CN107345915A - 一种基于结构激光扫描技术的锯材表面缺陷的研究方法 - Google Patents
一种基于结构激光扫描技术的锯材表面缺陷的研究方法 Download PDFInfo
- Publication number
- CN107345915A CN107345915A CN201710553462.XA CN201710553462A CN107345915A CN 107345915 A CN107345915 A CN 107345915A CN 201710553462 A CN201710553462 A CN 201710553462A CN 107345915 A CN107345915 A CN 107345915A
- Authority
- CN
- China
- Prior art keywords
- mrow
- sawn timber
- mtd
- msub
- mfrac
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
Abstract
本发明公开了一种基于结构激光扫描技术的锯材表面缺陷的研究方法，包括以下步骤：获取锯材3D结构信息，测量锯材特征参数，在所述锯材待测表面的测量长度L范围内，计算锯材待测表面轮廓上各点至中线距离绝对值的算术平均偏差；若某测量长度内轮廓算术平均偏差值Ra大于预设粗糙度阈值，则获取该测量长度范围内的锯材图像，根据锯材图像中的参数计算确定表面节疤外观质量影响系数h、裂缝位置影响系数k、裂缝长度影响系数p，根据疤外观质量评价量值Qk和裂缝外观质量评价量值Qc构建锯材外观质量综合量化评价量值Q，并将Q分为四个等级。本发明在检测锯材表面粗糙度的基础上对其他锯材表面形态表征进行检测，提高了锯材表面检测效率以及检测效果。
Description
技术领域
本发明涉及农林行业中木材加工技术领域，特别是涉及一种基于结构激光扫描技术的锯材表面缺陷的研究方法。
背景技术
板材有多个外观特征，特别是表面材质缺陷、加工缺陷、色差和纹理，是决定外观质量的主要因素。国家标准GB/T5849-2006(细木工板)GB/T9846-2004(第4部分：普通胶合板外观分等技术条件)、GB/T13010-2006(刨切单板)、GB/T17656-2008(混凝土模板用胶合板)、GB/T19536-2004(集装箱底板用胶合板)、GB/T20241-2006(单板层积材)等，以及林业行业标准LY/T1654-2006(重组装饰单板)、LY/T1655-2006(重组装饰材)、LY/T1599-2011(旋切单板)、LY/T1738-2008(实木复合地板用胶合板)等中，都有关于板材外观质量的要求和限定，涉及到的主要影响因素有活节、死节、裂缝、孔洞、虫眼、变色、色差等。这些缺陷中节疤、裂缝是最为常见和对板材外观质量影响最大的因素。
外观质量(AppearanceQuality)是评价板材加工质量、使用价值和商品价值的重要指标，是影响单板利用和材质特性的重要因素。对于外观质量的评价，目前主要是通过视觉观察由业内专家做出评价或分级。然而，该方法缺乏客观性，而且是未量化的，因为它在很大程度上取决于特定专家的经验知识；同时如果考虑因素过多的话，就很难做出准确评价，特别是某些因素重复性和单一性的特点，在生产过程中很难达到在线生产要求；而且，随着劳力工资的不断增长，人工成本不断攀升，这已成为相关企业不可忽视的一项支出。
发明内容
本发明的目的是提供一种锯材表面检测效率高、检测效果好的基于结构激光扫描技术的锯材表面缺陷的研究方法，以解决上述现有技术存在的问题，从而在检测锯材表面粗糙度的基础上对其他锯材表面缺陷进行检测，使得锯材表面检测效率以及检测效果得以提高。
为实现上述目的，本发明提供了如下方案：一种基于结构激光扫描技术的锯材表面缺陷的研究方法，包括以下步骤：
获取锯材3D结构信息，进行信息处理后，测量锯材特征参数，所述特征参数包括锯材的长度a，锯材的宽度b，锯材待测表面的中线高度g、锯材待测表面的轮廓上各点的高度t；在所述锯材待测表面的测量长度L范围内，计算锯材待测表面轮廓上各点至中线距离绝对值的算术平均偏差，即轮廓算术平均偏差值Ra：
其中：L的取值范围为L1，L2…Ln；
分析比较各测量长度L1，L2…，Ln内轮廓算术平均偏差值Ra1，Ra2…，Ran，若测量长度L1，L2…或Ln内轮廓算术平均偏差值Ran小于预设粗糙度阈值，则不获取该测量长度范围内的锯材图像；若某测量长度内轮廓算术平均偏差值Ran大于预设粗糙度阈值，则获取该测量长度范围内的锯材图像，进行图像处理后，测量所述锯材图像的特征参数，包括所述锯材图像中节疤的长轴尺寸d，节疤的面积A，节疤个数M；
根据所述锯材图像中节疤的长轴尺寸d和锯材的宽度b计算确定表面节疤外观质量影响系数h，节疤影响系数h的计算公式：
其中，h的取值范围为1≤h1≤h2≤h3≤h4≤900；1≤h1≤150；150≤h2≤350；350≤h3≤650；650≤h4≤900；
根据表面节疤外观质量影响系数h、锯材面积、节疤面积计算确定锯材节疤外观质量评价量值Qk，节疤外观质量评价量值Qk的计算公式：
