基于CT技術(shù)和分形特征的木材物理性質(zhì)及缺陷檢測(cè)研究.pdf

1、森林是人類非常重要的資源,多年來由于我國(guó)森林被嚴(yán)重采伐,森林資源銳減,木材的供應(yīng)量遠(yuǎn)不能滿足實(shí)際的需求。為了實(shí)現(xiàn)木材的可持續(xù)發(fā)展,我們必須深入研究樹木生長(zhǎng)規(guī)律,積極探索符合樹木生長(zhǎng)的營(yíng)林措施,加強(qiáng)木材結(jié)構(gòu)與性質(zhì)的研究,提高其綜合利用率和循環(huán)利用率,合理取材,節(jié)約用材。
　　 隨著無損檢測(cè)技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展,木材無損檢測(cè)技術(shù)將向著智能化、自動(dòng)化方向發(fā)展,發(fā)展的首要條件要能在不破壞木材本身的條件下,實(shí)施木材各種物理性質(zhì)的檢測(cè)。本

2、文正是基于在不破壞木材本身的思想指導(dǎo)下,探索一種如何快速檢測(cè)木材物理性質(zhì)的新方法,即采用CT技術(shù)檢測(cè)木材物理性質(zhì),采用CT技術(shù)與分形理論相結(jié)合檢測(cè)原木內(nèi)部缺陷,在此基礎(chǔ)上做了如下的研究:
　　 (1)用CT機(jī)檢測(cè)木材:經(jīng)過多次照射,取得原木橫截面掃描圖像,確定適合木材檢測(cè)的CT機(jī)掃描條件:掃描電壓80KV～100KV,掃描電流30mA～80mA,掃描層厚可根據(jù)實(shí)際檢測(cè)需要設(shè)定,一般5mm～10mm。在清晰的木材CT圖像上,采集C

3、T值,用統(tǒng)計(jì)數(shù)學(xué)求區(qū)間平均值的方法確定CT值的上、下限,根據(jù)CT值的上、下限確定CT窗口大小,即窗寬和窗位,計(jì)算平均CT值。
　　 (2)選取紅松、水曲柳、興安落葉松等15種(其中14種具有北方代表性的樹種,1種南方樹種做對(duì)比)樹種,加工成實(shí)驗(yàn)試樣,分成二組,一組用于實(shí)驗(yàn),另一組做校驗(yàn)用。對(duì)試樣進(jìn)行CT掃描,計(jì)算每個(gè)試樣的平均CT值;用流體靜力稱衡法測(cè)得各試樣平均氣干密度。令每塊試樣的平均氣十密度與自身平均CT值對(duì)應(yīng),采用實(shí)用統(tǒng)

4、計(jì)軟件STATISTICA6.0,擬合數(shù)學(xué)方程,得出試樣平均密度與CT值的關(guān)系曲線,用此數(shù)學(xué)模型預(yù)測(cè)另一組試樣的密度,結(jié)果表明,與實(shí)測(cè)相吻合,相關(guān)系數(shù)達(dá)0.9以上,說明每種樹種試樣CT值與平均氣干密度有顯著相關(guān)性。
　　 (3)選取四種北方常見、分布較廣、具有代表性的樹種:水曲柳、榆樹、白樺、紅松,加工成實(shí)驗(yàn)試樣。每一樹種為一組,共分四組,每組試樣分成兩部分,一半用于實(shí)驗(yàn),一半用于校驗(yàn)。首先測(cè)定每塊試樣質(zhì)量;然后對(duì)試樣進(jìn)行CT掃

5、描,計(jì)算每塊試樣的平均CT值;最后采用測(cè)含水率的通用方法——烘干法測(cè)每塊試樣含水率。各樹種以每塊試樣含水率與自身平均CT值為對(duì)應(yīng),采用實(shí)用統(tǒng)計(jì)軟件STATISTICA6.0擬合出每種樹種的含水率與CT值的數(shù)學(xué)模型,即分別擬合出水曲柳、榆樹、白樺、紅松的CT值和含水率曲線。實(shí)驗(yàn)結(jié)果顯示,用二次方程擬合較好,相關(guān)系數(shù)達(dá)0.9以上。用校驗(yàn)試塊做預(yù)測(cè)實(shí)驗(yàn),結(jié)果與所得數(shù)學(xué)模型預(yù)測(cè)含水率吻合良好。說明所得數(shù)學(xué)方程可用于預(yù)測(cè)木材含水率。
　　

6、 (4)研制開發(fā)了在WINDOWS環(huán)境下原木無損檢測(cè)圖像處理系統(tǒng),系統(tǒng)除了包含傳統(tǒng)的圖像處理功能外,加載了分形特征檢測(cè),包括基于布朗運(yùn)動(dòng)的分形維特征和分形截距特征的檢測(cè),此系統(tǒng)的最大優(yōu)點(diǎn)是:能使原木缺陷CT圖像的分形特征最大限度地表現(xiàn)出來。
　　 在原木缺陷的檢測(cè)方面,本文對(duì)原木內(nèi)部比較典型的三種缺陷:裂紋,節(jié)子,蟲眼三幅CT圖像進(jìn)行了圖像處理,分別采用布朗分形維特征參數(shù)檢測(cè)、分形截距特征參數(shù)檢測(cè)以及布朗分形維特征和分形截距特征

7、聯(lián)合形成新的特征參數(shù)檢測(cè),實(shí)驗(yàn)結(jié)果表明,三種分形特征參數(shù)均能檢測(cè)出缺陷的邊緣,但由于布朗分形維特征和分形截距特征結(jié)合,加強(qiáng)了缺陷邊緣和背景的對(duì)比度,檢測(cè)后缺陷的邊緣更加清晰,比Robert算子、Sobel算子等傳統(tǒng)算子檢測(cè)和單獨(dú)分形參數(shù)檢測(cè)的圖像分辨率高,且缺陷邊緣連續(xù),偽邊緣少。由此可見,分形維特征參數(shù)和分形截距特征參數(shù)相結(jié)合的檢測(cè)方法能很好的反映出原木CT圖像的缺陷邊緣特征,該方法在不破壞原木本身形狀、原有結(jié)構(gòu)和動(dòng)力狀態(tài)的前提下,為

8、原木內(nèi)部缺陷邊緣檢測(cè)提供了一種有效的新方法,為合理取材提供了準(zhǔn)確的信息。
　　 總之,以上實(shí)驗(yàn)結(jié)果表明,在檢測(cè)木材時(shí),只要選擇適當(dāng)?shù)腃T機(jī)參數(shù),即可取得清晰的木材CT圖像;CT值可以預(yù)測(cè)木材密度和木材含水率,預(yù)測(cè)結(jié)果與實(shí)際測(cè)量結(jié)果相吻合;且原木CT圖像經(jīng)分形特征參數(shù)處理后,能更清晰顯示原木缺陷邊緣。因此通過實(shí)驗(yàn)結(jié)果得出如下結(jié)論:基于CT技術(shù)和分形特征參數(shù)檢測(cè)木材密度、含水率及圖像處理是非常成功的,可以達(dá)到在不破壞木材的前提下,快