CN114234805B - 一种基于光谱成像技术的木材材积自动检尺系统及其方法 - Google Patents
一种基于光谱成像技术的木材材积自动检尺系统及其方法 Download PDFInfo
- Publication number
- CN114234805B CN114234805B CN202111529279.9A CN202111529279A CN114234805B CN 114234805 B CN114234805 B CN 114234805B CN 202111529279 A CN202111529279 A CN 202111529279A CN 114234805 B CN114234805 B CN 114234805B
- Authority
- CN
- China
- Prior art keywords
- wood
- volume
- module
- timber
- camera
- 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.)
- Active
Links
- 239000002023 wood Substances 0.000 title claims abstract description 99
- 238000005516 engineering process Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000000701 chemical imaging Methods 0.000 title claims description 15
- 238000001228 spectrum Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000003384 imaging method Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000003287 optical effect Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 21
- 230000003595 spectral effect Effects 0.000 claims description 13
- 238000005286 illumination Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 241001292396 Cirrhitidae Species 0.000 abstract description 3
- 238000003860 storage Methods 0.000 abstract description 3
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 6
- 229930002875 chlorophyll Natural products 0.000 description 5
- 235000019804 chlorophyll Nutrition 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 239000000049 pigment Substances 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 238000012306 spectroscopic technique Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 241000234295 Musa Species 0.000 description 2
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 2
- 240000000905 Nymphoides indica Species 0.000 description 2
- 235000017590 Nymphoides indica Nutrition 0.000 description 2
- 235000005811 Viola adunca Nutrition 0.000 description 2
- 240000009038 Viola odorata Species 0.000 description 2
- 235000013487 Viola odorata Nutrition 0.000 description 2
- 235000002254 Viola papilionacea Nutrition 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000723346 Cinnamomum camphora Species 0.000 description 1