其中，An为第n个节疤的面积，M为所述锯材图像内的节疤个数，s为所述锯材图像面积；根据锯材的应用领域对锯材外观质量的要求，将Qk分为四个等级，Qk在0.98～1.0范围内时，对应锯材定义为一级质量锯材图像；Qk在0.90～0.97范围内时，对应锯材定义为二级质量锯材图像；Qk在0.70～0.89范围内时，对应锯材定义为三级质量锯材图像；Qk在0.00～0.69范围内时，对应锯材定义为四级质量锯材图像。
优选的，所述特征参数还包括锯材图像裂缝的长度E，裂缝沿长度方向距锯材边缘的最小距离e，裂缝个数N；
根据锯材图像中裂缝沿长度方向距锯材边缘的最小距离e计算确定锯材裂缝外观质量影响系数k，裂缝位置影响系数k的计算公式：
其中，k的取值范围为1.8≤k1≤2.0；1.5≤k2≤1.8；1.3≤k3≤1.5；1.0≤k4≤1.3；
根据锯材图像中裂缝长度E计算确定锯材裂缝外观质量影响系数p，裂缝长度影响系数p的计算公式：
其中，p的取值范围为1.0≤p1≤1.2；1.2≤p2≤1.6；1.6≤p3≤2.0；
根据裂缝位置影响系数、裂缝长度影响系数计算确定锯材裂缝外观质量评价量值Qc，裂缝外观质量评价量值Qc的计算公式：
其中，kn为第n个裂缝位置影响系数，pn为第n个裂缝长度影响系数；
根据疤外观质量评价量值Qk和裂缝外观质量评价量值Qc构建锯材外观质量综合量化评价量值Q，外观质量综合量化评价量值Q的计算公式为：
Q＝0.3QK+0.7QC
其中，Q分为四个等级，Q在0.98～1.0范围内时，对应锯材定义为一级质量锯材图像；Q在0.90～0.97范围内时，对应锯材定义为二级质量锯材图像；Q在0.70～0.89范围内时，对应锯材定义为三级质量锯材图像；Q在0.00～0.69范围内时，对应锯材定义为四级质量锯材图像。
优选的，根据各测量长度L1，L2…Ln内轮廓算术平均偏差值Ra1，Ra2…Ran，计算确定锯材粗糙度外观质量评价量值QRa，粗糙度外观质量评价量值QRa的计算公式：
其中，QRa分为四个等级，QRa在0.00～1.99范围内时，对应锯材定义为一级质量锯材；QRa在2.0～3.99范围内时，对应锯材定义为二级质量锯材；QRa在4.0～5.99范围内时，对应锯材定义为三级质量锯材；QRa在6.0～12.5范围内时，对应锯材定义为四级质量锯材。
本发明相对于现有技术取得了以下有益效果：
1、本发明提供的一种基于结构激光扫描技术的锯材表面缺陷的研究方法中首先对锯材待测表面进行轮廓算术平均偏差值Ra的计算，当测量长度L1，L2…或Ln内轮廓算术平均偏差值Ran大于预设粗糙度阈值时，则获取该测量长度范围内的锯材图像，即通过采用检测锯材待测表面粗糙度的方式，快速、准确的确定出锯材待测表面中需要检测的区域，并对该区域进行节疤、裂缝进行分析，进而得到该区域的节疤外观质量评价量值Qk、裂缝外观质量评价量值Qc以及外观质量综合量化评价量值Q，避免了现有技术中对锯材待测表面的图像进行整体分析导致数据处理量大、数据处理效率低的问题，提高了锯材待测表面的检测效率。
2、本发明提供的一种基于结构激光扫描技术的锯材表面缺陷的研究方法中为了进一步提高锯材待测表面的检测效率，还根据各测量长度L1，L2…Ln内轮廓算术平均偏差值Ra1，Ra2…Ran，计算确定锯材粗糙度外观质量评价量值QRa，并通过粗糙度外观质量评价量值QRa与预设阈值范围的比较，快速的粗选出待测锯材的质量分级，随后再将各测量长度L1，L2…Ln内轮廓算术平均偏差值Ra1，Ra2…Ran与预设阈值进行具体比较，进而通过节疤外观质量评价量值Qk、裂缝外观质量评价量值Qc以及外观质量综合量化评价量值Q精选出待测锯材的质量分级，即通过先粗选再精选的方式，使得锯材待测表面的检测效率得以提高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明中板材图像；
图2为本发明中图像处理后的板材图像；
其中，图1中Ⅰ、Ⅱ、Ⅲ、Ⅳ为获取的四块板材图像；图2中Ⅰ、Ⅱ、Ⅲ、Ⅳ为图1四块板材图像相对应的进行了图像处理后的板材图像。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种锯材表面检测效率高、检测效果好的基于结构激光扫描技术的锯材表面缺陷的研究方法，以解决上述现有技术存在的问题，从而在检测锯材表面粗糙度的基础上对其他锯材表面缺陷进行检测，使得锯材表面检测效率以及检测效果得以提高。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1-2所示，本发明提供的一种基于结构激光扫描技术的锯材表面缺陷的研究方法，包括以下步骤：
获取锯材3D结构信息，进行信息处理后，测量锯材特征参数，所述特征参数包括锯材的长度a，锯材的宽度b，锯材待测表面的中线高度g、锯材待测表面的轮廓上各点的高度t；在所述锯材待测表面的测量长度L范围内，计算锯材待测表面轮廓上各点至中线距离绝对值的算术平均偏差，即轮廓算术平均偏差值Ra：
其中：L的取值范围为L1，L2…Ln；
分析比较各测量长度L1，L2…，Ln内轮廓算术平均偏差值Ra1，Ra2…，Ran，若测量长度L1，L2…或Ln内轮廓算术平均偏差值Ran小于预设粗糙度阈值，则不获取该测量长度范围内的锯材图像；若某测量长度内轮廓算术平均偏差值Ran大于预设粗糙度阈值，则获取该测量长度范围内的锯材图像，进行图像处理后，测量所述锯材图像的特征参数，包括所述锯材图像中节疤的长轴尺寸d，节疤的面积A，节疤个数M；
