快速判别分类。同时,比较了木材样品的横切面、径切面和弦切面对木材识别模型以及样品预测的影响,其预测结果分别为86.96%、75.07%和75.63%。结果表明木材横切... 

【文章来源】：中国林业科学研究院北京市

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

图２－１近红外光谱仪??

图２－２?５］种木材树种的原始可见光－近红外光谱谱图??Ｆｉｇ．２－２?Ｏｒｉｇｉｎａｌ?ｖｉｓｉｂｌｅ－ｎｅａｒ?ｉｎｆｒａｒｅｄ?ｓｐｅｃｔｒａ?ｏｆ?５１?ｗｏｏｄ?ｓｐｅｃｉｅｓ??

图２－３水曲柳样品不同切面的原始可见光－近红外光谱谱图??Ｆｉｇ．２－３?Ｏｒｉｇｉｎａｌ?ｖｉｓｉｂｌｅ－ｎｅａｒ?ｉｎｆｒａｒｅｄ?ｓｐｅｃｔｒａ?ｏｆ?Ｆ．?ｍａｎｄｓｈｕｒｉｃａ?Ｒｕｐｒ．?ｓａ?

【参考文献】：
期刊论文
[1]基于神经网络的人造板装饰纸表面色泽特征分类研究[J]. 李康,张毛毛,杨忠,吕斌.  林业工程学报. 2018(01)
[2]杉木木材结晶度的近红外预测模型建立及变异分析[J]. 胡梦霄,杭芸,黄华宏,张胜龙,童再康,楼雄珍.  浙江农林大学学报. 2017(02)
[3]基于近红外光谱与误差反向传播神经网络技术的三种人工林木材识别研究[J]. 庞晓宇,杨忠,吕斌,贾东宇.  光谱学与光谱分析. 2016(11)
[4]近红外光谱法快速测定速生桉木材性的研究[J]. 吴珽,房桂干,梁龙,崔宏辉,邓拥军.  造纸科学与技术. 2016(01)
[5]基于BP神经网络的木材近红外光谱树种识别[J]. 王学顺,孙一丹,黄敏高,黄安民.  东北林业大学学报. 2015(12)
[6]基于降噪处理的蒙古栎木材气干密度NIRS定标模型[J]. 李颖,李耀翔,徐浩凯,姜立春.  南京林业大学学报(自然科学版). 2016(06)
[7]近红外光谱分析技术在木材机械性能检测中的研究进展[J]. 张鹏,李耀翔.  森林工程. 2014(03)
[8]粗皮桉生长锥与中心条气干密度和弹性模量预测及相关性分析[J]. 赵荣军,周贤武,任海青,王玉荣.  东北林业大学学报. 2013(12)
[9]基于主成分分析与Fisher判别的NIR木材识别[J]. 杨金勇,李学春,黄安民,于仕兴,王学顺.  东北林业大学学报. 2013(12)
[10]基于颜色特征的地板层次分类研究[J]. 钱勇,白瑞林,倪健,杜斌.  计算机工程与应用. 2013(13)

博士论文
[1]木材横切面构造特征计算机视觉分析与树种分类识别研究[D]. 王秀华.东北林业大学 2005

硕士论文
[1]基于计算机视觉木材轴向薄壁组织提取技术研究[D]. 何炳全.浙江农林大学 2014
[2]基于近红外光谱技术的木材识别初步研究[D]. 刘亚娜.中国林业科学研究院 2014
[3]基于计算机视觉木材表面颜色分类的研究[D]. 王业琴.东北林业大学 2006



本文编号：3119120