- 101100136092 Drosophila melanogaster peng gene Proteins 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- UPYKUZBSLRQECL-UKMVMLAPSA-N Lycopene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1C(=C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=C)CCCC2(C)C UPYKUZBSLRQECL-UKMVMLAPSA-N 0.000 description 1
- 244000153888 Tung Species 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229930002877 anthocyanin Natural products 0.000 description 1
- 235000010208 anthocyanin Nutrition 0.000 description 1
- 239000004410 anthocyanin Substances 0.000 description 1
- 150000004636 anthocyanins Chemical class 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 150000001746 carotenes Chemical class 0.000 description 1
- 235000005473 carotenes Nutrition 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 229930002868 chlorophyll a Natural products 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- NCYCYZXNIZJOKI-UHFFFAOYSA-N vitamin A aldehyde Natural products O=CC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C NCYCYZXNIZJOKI-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种基于光谱成像技术的木材材积自动检尺系统及其方法，图像获取以及标定模块采用带特殊滤光片的八百万像素工业相机分别固定于龙门架上用于拍摄车尾照片，标定模块采用9*9的圆点标定板以及相机参数标定程序；所述服务器模块为腾讯云服务器，用于存贮和管理木材拍摄图片、部署材积计算算法、存储材积信息数据库以及基于JavaWeb的用户操作界面；所述材积计算模块为通过获取的光谱图像，利用halcon的算子对图像进行面积计算；所述用户操作系统模块为基于JavaWeb的网页界面，用户可以在界面上进行查看木材材积信息以及漏检木材的标记及重新存储至数据库等操作。本发明有效地解放人力提高检尺效率并提高林木材积的计算精度。
Description
技术领域
本发明涉及光谱成像技术领域，尤其涉及一种基于光谱成像技术的木材材积自动检尺系统及其方法。
背景技术
木材是可再生的能源，更是世界可持续发展结构性资源。林业生产各环节，如采伐、造材、运输、加工过程已经实现机械化，正逐步朝着信息化及智能化发展的过程中。林木采伐、运输、楞场管理等生产过程中的几个环节都需要对木材桐口径进行长度测量即木材检尺如图1，进而依据一定的标准转化为木材的材积，通过材积实现生产结算和销售货款结算。然而，木材的人工检尺方法工作量大、效率低，精确低，费用高等问题。本发明基于光谱成像技术和计算机视觉技术，提出一种基于光谱成像技术的木材材积自动检尺方法。
光谱成像技术:光谱是电磁辐射按照波长的有序排列。根据实验条件的不同，各个辐射波长都具有各自的特征强度。通过光谱的研究，人们可以得到原子、分子等的能级结构、能级寿命、电子的组态、分子的几何形状、化学键的性质、反应动力学等多方面物质结构的知识。光谱学是光学的一个分支学科，它主要研究各种物质光谱的产生及其同物质之间的相互作用。光谱技术是指利用光与物质的相互作用研究分子结构及动态特性的学科。成像技术是获取目标的影像信息，研究目标的空间特性信息。将成像技术和光谱技术相结合并在特定光谱域以高光谱分辨率同时获得连续的光谱图像的技术称为的成像光谱技术（Imaging Spectrometry），它能够得到被探测目标的空间信息和光谱信息。
