劉盼盼,郝景新,楊濱,張海婷,徐大鵬,朱旭,劉拓宇

(中南林業(yè)科技大學(xué)材料科學(xué)與工程學(xué)院,長沙 410004)

正交膠合木(cross-laminated timber,CLT)是由3層或3層以上實木鋸材或結(jié)構(gòu)用木質(zhì)復(fù)合材通過相鄰層相互垂直組坯,采用結(jié)構(gòu)膠黏劑加壓預(yù)制而成的實體木質(zhì)工程材[1]。CLT可應(yīng)用于墻、地板和屋頂?shù)萚2],與混凝土和鋼材相比是一種質(zhì)量較輕的建筑材[3]。隨著可持續(xù)制造理念的形成,減少產(chǎn)品制造過程中的碳排放已經(jīng)成為企業(yè)的一個目標(biāo)[4]。在CLT制備過程中,要對存在木材缺陷的板材進行優(yōu)選。例如:裂紋、蟲眼和節(jié)子,這些木材缺陷都會影響到CLT的制備質(zhì)量。在制備過程中,非常重要的影響因素是CLT膠合性[5-7],其中節(jié)子對于CLT膠合性能影響較大。林蘭英等[8]在節(jié)子對木材膠合性能的影響中提到,當(dāng)節(jié)子直徑<25 mm時,其膠合性能與無節(jié)膠合時相近,可將小于25 mm的節(jié)子保留,以提高木材的出材率和利用率。謝力生等[9]研究表明,在兩膠合面中僅一面有直徑 20～25 mm小木節(jié)時,膠縫的剪切強度滿足要求,且膠縫煮沸一次總剝離率也滿足要求。根據(jù)上述研究可知,當(dāng)節(jié)子直徑小于25 mm時對膠合性能影響較小,可保留,而節(jié)子直徑大小超過25 mm時卻會影響木材的膠合性;因此通過計算機視覺識別出節(jié)子大小,可減少人力物力的投入,提高木材加工行業(yè)自動化水平。

隨著計算機技術(shù)的不斷發(fā)展,已逐漸應(yīng)用于木材科學(xué)領(lǐng)域,但多以目標(biāo)識別為主。如吳雨生等[10]在基于機器視覺的杉木規(guī)格材節(jié)子檢測與分等中表明所用方法可快速識別杉木規(guī)格材表面節(jié)子并對其進行定位,該系統(tǒng)計算時間快,識別效率高,節(jié)子識別率可以達到96%;陳東等[11]的結(jié)構(gòu)用鋸材表面節(jié)子檢測設(shè)備的研制與試驗研究中,利用機器視覺技術(shù)采用目測分級的方法設(shè)計了一套結(jié)構(gòu)用鋸材表面節(jié)子檢測設(shè)備,通過試驗驗證,設(shè)備的穩(wěn)定性較好,輸送速度對圖像灰度存在影響。目前大多研究為檢測節(jié)子的缺陷位置和等級信息如德國威力公司,但準(zhǔn)確度量節(jié)子大小等相關(guān)研究還十分鮮少,準(zhǔn)確測量節(jié)子大小可解決各類實際問題。

本研究提出了一種基于參照物和圖像處理的節(jié)子大小測量方法:用攝像機分別獲取在10,20,和30 cm的高度下的木材圖像,后將直徑為25 mm的圓形卡片作參照物進行像素標(biāo)定,通過OpenCV圖像處理方法[12],自動對節(jié)子大小進行檢測,根據(jù)對參照物大小實際檢測,確定節(jié)子的實際大小。本研究提出的基于參照物圖像處理方法運行速度快、識別準(zhǔn)確率高,可最大限度地增加木材的出材率,提高木材的利用價值,進一步提升木材加工行業(yè)自動化水平。