根据所述锯材图像中节疤的长轴尺寸d和锯材的宽度b计算确定表面节疤外观质量影响系数h，节疤影响系数h的计算公式：
其中，h的取值范围为1≤h1≤h2≤h3≤h4≤900；1≤h1≤150；150≤h2≤350；350≤h3≤650；650≤h4≤900；
根据表面节疤外观质量影响系数h、锯材面积、节疤面积计算确定锯材节疤外观质量评价量值Qk，节疤外观质量评价量值Qk的计算公式：
其中，An为第n个节疤的面积，M为所述锯材图像内的节疤个数，s为所述锯材图像面积；根据锯材的应用领域对锯材外观质量的要求，将Qk分为四个等级，Qk在0.98～1.0范围内时，对应锯材定义为一级质量锯材图像；Qk在0.90～0.97范围内时，对应锯材定义为二级质量锯材图像；Qk在0.70～0.89范围内时，对应锯材定义为三级质量锯材图像；Qk在0.00～0.69范围内时，对应锯材定义为四级质量锯材图像。
其中，通过采用检测锯材待测表面粗糙度的方式，快速、准确的确定出锯材待测表面中需要检测的区域，并对该区域进行节疤、裂缝进行分析，进而得到该区域的节疤外观质量评价量值Qk，避免了现有技术中对锯材待测表面的图像进行整体分析导致数据处理量大、数据处理效率低的问题，提高了锯材待测表面的检测效率。
为了更加准确、详细的对锯材图像进行分析，本发明中特征参数还包括锯材图像裂缝的长度E，裂缝沿长度方向距锯材边缘的最小距离e，裂缝个数N；
根据锯材图像中裂缝沿长度方向距锯材边缘的最小距离e计算确定锯材裂缝外观质量影响系数k，裂缝位置影响系数k的计算公式：
其中，k的取值范围为1.8≤k1≤2.0；1.5≤k2≤1.8；1.3≤k3≤1.5；1.0≤k4≤1.3；
根据锯材图像中裂缝长度E计算确定锯材裂缝外观质量影响系数p，裂缝长度影响系数p的计算公式：
其中，p的取值范围为1.0≤p1≤1.2；1.2≤p2≤1.6；1.6≤p3≤2.0；
根据裂缝位置影响系数、裂缝长度影响系数计算确定锯材裂缝外观质量评价量值Qc，裂缝外观质量评价量值Qc的计算公式：
其中，kn为第n个裂缝位置影响系数，pn为第n个裂缝长度影响系数；
根据疤外观质量评价量值Qk和裂缝外观质量评价量值Qc构建锯材外观质量综合量化评价量值Q，外观质量综合量化评价量值Q(如表1所示)的计算公式为：
Q＝0.3QK+0.7QC
其中，Q分为四个等级，Q在0.98～1.0范围内时，对应锯材定义为一级质量锯材图像；Q在0.90～0.97范围内时，对应锯材定义为二级质量锯材图像；Q在0.70～0.89范围内时，对应锯材定义为三级质量锯材图像；Q在0.00～0.69范围内时，对应锯材定义为四级质量锯材图像。
| 图像 | Qk | Qc | Q |
| A | 0.8356 | 1.0000 | 0.9568 |
| B | 0.9861 | 1.0000 | 0.9958 |
| C | 1.0000 | 0.6573 | 0.7611 |
| D | 0.9176 | 0.1513 | 0.3812 |
表1
其中，A、B、C、D分别为四副不同锯材图像。
为了进一步提高待测锯材表面的检测效率，本发明中根据各测量长度L1，L2…Ln内轮廓算术平均偏差值Ra1，Ra2…Ran，计算确定锯材粗糙度外观质量评价量值QRa，粗糙度外观质量评价量值QRa的计算公式：
其中，QRa分为四个等级，QRa在0.00～1.99范围内时，对应锯材定义为一级质量锯材；QRa在2.0～3.99范围内时，对应锯材定义为二级质量锯材；QRa在4.0～5.99范围内时，对应锯材定义为三级质量锯材；QRa在6.0～12.5范围内时，对应锯材定义为四级质量锯材。即先计算确定锯材粗糙度外观质量评价量值QRa，并通过粗糙度外观质量评价量值QRa与预设阈值范围的比较，快速的粗选出待测锯材的质量分级，随后再将各测量长度L1，L2…Ln内轮廓算术平均偏差值Ra1，Ra2…Ran与预设阈值进行具体比较，进而通过节疤外观质量评价量值Qk、裂缝外观质量评价量值Qc以及外观质量综合量化评价量值Q精选出待测锯材的质量分级，即通过先粗选再精选的方式，使得锯材待测表面的检测效率得以提高。
本发明中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (3)
1.一种基于结构激光扫描技术的锯材表面缺陷的研究方法，其特征在于，包括以下步骤：
获取锯材3D结构信息，进行信息处理后，测量锯材特征参数，所述特征参数包括锯材的长度a，锯材的宽度b，锯材待测表面的中线高度g、锯材待测表面的轮廓上各点的高度t；在所述锯材待测表面的测量长度L范围内，计算锯材待测表面轮廓上各点至中线距离绝对值的算术平均偏差，即轮廓算术平均偏差值Ra：
<mrow>
<mi>R</mi>
<mi>a</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>L</mi>
</mfrac>
<munderover>
<mo>&Integral;</mo>
<mn>0</mn>
<mn>1</mn>
</munderover>
<mrow>
<mo>|</mo>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>g</mi>