多光谱图像在众多行业都得到广泛应用，陈家政等人在光照强烈的晴天与阴天两种光照环境下，采集香蕉植株缺氮蕉叶的RGB和多光谱图片，使用多种目标检测算法对比两种照片的识别效果， 并分析两种图片在不同光照下的成像差异。试验结果表明，不同模型下，多光谱图片检测的识别率比RGB图片高，在阴天和顺光环境下，多光谱图片的识别效果最佳，但逆光环境对其成像影响较为严重。使用多光谱 图片在无明显光照影响的环境下可对香蕉植株的缺氮状况做快速无损识别，为香蕉种植状况监测提供技术支撑。
植物叶片反射光谱在可见光范围内主要受色素影响，而近红外范围受纤维素、内部结构、蛋白质等影响，这个特点是高光谱作为一种非破坏手段监测林木色素含量的基础。大量研究证明：高光谱能实现定量色素，特别是叶绿素。叶绿素在 640~660nm 的红光波段以430~450nm 的蓝紫波段吸收最强，胡萝卜素仅吸收蓝紫部分波段，花青素在537nm 吸收光谱最强(吴见,彭道黎, 2011)（图 2.4）。刘璇等测定了杉木冠层光谱，采用统计学分析法分析了叶绿素 a 和高光谱反射率的相关性，结果表明 530~690nm 处的光谱与叶绿素含量相关性最大。刘秀英等研究了樟树幼林光谱对叶绿素反应敏感的波段，认为其位于400,556和 621 波段处，以此建立叶绿素含量估算模型。大量研究数据证明，某一波段色素吸收率越低，其光谱反射率对高浓度色素越敏感；反之，某一波段色素吸收率越高，其反射率对低浓度色素越敏感。
基于机器视觉的检尺技术:北京交通大学的丁博文从计算机视觉的角度出发，设计了一种通过单摄像机进行多次拍摄从而实现对木材横截面进行测量的木材检尺系统。该方法首先使用深度学习背景下的目标检测算法对图像中的主体区域进行识别，并使用图像处理手段对有效区域进行分割。然后使用双目视觉的相关知识对横截面的空间信息进行恢复。最后利用空间几何的相关知识完成了木材横截面的测量。将较为先进的深度学习相关方法引入了木材检尺领域，并深入分析探讨了各种基于深度学习的目标检测模型。最后发现SSD模型，既可以达到较快的速度，同时也有较高的准确度，能够更加完美的胜任木材横截面的检测。深度学习方法的介入使测量工作更加智能，面对复杂环境仍然能够识别待测主体。极大的提高了检尺系统的健壮性。
福建农林大学的林耀海针对成捆堆放的原木端面图像，利用机器视觉方法开发一个材积检测系统。实现原木材积自动化检测，设计并开发了结合深度学习与 Hough变换的等长原木材积检测系统。首先，在对训练样本做了旋转、调整曝光度、加噪声等提高模型鲁棒性的预处理后，使用 YOLOv3-tiny 卷积神经网络对原木端面图像进行目标检测，计算得到每一个原木端面对应的目标区域;其次，在对目标区域计算边缘并去除目标区域中心噪声边缘后，利用 Hough 变换圆检测算法计算原木端面轮廓的准确直径; 最后，开发了操作简捷方便的用户界面，根据用户输入的一个原木轮廓径级校准信息和长度，即可实现所有原木的材积检测。
上述研究在对木材横截面进行检测时，使用了目标检测方法，在一定程度上解决了横截面的定位问题，但是有效区域的进一步处理仍然需要使用传统的图像处理手段。
发明内容
本发明的目的在于提供一种基于光谱成像技术的木材材积自动检尺系统及其方法。通过光谱成像技术将木材端面与背景形成对比度较大的图像，再通过程序算子将木材端面拟合成圆从而计算材积。
本发明采用的技术方案是：
一种基于光谱成像技术的木材材积自动检尺系统，其包括服务器模块以及与服务器模块连接的图像获取标定模块、材积计算模块和用户操作模块；
图像获取以及标定模块包括图像获取部分和标定部分，图像获取部分提供带滤光片的工业相机拍摄木材车头以及车尾照片，以量测木材芯和树皮的光谱参数；标定部分提供圆点标定板以及相机参数标定程序；
服务器模块用于存贮和管理木材拍摄图片、部署材积计算算法、存储材积信息数据库以及用户操作界面；
材积计算模块用于获取的光谱图像并对图像进行面积计算，
用户操作模块提供网页界面，并通过网页界面向用户提供查看木材材积信息、漏检木材的标记及重新存储至数据库的功能。
进一步地，图像获取以及标定模块包括分别固定于龙门架上的两个带滤光片的八百万工业相机。
进一步地，圆点标定板为9*9圆点标定板。
进一步地，服务器模块为腾讯云服务器、阿里云服务器或者谷歌云服务器。
进一步地，网页界面为基于Java的网页界面。
一种基于光谱成像技术的木材材积自动检尺方法，其包括以下步骤：
步骤1，首先收集不同直径的木材样本，量测木材芯和树皮的光谱参数；
步骤2，将带滤光片的工业相机固定于龙门架上，并对工业相机进行相机内外参数的标定；
步骤3，工业相机采用窄带滤光片在强白光照明条件下，拍摄获得木材树芯与树皮、阴影的高对比度的待测图片并上传至服务器模块，
步骤4，材积计算模块取待测图片，根据圆点标定板的图片通过程序进行标定，获得了相机的内外参数以及相机位姿后，计算得到图片的每像素的真实长度，
步骤5，将光谱图像通过程序进行圆拟合并得到圆的直径，再所得的像素长度*每像素的真实长度获得木材的真实直径，通过真实直径计算整车原木材积形成木材材积信息；
步骤6，将所生成的木材材积信息保存至部署于服务器端的数据库中。
进一步地，步骤1中在正式获取照片之前需要使用标定板拍摄二十至三十张图片用于获取相机内外参数；即拍摄带有手持标定板的木材图像，标定板与木材端面贴近并保持平行，手部不遮挡标定板内部区域。