1 材料與方法

1.1 試驗材料

本研究以落葉松(Larixgmelinii)、櫸木(Zelkovaserrata)和楊木(Populusspp.)為實驗材料。落葉松(A1)取自東北興安嶺,將落葉松木材加工為(長×寬×厚)200 cm×13 cm×5 cm的試樣,含水率為8%～11%;櫸木(A2)來自歐洲,將櫸木木材加工為(長×寬×厚)55 cm×12 cm×3 cm的試樣,含水率為8%～11%;楊木(A3)取自湖南省株洲市,將楊木加工成(長×寬×厚)100 cm×6 cm×3 cm的試件,含水率為5%～11%。為了探究本方法的適應(yīng)性,以基材(木材種類)和高度(鏡頭與木材之間的垂直高度) 2個因素,按照表1設(shè)置相應(yīng)的水平,并按照表2進行試驗設(shè)置,以模擬相應(yīng)的試驗場景。

表1 試驗因素水平Table 1 Test factor level table

表2 試件的組合設(shè)計Table 2 Combined design of test pieces

1.2 測量方法

1.2.1 傳統(tǒng)尺規(guī)的節(jié)子大小測量方法

傳統(tǒng)節(jié)子大小測量法指具備正常視力實驗人員借助自然光,通過有機玻璃尺測量節(jié)子的直徑(圖1)。

圖1 傳統(tǒng)尺規(guī)測量節(jié)子大小Fig. 1 Traditional ruler measuring knot size

1.2.2 采用參照物和圖像處理的節(jié)子大小測量方法

1)圖像采集與校正:通過表2的試件組合設(shè)計表進行取樣,每組的圖像采集數(shù)為20,最終得到180張彩色(rgb)照片(uint8),分辨率為 74 ppi。對所采集的圖像(圖2a)進行剪裁與校正,目的是去除主體試件外的背景元素,使圖像中只含有樣本(只含參照物),即可得到實驗圖像(圖2b)。

圖2 剪裁與校正前后圖像Fig. 2 Cropping and correction of before and after images

2) 圖像灰度化:在matlab圖像處理中,通過 RGB3GRAY和 M3BW 達到去色和降低維度的目的[13],效果可見圖3a。同時,根據(jù)灰度圖像可獲得樣本圖像的灰度圖像統(tǒng)計直方圖(3b)。該直方圖顯示了一個樣本圖像中節(jié)子與背景的雙峰直方圖,右峰為灰度值較高的木材區(qū)域,左峰為灰度值較低的節(jié)子區(qū)域。

圖3 去色后的圖像及其灰度圖像統(tǒng)計直方圖Fig. 3 The decolorized image and its gray-scale image statistical histogram

3)對圖像進行二值化處理:通過 matlab 圖像處理工具對含有節(jié)子圖像進行二值化處理[14]。亮度值低于最佳閾值的像素被認為是木材區(qū)域,并被賦予“0”值(暗區(qū)),而亮度值高于最佳閾值的像素被認為是節(jié)子區(qū)域,并被賦予“1”值(亮區(qū))。原圖如圖4a,處理后效果如圖4b所示。但有些木材紋理很深,會被誤認為是節(jié)子區(qū)域,例如在顏色較深的木材中會有些許偏差,其表現(xiàn)為溝壑交替,層次不均,圖像處理時被誤判為“1”值(白色)區(qū)域,如圖4c、d所示。

圖4 Matlab圖像處理后的節(jié)子圖像Fig. 4 Image of wood breakage rate after matlab image processing

4)基于OpenCV圖像處理的節(jié)子大小計算方法:對已進行圖像灰度化和二值化處理的圖像使用OpenCV測量節(jié)子的最大直徑,檢測步驟如圖5所示。

圖5 基于OpenCV圖像處理的節(jié)子大小計算方法Fig. 5 OpenCV image processing based node size calculation method

OpenCV測量原理:引入一個和比例尺類似的概念——給定度量單位的像素比率(pixels per metric ratio),先給定固定大小參照物后便可測得此高度下其他目標(biāo)物體的大小。