</mrow>
<mo>|</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
</mrow>
其中：L的取值范围为0<L1＝L2…＝Ln<a；
分析比较各测量长度L1，L2…，Ln内轮廓算术平均偏差值Ra1，Ra2…，Ran，若测量长度L1，L2…或Ln内轮廓算术平均偏差值Ran小于预设粗糙度阈值，则不获取该测量长度范围内的锯材图像；若测量长度L1，L2…或Ln内轮廓算术平均偏差值Ran大于预设粗糙度阈值，则获取该测量长度范围内的锯材图像，进行图像处理后，测量所述锯材图像的特征参数，包括所述锯材图像中节疤的长轴尺寸d，节疤的面积A，节疤个数M；
根据所述锯材图像中节疤的长轴尺寸d和锯材的宽度b计算确定表面节疤外观质量影响系数h，节疤影响系数h的计算公式：
<mrow>
<mi>h</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>h</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mfrac>
<mi>d</mi>
<mi>b</mi>
</mfrac>
<mo><</mo>
<mn>0.1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>h</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0.1</mn>
<mo>&le;</mo>
<mfrac>
<mi>d</mi>
<mi>b</mi>
</mfrac>
<mo><</mo>
<mn>0.5</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>h</mi>
<mn>3</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0.5</mn>
<mo>&le;</mo>
<mfrac>
<mi>d</mi>
<mi>b</mi>
</mfrac>
<mo><</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>h</mi>
<mn>4</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mfrac>
<mi>d</mi>
<mi>b</mi>
</mfrac>
<mo>&GreaterEqual;</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，h的取值范围为1≤h1≤h2≤h3≤h4≤900；1≤h1≤150；150≤h2≤350；350≤h3≤650；650≤h4≤900；
根据表面节疤外观质量影响系数h、锯材面积、节疤面积计算确定锯材节疤外观质量评价量值Qk，节疤外观质量评价量值Qk的计算公式：
<mrow>
<msub>
<mi>Q</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msub>
<mi>h</mi>
<mi>n</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>A</mi>
<mi>n</mi>
</msub>
</mrow>
<mi>s</mi>
</mfrac>
</mrow>
其中，An为第n个节疤的面积，M为所述锯材图像内的节疤个数，s为所述锯材图像面积；根据锯材的应用领域对锯材外观质量的要求，将Qk分为四个等级，Qk在0.98～1.0范围内时，对应锯材定义为一级质量锯材图像；Qk在0.90～0.97范围内时，对应锯材定义为二级质量锯材图像；Qk在0.70～0.89范围内时，对应锯材定义为三级质量锯材图像；Qk在0.00～0.69范围内时，对应锯材定义为四级质量锯材图像。
2.根据权利要求1所述的基于结构激光扫描技术的锯材表面缺陷的研究方法，其特征在于，所述特征参数还包括锯材图像裂缝的长度E，裂缝沿长度方向距锯材边缘的最小距离e，裂缝个数N；
根据锯材图像中裂缝沿长度方向距锯材边缘的最小距离e计算确定锯材裂缝外观质量影响系数k，裂缝位置影响系数k的计算公式：
<mrow>
<mi>k</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>e</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo><</mo>
<mi>e</mi>
<mo>&le;</mo>
<mfrac>
<mi>a</mi>
<mn>8</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>k</mi>
<mn>3</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mfrac>
<mi>a</mi>
<mn>8</mn>
</mfrac>
<mo><</mo>
<mi>e</mi>
<mo>&le;</mo>