进一步地，其还包括步骤7，用户通过网页界面获取木材材积信息，标记补充漏检的木材数据并更新保存至服务器端的数据库中，形成完整的整车木材材积数据。
本发明采用以上技术方案，图像获取以及标定模块采用带特殊滤光片的八百万像素工业相机分别固定于龙门架上用于拍摄车尾照片，标定模块采用圆点标定板以及相机参数标定程序；所述服务器模块为腾讯云服务器，用于存贮和管理木材拍摄图片、部署材积计算算法、存储材积信息数据库以及基于JavaWeb的用户操作界面；所述材积计算模块为通过获取的光谱图像，利用程序算子对图像进行面积计算；所述用户操作系统模块为基于JavaWeb的网页界面，用户可以在界面上进行查看木材材积信息以及漏检木材的标记及重新存储至数据库等操作。本发明有效地解放人力提高检尺效率并提高林木材积的计算精度。
附图说明
以下结合附图和具体实施方式对本发明做进一步详细说明；
图1为本发明一种基于光谱成像技术的木材材积自动检尺系统的结构示意图；
图2为本发明的各个模块流程图；
图3为标定相机参数示意图；
图4是木材原图与光谱成像图；
图5为树芯、树皮示意图；
图6为光谱数据图；
图7为测量过程的3D模拟示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图对本申请实施例中的技术方案进行清楚、完整地描述。
如图1至图7所示，本发明公开了一种基于光谱成像技术的木材材积自动检尺系统，其包括服务器模块以及与服务器模块连接的图像获取标定模块、材积计算模块和用户操作模块；
图像获取以及标定模块包括图像获取部分和标定部分，图像获取部分提供带滤光片的工业相机2拍摄木材车头以及车尾照片，以量测木材芯和树皮的光谱参数；标定部分提供圆点标定板以及相机参数标定程序；
服务器模块用于存贮和管理木材拍摄图片、部署材积计算算法、存储材积信息数据库以及用户操作界面；
材积计算模块用于获取的光谱图像并利用算子对图像进行面积计算，
用户操作模块提供网页界面，并通过网页界面向用户提供查看木材材积信息、漏检木材的标记及重新存储至数据库的功能。
进一步地，图像获取以及标定模块包括分别固定于龙门架1上的两个带滤光片的八百万工业相机2。
进一步地，圆点标定板为的9*9圆点标定板。
进一步地，服务器模块为腾讯云服务器、阿里云服务器或者谷歌云服务器。
进一步地，网页界面为基于Java的网页界面。
一种基于光谱成像技术的木材材积自动检尺方法，其包括以下步骤：
步骤1，首先收集不同直径的木材3样本，量测木材芯和树皮的光谱参数；
步骤2，将带滤光片的工业相机2固定于龙门架1上，并对工业相机2进行相机内外参数的标定；
步骤3，工业相机2采用窄带滤光片在强白光照明条件下，拍摄获得木材3树芯与树皮、阴影的高对比度的待测图片并上传至服务器模块，
步骤4，材积计算模块取待测图片，根据圆点标定板的图片通过halcon程序进行标定，获得了相机的内外参数以及相机位姿后，计算得到图片的每像素的真实长度，
步骤5，将光谱图像通过程序进行圆拟合并得到圆的直径，再所得的像素长度*每像素的真实长度获得木材3的真实直径，通过真实直径计算整车原木材积形成木材材积信息；
由于一车的木头都是同一长度的，每根获得真实直径后通过原木材积计算公式计算单根木材的材积再累加总和，获得整车原木材积。具体地，依据我国国家标准 GB /T4814—2013《原木材积表》，原木的材积计算由木材端面径级（检尺径）和木材长度（检尺长）两个参数决定。原木贸易、流通行业中，同一批次木材的长度相对固定，较容易获得，相比之下，原木端面大小不一，难以快速获得其径级。
检尺长指木材实际长度的大小，该数据由检尺人员提供。在计算木材材积的时候，检尺径指的是木材端面的最小径。人工检尺的时候，是用量尺去测量，肉眼去观测木材端面哪里的直径最小，取该值为检尺径。不同的检尺长，检尺径的木材，有不同的计算公式以及计算精度。已知木材的检尺长以及检尺径，代入对应的公式即可计算，参见国家标准 GB /T4814—2013《原木材积表》，有详细说明。
步骤6，将所生成的木材材积信息保存至部署于服务器端的数据库中。
进一步地，步骤1中在正式获取照片之前需要使用标定板拍摄二十至三十张图片用于获取相机内外参数；即拍摄带有手持标定板的木材3图像，标定板与木材端面贴近并保持平行，手部不遮挡标定板内部区域。
进一步地，其还包括步骤7，用户通过网页界面获取木材材积信息，标记补充漏检的木材数据并更新保存至服务器端的数据库中，形成完整的整车木材材积数据。
下面就本发明的具体工作原理做详细的说明：
本发明基于计算机视觉技术与光谱成像技术，将原木材积检测算法的方案划分为图像获取和标定模块、材积计算模块、服务器模块，以及用户操作系统模块用于查看，核对，修改输出结果，其基本结构图如图2所示。
图像获取以及标定模块示意图如图3所示。首先收集不同直径的木材样本，量测木材芯和树皮的光谱参数，如图4，图5所示。图像获取、标定模块需要使用到龙门架1等工具固定相机用于稳定的获取木材照片。在正式获取照片之前需要使用halcon的9*9圆点标定板拍摄二十至三十张图片用于获取相机内外参数。手持标定板，标定板与木材端面尽量贴近并保持平行，手部不能遮挡标定板内部区域。