①將木材經(jīng)過二值化處理,只留下目標(biāo)節(jié)子,便于測量節(jié)子大小。

②通過函數(shù)對圖像進行高斯濾波(圖6)[15]。為了盡可能減少噪聲對邊緣檢測結(jié)果的影響,必須濾除噪聲以防止由噪聲引起的錯誤檢測。圖6a、b分別表示高斯濾波前后的圖像。

圖6 高斯濾波前后圖像Fig. 6 Gaussian filtered before and after images

③對高斯濾波后的圖像進行Canny邊緣檢測[16]。圖像的邊緣可以指向不同方向,因此經(jīng)典Canny算法用了4個梯度算子來分別計算水平,垂直和對角線方向的梯度。

④通過觀察邊緣圖像可以發(fā)現(xiàn)各目標(biāo)內(nèi)部還具有較細的紋理,通過孔洞填充操作去除內(nèi)部紋理。提取孔洞填充圖像外圍邊緣,使用形態(tài)學(xué)算法去除較小物體,完成對圖像的基本處理。

⑤對已完成基本處理的圖像計算pixels per metric ratio,并輸出帶檢測結(jié)果的圖像,可見到最長直徑(長直徑)和與最長直徑垂直方向的最大尺寸(短直徑)。

2 結(jié)果與分析

2.1 不同場景下節(jié)子測量精度分析

根據(jù)1.2.2所述方法對所采集的所有圖像進行節(jié)子大小測量,共計9組結(jié)果(表3),分別對每組實際測量值與圖像測量值進行方差分析,以驗證圖像測量值與實際測量值是否存在顯著差異。同時,進行絕對誤差和相對誤差分析(表4),以探究圖像測量值與實際測量值之間誤差最小條件下的使用場景,反映圖像測量法的精度。

表3 不同使用場景下節(jié)子長直徑測量結(jié)果Table 3 Measurement results of knotty length diameter under different conditions

表4 實測值與圖像測量值的方差、誤差分析Table 4 Variance and error analysis of measured value and image measured value

表3中共有4個未檢測出節(jié)子,其中長直徑≤10 mm的有4個,占100%,分別是A1B3場景下的16,18和20號節(jié)子以及A3B3場景下的17號節(jié)子。由于近小遠大的透視原理,17號節(jié)子在整個圖片中所占比例太小,導(dǎo)致無法識別,不過尺寸較小的節(jié)子并不會影響CLT的膠合性能。

通過方差分析(表4)可知,9種使用場景下圖像測量法的長直徑測量結(jié)果與其實際測量值均無顯著性差異,說明不同使用場景下節(jié)子大小都可以通過本法進行測量。

通過絕對誤差和相對誤差分析可得:A3B2使用場景下圖像測量法的絕對誤差和相對誤差最小。這是因為在此高度適中、基材紋理淺的使用場景下,所拍攝的圖像受透視原理和邊緣模糊的虛化現(xiàn)象的影響小,故在此使用場景下的測量精度最高。A1B3使用場景下圖像測量法的絕對誤差最大,A2B1使用場景下圖像測量法的相對誤差最大,但相對誤差更能反映測量誤差的可信度,故A2B1使用場景下的測量精度最低。這是因為在此高度低且基材紋理深的使用場景下所拍攝的圖像受透視

原理和邊緣模糊的虛化現(xiàn)象的影響最大。相對誤差由小到大順序為:A3B2< A3B1< A3B3< A1B2< A2B2

a)A1B1;b)A1B2;c)A1B3;d)A2B1;e)A2B2;f)A2B3;g)A3B1;h)A3B2;i)A3B3。圖7 測量結(jié)果Fig. 7 Measurement results

2.2 影響節(jié)子大小測量精度的因素

2.2.1 基材對節(jié)子大小測量精度的影響

測量節(jié)子大小是一種工程實踐問題,但是不同基材下的測量精度卻大不相同?；姆N類是探究節(jié)子大小測量精確度的重要指標(biāo),有的木材紋理特征不明顯,測量結(jié)果誤差會偏小;但有些木材紋理特別凸顯,其紋理顏色很深與節(jié)子顏色深度相差無幾,會影響測量結(jié)果,導(dǎo)致誤差偏大:因此,對基材種類的探究顯得不可或缺。

對所采集的180張圖片進行基材的數(shù)據(jù)分析(表5),據(jù)表5可知在此3種基材下,絕對誤差均值最小為楊木(A3),相對誤差均值最小為楊木(A3)。絕對誤差最大為櫸木(A2),相對誤差最大為櫸木(A2)。相對誤差更能反映測量的可信度,因此在這3種距離下的最優(yōu)基材為楊木。

表5 基材對節(jié)子大小測量精度的影響Table 5 Influence of substrate material on the accuracy of nodule size measurement

2.2.2 高度對節(jié)子大小測量精度的影響

對所采集的180張圖片進行高度的數(shù)據(jù)分析(表6),在此3種高度下絕對誤差均值最小為B2,高度為20 cm,而相對誤差均值最小也為B2,因此在這3種高度下的最優(yōu)高度為20 cm。

表6 基材高度對節(jié)子大小測量精度的影響Table 6 The effect of height on the accuracy of knot size measurements

2.3 討 論

基于參照物和圖像處理的節(jié)子大小測量辦法,拓展了節(jié)子大小的測量途徑,對提升節(jié)子大小計算效率具有重要意義。這不僅有助于完善膠合木質(zhì)量的評價體系,也有助于豐富節(jié)子大小測量方式,極大地促進了節(jié)子大小測量的效率和準(zhǔn)確度,契合了工業(yè)化生產(chǎn)進程和要求。

傳統(tǒng)方法測量節(jié)子大小時,操作復(fù)雜,且?guī)в休^強的隨機性。本研究采用的基于參照物和圖像處理技術(shù)的節(jié)子大小測量方法有效地規(guī)避了以上缺陷,可快速實現(xiàn)節(jié)子大小的量化。 本研究方法雖能夠自動化識別節(jié)子大小,實現(xiàn)節(jié)子的數(shù)字化測量,但圖像自身的明度、對比度、飽和度會受到光照條件影響,成為必須考慮的自變量因素。因此,利用數(shù)字化方法計算的節(jié)子大小,會與實際節(jié)子大小略有偏差。

由于獲取圖像條件受限,圖像質(zhì)量有待提高。采用分辨率更高、更穩(wěn)定的樣本采集環(huán)境,可提高測量數(shù)據(jù)的準(zhǔn)確性,為評估節(jié)子大小研究提供極大的便利。

3 結(jié) 論

本研究以落葉松、櫸木和楊木鋸材為實驗樣本,基于參照物和圖像處理技術(shù)提出了一種節(jié)子大小測量方法。主要結(jié)論如下:

1)基于參照物和圖像處理技術(shù)提出了一種節(jié)子大小測量方法,可以在復(fù)雜的環(huán)境中準(zhǔn)確測量板材中節(jié)子大小。

2)測量高度和木材種類對本方法的測量精度有影響。通過誤差分析可得,對單一變量分析和9組數(shù)據(jù)均值進行數(shù)據(jù)分析得出,最優(yōu)的方案為楊木(A3)和高度為20 cm(B2)下的誤差最小,絕對誤差均值約為0.73 mm,相對誤差均值約為5.8%。在9組實驗中相對誤差均小于20%,滿足工程實際需求。

3)基于參照物的節(jié)子大小測量算法運行速度快、精確度較高、魯棒性強,可克服傳統(tǒng)節(jié)子測量需要人工的缺點,自動化程度高,能夠滿足木材中節(jié)子大小測量的要求。