<mfrac>
<mi>a</mi>
<mn>4</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>k</mi>
<mn>4</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>e</mi>
<mo>></mo>
<mfrac>
<mi>a</mi>
<mn>4</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，k的取值范围为1.8≤k1≤2.0；1.5≤k2≤1.8；1.3≤k3≤1.5；1.0≤k4≤1.3；
根据锯材图像中裂缝长度E计算确定锯材裂缝外观质量影响系数p，裂缝长度影响系数p的计算公式：
<mrow>
<mi>p</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>p</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo><</mo>
<mi>l</mi>
<mo>&le;</mo>
<mfrac>
<mi>a</mi>
<mn>4</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>p</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mfrac>
<mi>&alpha;</mi>
<mn>4</mn>
</mfrac>
<mo><</mo>
<mi>l</mi>
<mo>&le;</mo>
<mfrac>
<mi>a</mi>
<mn>2</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>p</mi>
<mn>3</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>l</mi>
<mo>></mo>
<mfrac>
<mi>a</mi>
<mn>2</mn>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，p的取值范围为1.0≤p1≤1.2；1.2≤p2≤1.6；1.6≤p3≤2.0；
根据裂缝位置影响系数、裂缝长度影响系数计算确定锯材裂缝外观质量评价量值Qc，裂缝外观质量评价量值Qc的计算公式：
<mrow>
<msub>
<mi>Q</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>k</mi>
<mi>n</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>p</mi>
<mi>n</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中，kn为第n个裂缝位置影响系数，pn为第n个裂缝长度影响系数；
根据疤外观质量评价量值Qk和裂缝外观质量评价量值Qc构建锯材外观质量综合量化评价量值Q，外观质量综合量化评价量值Q的计算公式为：
Q＝0.3QK+0.7QC
其中，Q分为四个等级，Q在0.98～1.0范围内时，对应锯材定义为一级质量锯材图像；Q在0.90～0.97范围内时，对应锯材定义为二级质量锯材图像；Q在0.70～0.89范围内时，对应锯材定义为三级质量锯材图像；Q在0.00～0.69范围内时，对应锯材定义为四级质量锯材图像。
3.根据权利要求1或2所述的基于结构激光扫描技术的锯材表面缺陷的研究方法，其特征在于，根据各测量长度L1，L2…Ln内轮廓算术平均偏差值Ra1，Ra2…Ran，计算确定锯材粗糙度外观质量评价量值QRa，粗糙度外观质量评价量值QRa的计算公式：
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>R</mi>
<mi>a</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mn>1</mn>
<mi>n</mi>
</munderover>
<msub>
<mi>Ra</mi>
<mi>n</mi>
</msub>
</mrow>
<mi>n</mi>
</mfrac>
</mrow>
2
其中，QRa分为四个等级，QRa在0.00～1.99范围内时，对应锯材定义为一级质量锯材；QRa在2.0～3.99范围内时，对应锯材定义为二级质量锯材；QRa在4.0～5.99范围内时，对应锯材定义为三级质量锯材；QRa在6.0～12.5范围内时，对应锯材定义为四级质量锯材。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710553462.XA CN107345915A (zh) | 2017-07-08 | 2017-07-08 | 一种基于结构激光扫描技术的锯材表面缺陷的研究方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710553462.XA CN107345915A (zh) | 2017-07-08 | 2017-07-08 | 一种基于结构激光扫描技术的锯材表面缺陷的研究方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107345915A true CN107345915A (zh) | 2017-11-14 |