本发明研究的核心技术为基于光谱成像技术，基于机器视觉算法完成木材的自动检尺，其基本过程为：通过安装在龙门架1上的相机，在强白光照明和窄带滤光片的拍摄条件下，获得木材树芯与树皮、阴影等对比度超大的图像，实现所量测对象的精确数据提取，从而实现机器视觉算法计算木材的数目，计算木材端面直径，最终获得整车木材材积。工业相机2获取的图片上传至服务器后，进入到材积计算模块。
材积计算模块首先根据前面所述的圆点标定板的图片通过程序进行标定，获得了相机的内外参数以及相机位姿后，可以得到图片的每像素的真实长度，再将由获取的光谱图像，如图6，通过程序进行圆拟合并得到圆的直径，再将所得的像素长度*每像素的真实长度获得木材的真实直径。最终将所生成的木材材积信息保存至部署于服务器端的数据库中，方便进行后续的增删改查工作。服务器模块为集合整个系统的中心模块，相机拍摄到的图片，识别到的材积信息，以及前端用户操作系统均部署在服务器端。
用户操作系统模块主要用于对识别到的木材材积信息进行查漏补缺。在木材装卸工程中，木材端面会出现树叶遮挡等问题，因此所部署的木材识别模型无法做到百分之百完全识别到所有木材，针对漏检误检的木材，需要在人机交互界面进行简单的查漏补缺操作。
本发明采用以上技术方案，图像获取以及标定模块采用带特殊滤光片的八百万像素工业相机2分别固定于龙门架1上用于拍摄车尾照片，标定模块采用9*9的圆点标定板以及相机参数标定程序；所述服务器模块为腾讯云服务器，用于存贮和管理木材拍摄图片、部署材积计算算法、存储材积信息数据库以及基于JavaWeb的用户操作界面；所述材积计算模块为通过获取的光谱图像，对图像进行面积计算；所述用户操作系统模块为基于JavaWeb的网页界面，用户可以在界面上进行查看木材材积信息以及漏检木材的标记及重新存储至数据库等操作。本发明有效地解放人力提高检尺效率并提高林木材积的计算精度。
显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
Claims (8)
1.一种基于光谱成像技术的木材材积自动检尺系统，其特征在于：其包括服务器模块以及与服务器模块连接的图像获取标定模块、材积计算模块和用户操作模块；
图像获取标定模块包括图像获取部分和标定部分，图像获取部分提供带滤光片的工业相机拍摄木材车头以及车尾照片，以量测木材芯和树皮的光谱参数；标定部分提供圆点标定板以及相机参数标定程序，用于将圆点标定板的图片通过程序进行标定，获得相机的内外参数以及相机位姿；
服务器模块用于存贮和管理木材拍摄图片、部署材积计算算法、存储材积信息数据库以及web端用户操作界面；
材积计算模块用于获取的光谱图像并对图像进行面积计算和材积计算；具体为，在获得相机的内外参数以及相机位姿后，计算得到图片的每像素的真实长度，将光谱图像通过程序进行圆拟合并得到圆的直径，再将所得的像素长度*每像素的真实长度获得木材的真实直径，通过真实直径计算面积，并进一步计算整车原木材积形成木材材积信息；
用户操作模块提供网页界面，并通过网页界面向用户提供查看木材材积信息、漏检木材的标记及重新存储至数据库的功能。
2.根据权利要求1所述的一种基于光谱成像技术的木材材积自动检尺系统，其特征在于：图像获取以及标定模块包括分别固定于龙门架上的两个带滤光片的工业相机。
3.根据权利要求1所述的一种基于光谱成像技术的木材材积自动检尺系统，其特征在于：圆点标定板为9*9圆点标定板。
4.根据权利要求1所述的一种基于光谱成像技术的木材材积自动检尺系统，其特征在于：服务器模块为云服务器。
5.根据权利要求1所述的一种基于光谱成像技术的木材材积自动检尺系统，其特征在于：网页界面为基于Java的网页界面。
6.一种基于光谱成像技术的木材材积自动检尺方法，采用权利要求1至5任一所述的一种基于光谱成像技术的木材材积自动检尺系统，其特征在于：方法包括以下步骤：
步骤1，首先收集不同直径的木材样本，量测木材芯和树皮的光谱参数；
步骤2，将带滤光片的工业相机固定于龙门架上，并对工业相机进行相机内外参数的标定；
步骤3，工业相机采用窄带滤光片在强白光照明条件下，拍摄获得木材树芯与树皮、阴影的高对比度的待测图片并上传至服务器模块，
步骤4，材积计算模块取待测图片，根据圆点标定板的图片通过程序进行标定，获得了相机的内外参数以及相机位姿后，计算得到图片的每像素的真实长度，
步骤5，将光谱图像通过程序进行圆拟合并得到圆的直径，再将所得的像素长度*每像素的真实长度获得木材的真实直径，通过真实直径计算整车原木材积形成木材材积信息；
步骤6，将所生成的木材材积信息保存至部署于服务器端的数据库中。
7.根据权利要求6所述的一种基于光谱成像技术的木材材积自动检尺方法，其特征在于：步骤1中在正式获取照片之前需要使用标定板拍摄二十至三十张图片用于获取相机内外参数；即拍摄带有手持标定板的木材图像，标定板与木材端面贴近并保持平行，手部不遮挡标定板内部区域。
