论文部分内容阅读
国内外对基于应力波的木材无损检测技术已经有了很多的研究成果,但大多数的研究成果呈现的木材内部信息不够准确。如果提高无损检测技术呈现结果的准确性,将极大的提高应力波无损检测技术的实用价值并且可以促进木材合理化使用。因此,木材缺陷重建算法的研究有着重大的意义。本文将统计学高斯混合模型与现有的点速度模型结合,从一个全新的角度对原木内部缺陷图像重建进行了研究。 本研究通过应力波技术对原木内部结构进行数据采集,然后分析整理、建立数学模型,最后用图像的形式将建模后的原木内部缺陷情况呈现出来并能够在Linux平台运行。应力波获取到的原木内部数据是时间数据,即应力波在木材内部的传播时间,然后通过测量原木外轮廓计算应力波在原木内部的传播速度,最后通过高斯混合模型进行建模并生成最终的缺陷图像。利用FAKOPP应力波测量设备对原木进行测量,获得应力波传播时间数据,再利用直尺测量出原木外轮廓尺寸从而计算出应力波传播速度,利用高斯混合模型对应力波传播速度数据建立模型,最后利用OpenCV将得到的模型结果以图像的形式显示出来。利用本文提出的图像拟合度计算方法对图像重建结果进行评估和分析。以不同种类的原木为实验材料,通过多组对比试验验证高斯混合模型的准确性和泛化能力。将该图像重建算法在 Linux平台上实现以验证其工程价值。从中可以得出结论,使用高斯混合模型进行原木缺陷图像重建的效果明显比现在有的点速度模型、细胞繁衍法图像重建模型得到的结果要准确,通过比较重建图像的拟合度可以得到量化结果。高斯混合模型进行图像重建拟合度可以达到90%左右。通过将模型应用在 Linux平台,极大的提高了该图像重建模型的工程价值。