APP下载

基于近红外光谱技术的针叶材板材表面节子缺陷检测

2017-06-19尹建新周素茵周厚奎

浙江农林大学学报 2017年3期
关键词:方法模型

周 竹, 尹建新, 周素茵, 周厚奎

(1.浙江农林大学 信息工程学院,浙江 临安 311300;2.浙江农林大学 浙江省林业智能监测与信息技术研究重点实验室,浙江 临安311300;3.浙江农林大学 智慧农林业研究中心,浙江 临安311300)

基于近红外光谱技术的针叶材板材表面节子缺陷检测

周 竹1,2,3, 尹建新1,2,3, 周素茵1,2,3, 周厚奎1,2,3

(1.浙江农林大学 信息工程学院,浙江 临安 311300;2.浙江农林大学 浙江省林业智能监测与信息技术研究重点实验室,浙江 临安311300;3.浙江农林大学 智慧农林业研究中心,浙江 临安311300)

为了实现木板材依据节子进行自动化分级,采用近红外光谱技术研究了多种针叶材表面节子缺陷的检测方法。采用SmartEye 1700近红外光谱仪获取北美黄杉Pseudotsuga menziesii,铁杉Tsuga chinensis,云杉Picea asperata,白云杉Picea glauca-英格曼云杉Picea engelmannii-扭叶松 Pinus contorta-冷杉 Abies laciocarpa(SPF)等 4种板材的近红外光谱(1 000~1 650 nm),比较了光谱预处理方法、建模方法对节子识别的影响,并首次对多种针叶树材进行了节子识别的适应性研究,随后引入一种新的变量选择方法即随机青蛙算法用于优选节子检测的特征波长,在此基础上建立了板材节子识别的最小二乘-支持向量机(LS-SVM)模型。结果显示:一阶导数光谱预处理结合LS-SVM所建混合树种板材节子识别模型性能最优。随机青蛙算法提取了8个特征波长变量,仅占全波段变量的1.23%,所建简化模型效果最好。该模型对测试集的敏感性、特异性和识别准确率分别为98.49%,93.42%和96.30%。近红外光谱技术结合化学计量学方法可以对针叶材树种板材的表面节子进行快速准确检测,随机青蛙算法是提取板材表面节子缺陷特征的有效方法。……

登录APP查看全文

猜你喜欢

方法模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
学习方法
3D打印中的模型分割与打包
用对方法才能瘦
FLUKA几何模型到CAD几何模型转换方法初步研究
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼
一个相似模型的应用