8.根据权利要求6所述的一种基于光谱成像技术的木材材积自动检尺方法，其特征在于：其还包括步骤7，用户通过网页界面获取木材材积信息，标记补充漏检的木材数据并更新保存至服务器端的数据库中，形成完整的整车木材材积数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111529279.9A CN114234805B (zh) | 2021-12-14 | 2021-12-14 | 一种基于光谱成像技术的木材材积自动检尺系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111529279.9A CN114234805B (zh) | 2021-12-14 | 2021-12-14 | 一种基于光谱成像技术的木材材积自动检尺系统及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114234805A CN114234805A (zh) | 2022-03-25 |
| CN114234805B true CN114234805B (zh) | 2024-02-06 |
Family
ID=80755940
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111529279.9A Active CN114234805B (zh) | 2021-12-14 | 2021-12-14 | 一种基于光谱成像技术的木材材积自动检尺系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114234805B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101281021A (zh) * | 2008-05-14 | 2008-10-08 | 天恒威科技（北京）有限公司 | 一种木材自动监管方法及系统 |
| CN201233223Y (zh) * | 2008-07-30 | 2009-05-06 | 天恒威科技（北京）有限公司 | 一种木材自动监管系统 |
| CN202339579U (zh) * | 2011-12-15 | 2012-07-18 | 任洪娥 | 一种原木自动检尺系统 |
| CN103900970A (zh) * | 2014-03-25 | 2014-07-02 | 中华人民共和国常熟出入境检验检疫局 | 一种自动识别原木端面的方法 |
| CN106092016A (zh) * | 2016-06-22 | 2016-11-09 | 福州大学 | 一种基于深度传感器的林木材积自动检尺系统及方法 |
| CN111899296A (zh) * | 2020-06-24 | 2020-11-06 | 广西大学 | 一种基于计算机视觉的原木材积检测方法与装置 |
| CN113610933A (zh) * | 2021-08-20 | 2021-11-05 | 苏州欧朗德智能科技有限公司 | 一种基于双目区域视差的原木堆垛动态检尺系统和方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190003829A1 (en) * | 2015-12-29 | 2019-01-03 | Timbeter Oü | Image processing apparatus and method for determining the volume of timber in a stack of logs |
-
2021
- 2021-12-14 CN CN202111529279.9A patent/CN114234805B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101281021A (zh) * | 2008-05-14 | 2008-10-08 | 天恒威科技（北京）有限公司 | 一种木材自动监管方法及系统 |
| CN201233223Y (zh) * | 2008-07-30 | 2009-05-06 | 天恒威科技（北京）有限公司 | 一种木材自动监管系统 |
| CN202339579U (zh) * | 2011-12-15 | 2012-07-18 | 任洪娥 | 一种原木自动检尺系统 |
| CN103900970A (zh) * | 2014-03-25 | 2014-07-02 | 中华人民共和国常熟出入境检验检疫局 | 一种自动识别原木端面的方法 |
| CN106092016A (zh) * | 2016-06-22 | 2016-11-09 | 福州大学 | 一种基于深度传感器的林木材积自动检尺系统及方法 |
| CN111899296A (zh) * | 2020-06-24 | 2020-11-06 | 广西大学 | 一种基于计算机视觉的原木材积检测方法与装置 |