Family
ID=60256888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710553462.XA Pending CN107345915A (zh) | 2017-07-08 | 2017-07-08 | 一种基于结构激光扫描技术的锯材表面缺陷的研究方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107345915A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114019131A (zh) * | 2021-11-05 | 2022-02-08 | 苏州思萃熔接技术研究所有限公司 | 一种评价盘条表面粗糙程度对焊丝表面质量影响的判断方法 |
| CN114792321A (zh) * | 2022-06-23 | 2022-07-26 | 张家港长三角生物安全研究中心 | 一种金属生物涂层的质量检测方法及系统 |
| CN116109634A (zh) * | 2023-04-12 | 2023-05-12 | 苏州誉阵自动化科技有限公司 | 基于大数据处理的圆状物外观数据检测系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106683093A (zh) * | 2017-01-12 | 2017-05-17 | 国家林业局北京林业机械研究所 | 板材外观质量综合量化评价方法 |
| CN106680299A (zh) * | 2017-01-12 | 2017-05-17 | 国家林业局北京林业机械研究所 | 板材节疤外观质量评价方法 |
| CN106683094A (zh) * | 2017-01-12 | 2017-05-17 | 国家林业局北京林业机械研究所 | 木质单板裂缝外观质量评价方法 |
-
2017
- 2017-07-08 CN CN201710553462.XA patent/CN107345915A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106683093A (zh) * | 2017-01-12 | 2017-05-17 | 国家林业局北京林业机械研究所 | 板材外观质量综合量化评价方法 |
| CN106680299A (zh) * | 2017-01-12 | 2017-05-17 | 国家林业局北京林业机械研究所 | 板材节疤外观质量评价方法 |
| CN106683094A (zh) * | 2017-01-12 | 2017-05-17 | 国家林业局北京林业机械研究所 | 木质单板裂缝外观质量评价方法 |
Non-Patent Citations (7)
| Title |
|---|
| 《农业工程学报》 * |
| 《林业机械与木工设备》 * |
| 刘亚娜等: "木材表面光泽度的近红外漫反射光谱技术快速测定研究", 《光谱学与光谱分析》 * |
| 姚建平等: "基于3D 结构激光的木材表面缺陷检测的研究", 《林业机械与木工设备》 * |
| 杨忠等: "非接触式可见光－近红外光谱法快速预测天然高分子材料表面粗糙度的研究", 《光谱学与光谱分析》 * |
| 楼应候，卢桂萍，蒋亚南: "《互换性与技术测量》", 30 September 2016 * |
| 赵鹏等: "基于3D 扫描技术的木材缺陷定量化分析", 《农业工程学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114019131A (zh) * | 2021-11-05 | 2022-02-08 | 苏州思萃熔接技术研究所有限公司 | 一种评价盘条表面粗糙程度对焊丝表面质量影响的判断方法 |
| CN114019131B (zh) * | 2021-11-05 | 2024-04-02 | 苏州思萃熔接技术研究所有限公司 | 一种评价盘条表面粗糙程度对焊丝表面质量影响的判断方法 |
| CN114792321A (zh) * | 2022-06-23 | 2022-07-26 | 张家港长三角生物安全研究中心 | 一种金属生物涂层的质量检测方法及系统 |
| CN116109634A (zh) * | 2023-04-12 | 2023-05-12 | 苏州誉阵自动化科技有限公司 | 基于大数据处理的圆状物外观数据检测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106683093B (zh) | 板材外观质量综合量化评价方法 | |
| CN107345915A (zh) | 一种基于结构激光扫描技术的锯材表面缺陷的研究方法 | |
| CN106680299B (zh) | 板材节疤外观质量评价方法 | |
| CN108254540A (zh) | 一种锯材表面质量等级划分装置及方法 | |
| Alameda-Hernández et al. | Improvement of the JRC calculation using different parameters obtained through a new survey method applied to rock discontinuities | |
| Brunetti et al. | Structural products made of beech wood: quality assessment of the raw material | |
| CA2788399A1 (en) | System and method for variability detection in bundled objects | |
| Jackson et al. | Terahertz pulse imaging for tree-ring analysis: a preliminary study for dendrochronology applications | |
| CN107315015A (zh) | 基于结构激光扫描技术的锯材表面缺陷的研究方法 | |
| Hejnowicz et al. | Migrating cambial domains and the origin of wavy grain in xylem of broadleaved trees | |
| CN114693281A (zh) | 一种基于云平台的工程勘察信息管理系统 | |
| RU2477039C1 (ru) | Способ измерения формы листьев у древесных растений | |
| US20080283151A1 (en) | Warp Stable Wood Product And Methods For Detecting The Same | |
| CN113158329A (zh) | 一种对在役桥梁结构恒载状况快速定位测量的方法 | |
| CN106683094B (zh) | 木质单板裂缝外观质量评价方法 | |
| Pásztory et al. | Photo Analytical Method for Solid Wood Content Determination of Wood Stacks | |
| CN208156009U (zh) | 一种锯材表面质量等级划分装置 | |
| CN110196026B (zh) | 一种快速测算表面粗糙度与测量尺度关系的方法 | |
| He et al. | Measurement and analysis of three-dimensional surface topography of sawn timber based on scanning probe method | |
| Caldera et al. | Investigation of sawmill management and technology on waste reduction at selected sawmills in Moratuwa, Sri Lanka | |
| Monserud et al. | Recovery from simulated sawn logs with sweep | |
| Gurau et al. | Effect of particleboard density and core layer particle thickness on surface roughness | |
| Lee et al. | Computing the Bucking Rate of Japanese Larch Logs for Timber Harvesting | |
| Fahey et al. | The cubics are coming: predicting product recovery from cubic volume | |
| Cassens et al. | Modeling lumber manufacturing processes using Monte Carlo computer simulation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Xiao Jiang Inventor after: Yang Jianhua Inventor after: Yan Lei Inventor after: Fan Lei Inventor after: Shi Yu Inventor after: Zheng Xinyu Inventor after: Zhao Yingqi Inventor before: Yang Jianhua Inventor before: Xiao Jiang Inventor before: Yan Lei |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171114 |