| CN113610933A (zh) * | 2021-08-20 | 2021-11-05 | 苏州欧朗德智能科技有限公司 | 一种基于双目区域视差的原木堆垛动态检尺系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114234805A (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104931470B (zh) | 一种基于荧光高光谱技术的农药残留检测装置及检测方法 | |
| EP3290908B1 (en) | Unknown sample determining method | |
| CN111521599A (zh) | 基于空间外差差分拉曼光谱技术的近海沉积物中微塑料的快速检测系统与检测方法 | |
| CN103278460A (zh) | 一种柑橘树红蜘蛛虫害胁迫情况测试分析方法 | |
| US20180018537A1 (en) | Non-spectroscopic imaging of plants | |
| US20080002185A1 (en) | System and methods for non-destructive analysis | |
| CN108802002B (zh) | 一种快速无损鉴别解除滞育的蚕卵拉曼光谱模型构建方法 | |
| CN102628800B (zh) | 植物叶片叶绿素含量测量方法及系统 | |
| CN103472031A (zh) | 一种基于高光谱成像技术的脐橙糖度检测方法 | |
| CN102841063B (zh) | 一种基于光谱技术的生物炭溯源鉴别方法 | |
| CN111487213A (zh) | 多光谱融合的化学需氧量测试方法及装置 | |
| Lin et al. | Fluorescence Scheimpflug LiDAR developed for the three-dimension profiling of plants | |
| CN105651717A (zh) | 一种植被光谱特征吸收峰自动识别方法 | |
| CN101059427A (zh) | 多光谱成像技术快速无损测量茶树含氮量的方法 | |
| Chowdhury et al. | Design and development of low-cost, portable, and smart chlorophyll-a sensor | |
| Lu et al. | Fluorescence hyperspectral image technique coupled with HSI method to predict solanine content of potatoes | |
| CN114234805B (zh) | 一种基于光谱成像技术的木材材积自动检尺系统及其方法 | |
| CN117571660A (zh) | 槟榔黄化程度的确定方法、装置、电子设备及介质 | |
| CN110887798B (zh) | 基于极端随机树的非线性全光谱水体浊度定量分析方法 | |
| CN116399836A (zh) | 基于交替梯度下降算法的串扰荧光光谱分解方法 | |
| JP2019101040A (ja) | 硝酸イオン濃度非破壊計測方法、硝酸イオン濃度非破壊計測装置、及び硝酸イオン濃度非破壊計測プログラム | |
| Abbasi et al. | Design and development of a LabVIEW-based LED-induced fluorescence spectroscopy system with applications in non-destructive quality assessment of agricultural products | |
| Yang et al. | The characterization of plant species using first‐derivative fluorescence spectra | |
| RU2549548C1 (ru) | Способ определения сроков нанесения рукописных надписей на документы с помощью хроматографии и спектроскопии комбинационного рассеяния образцов красителей при воздействии излучения с длиной волны 785 или 532 нм | |
| CN214121987U (zh) | 一种基于光谱技术的茄子花青素测量系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |