石佳浩,陳廣健,徐呈藝
(南通職業(yè)大學(xué),江蘇 南通 226400)
隨著房地產(chǎn)、教育等行業(yè)的快速發(fā)展,木材的使用范圍也越來(lái)越廣泛,所以我國(guó)對(duì)木材的需求量也極大。但工業(yè)收集到的木材原材料的品質(zhì)存在參差不齊的問(wèn)題,比如許多木材表面和內(nèi)部存在很多缺陷,有些木材內(nèi)部含水量過(guò)高等問(wèn)題。這些缺陷對(duì)木材的質(zhì)量造成了決定性的影響,對(duì)工業(yè)上木材的加工和處理造成了很大阻礙,極大降低了木材加工的效率。除此以外,木材加工業(yè)對(duì)木材的紋理和木材的大小等方面都有諸多要求。所以木材品質(zhì)檢測(cè)分類技術(shù)成為我國(guó)學(xué)者研究的重要課題[1-5]。
目前,國(guó)內(nèi)木材加工行業(yè)還主要依賴于人工挑選來(lái)完成木材品質(zhì)的分類,這種人工分揀的方法存在較大的主觀誤差,而且人眼會(huì)由于產(chǎn)生疲勞導(dǎo)致分揀效率降低,所以這種方法無(wú)法滿足工業(yè)生產(chǎn)的檢測(cè)質(zhì)量分級(jí)的需求。再加上人力成本越來(lái)越高,導(dǎo)致木材加工的成本也越來(lái)越高,木材品質(zhì)分級(jí)的標(biāo)準(zhǔn)也無(wú)法統(tǒng)一[6]。所以各種各樣越來(lái)越先進(jìn)的木材品質(zhì)檢測(cè)分類技術(shù)相繼而生,使得木材品質(zhì)檢測(cè)分類技術(shù)的自動(dòng)化程度越來(lái)越高,慢慢替代人工檢測(cè)。本文擬通過(guò)總結(jié)木材品質(zhì)檢測(cè)分類技術(shù)的發(fā)展?fàn)顩r,分析這些木材品質(zhì)檢測(cè)分類技術(shù)的優(yōu)缺點(diǎn),展望一下木材品質(zhì)檢測(cè)分類技術(shù)未來(lái)的具體發(fā)展方向,以期為木材品質(zhì)檢測(cè)分類技術(shù)向智能化方向發(fā)展提供參考[7-9]。
對(duì)木材進(jìn)行全面的檢驗(yàn)是進(jìn)行木材品質(zhì)分類的根本保障,只有通過(guò)科學(xué)、全面的檢測(cè),才能保證最終木材品質(zhì)分類的準(zhǔn)確性,也才能保證最終木材加工成品的質(zhì)量。這就要求檢測(cè)技術(shù)不僅能準(zhǔn)確檢測(cè)出木材上存在的缺陷,還要能檢測(cè)出木材的紋理、尺寸和含水率等參數(shù)。所以檢測(cè)技術(shù)的全面性是未來(lái)發(fā)展的一個(gè)重要挑戰(zhàn)[10]。
要想完全替代傳統(tǒng)人工檢測(cè),新的檢測(cè)技術(shù)必須滿足工業(yè)生產(chǎn)的檢測(cè)效率要求,即對(duì)檢測(cè)的速度有一定的要求。如果檢測(cè)速度過(guò)慢,在相同成本下,速度達(dá)不到人工檢測(cè)的速度,那這樣的技術(shù)則無(wú)法替代人工檢測(cè)的方法,所以檢測(cè)效率是影響檢測(cè)方法優(yōu)劣一個(gè)關(guān)鍵因素。
目前,國(guó)內(nèi)外已經(jīng)有很多學(xué)者研究并提出了一些理論上合理的木材品質(zhì)檢測(cè)技術(shù),但這些技術(shù)真正應(yīng)用到實(shí)際工業(yè)生產(chǎn)中的還很少,實(shí)用性不是很強(qiáng),所以木材品質(zhì)檢測(cè)技術(shù)的實(shí)用效果也是未來(lái)研究需要解決的一個(gè)重要問(wèn)題[11]。
為了替代傳統(tǒng)的人工檢測(cè)方法,國(guó)內(nèi)外學(xué)者已經(jīng)針對(duì)這種木材品質(zhì)檢測(cè)技術(shù)做了一定的研究,相繼研究出來(lái)射線檢測(cè)法、應(yīng)力波檢測(cè)法、超聲波檢測(cè)法和紅外線檢測(cè)法等,接下來(lái)文中將對(duì)幾種主流傳統(tǒng)方法的發(fā)展現(xiàn)狀進(jìn)行簡(jiǎn)要介紹。
射線檢測(cè)方法主要分為X 射線法、γ 射線法等。其中X 射線法已經(jīng)廣泛應(yīng)用于工業(yè)、地礦、農(nóng)田和醫(yī)療等領(lǐng)域,應(yīng)用非常廣泛,技術(shù)也相對(duì)比較成熟。X 射線法主要利用木材內(nèi)部結(jié)構(gòu)不同對(duì)X 射線的吸收能力不同的原理,通過(guò)收集X 射線下木材所吸收的熒光信息進(jìn)一步分析木材的結(jié)構(gòu)和含量信息等。
劉自強(qiáng)等[12]研制了一種X 射線電視顯像設(shè)備,配合照相技術(shù)對(duì)木材各種缺陷進(jìn)行檢測(cè),并通過(guò)改變木材的移動(dòng)速度觀察缺陷檢測(cè)的效果,發(fā)現(xiàn)X 射線法可以檢測(cè)出木材內(nèi)部的缺陷,但難于分辨裂紋或夾皮。李好信等[13]提出利用γ 射線對(duì)樹(shù)木的年輪進(jìn)行無(wú)損檢測(cè),發(fā)現(xiàn)γ 射線無(wú)需水源、電源,檢測(cè)方便。虞玥洋[14]研究指出,采用電子計(jì)算機(jī)化的軸向?qū)游鯴 射線攝影掃描機(jī)可以探測(cè)木材內(nèi)部的缺陷,但成本過(guò)高,在工業(yè)生產(chǎn)中無(wú)法推行。
從上述研究可以看出,這種方法雖然比較成熟,在很多領(lǐng)域應(yīng)用很廣泛,但應(yīng)用于木材品質(zhì)檢測(cè)時(shí)其檢測(cè)精度還比較低,設(shè)備生產(chǎn)成本高,無(wú)法真正替代人工檢測(cè)。
超聲波檢測(cè)法與X 射線檢測(cè)法類似,但是與X 射線檢測(cè)法相比,這種方法在木材品質(zhì)檢測(cè)方面的應(yīng)用更加廣泛[15]。超聲波檢測(cè)法也是利用木材不同結(jié)構(gòu)會(huì)影響超聲波的傳播路徑,通過(guò)檢測(cè)分析通過(guò)木材傳播后的超聲波的波形等,可以判斷木材的大小與結(jié)構(gòu)等信息。
孫道棪等[16]提出利用超聲波不僅可以檢測(cè)木材內(nèi)部的缺陷,還可以檢測(cè)確定木材中腐朽的存在或超過(guò)使用年限后其強(qiáng)度的損失,這樣可以更加全面評(píng)價(jià)木材的品質(zhì)。楊慧敏等[17]通過(guò)超聲波檢測(cè)法對(duì)木材品質(zhì)進(jìn)行檢測(cè)時(shí)發(fā)現(xiàn),用軟橡膠代替耦合劑可以使超聲探頭和被測(cè)物更好地連接使檢測(cè)變得方便干凈。
超聲波檢測(cè)法對(duì)檢測(cè)木材的尺寸限制比較少,檢測(cè)全面性也更強(qiáng),但是這種檢測(cè)法對(duì)傳感器匹配要求較高是其一大缺點(diǎn),而且這種檢測(cè)方法的檢測(cè)精度也是最大的局限性,所以超聲波檢測(cè)法依舊無(wú)法實(shí)現(xiàn)木材品質(zhì)的精準(zhǔn)檢測(cè)[18]。
應(yīng)力波是應(yīng)力在介質(zhì)中以一定的速度從一部分傳到另一部分的傳遞形式。根據(jù)應(yīng)力波傳播理論,應(yīng)力波在傳播過(guò)程中,遇到木材裂紋等缺陷時(shí)會(huì)發(fā)生散射、反射的現(xiàn)象,因此,可以根據(jù)應(yīng)力波傳播過(guò)程中攜帶的缺陷信息判斷木材的品質(zhì)。
楊學(xué)春[19]通過(guò)應(yīng)力波測(cè)試儀對(duì)紅松木材進(jìn)行檢測(cè)實(shí)驗(yàn),得出應(yīng)力波傳播時(shí)間、應(yīng)力波傳播速度和木材彈性模量與木材長(zhǎng)度均呈正相關(guān),進(jìn)而分析所測(cè)木材的相關(guān)品質(zhì);楊學(xué)春等[20]利用Arbotom 應(yīng)力波檢測(cè)系統(tǒng),對(duì)東北林區(qū)樹(shù)種的原木內(nèi)部腐朽進(jìn)行檢測(cè),獲得內(nèi)部腐朽的二維圖像,實(shí)驗(yàn)證明這種檢測(cè)方法準(zhǔn)確率較低。
應(yīng)力波檢測(cè)法在檢測(cè)木材內(nèi)部腐朽時(shí)取得了較好的檢測(cè)效果,但這種檢測(cè)方法的檢測(cè)速度并不能滿足工業(yè)生產(chǎn)的要求,而且檢測(cè)木材品質(zhì)還有許多方面需要檢測(cè),這種檢測(cè)方法的檢測(cè)全面性還遠(yuǎn)遠(yuǎn)不夠。
紅外檢測(cè)法是一種比較成熟的目標(biāo)檢測(cè)方法,與X 射線檢測(cè)法、超聲波檢測(cè)方法相比,其檢測(cè)速度和精度都有很大的優(yōu)勢(shì)。紅外檢測(cè)法利用的是木材存在的缺陷結(jié)構(gòu)會(huì)導(dǎo)致紅外熱量傳遞不同,最終根據(jù)紅外熱成像分析木材的溫度分布,進(jìn)而通過(guò)溫度異常點(diǎn)來(lái)判斷木材缺陷的存在。
韓雨杉[21]用近紅外木材含水率檢測(cè)系統(tǒng)對(duì)3 組楊木試材含水率進(jìn)行連續(xù)檢測(cè),結(jié)果證明含水率測(cè)量值與含水率真值變化趨勢(shì)一致,二者絕對(duì)誤差在0.8%以內(nèi)。該方法還用于落葉松試材檢測(cè),誤差為1.22%,在工業(yè)含水率檢測(cè)誤差要求范圍內(nèi)。高珊等[22]應(yīng)用人工紅外燈和烘干箱法,研究孔徑缺陷識(shí)別的最佳加熱時(shí)間和最佳加熱溫度,探討熱源選擇對(duì)不同孔徑大小的木材檢測(cè)效果的影響。研究結(jié)果表明,隨著試樣缺陷孔徑的不斷減小,最佳加熱時(shí)間和最佳加熱溫度都逐漸減少;在一定孔徑范圍內(nèi)熱像圖能較為準(zhǔn)確地反映木材缺陷的位置及大小情況;隨著試樣缺陷孔徑的不斷減小,檢測(cè)效果越來(lái)越不明顯。
紅外檢測(cè)法與應(yīng)力波檢測(cè)法類似,該檢測(cè)方法在木材缺陷檢測(cè)方面具備很好的檢測(cè)效果,但由于其檢測(cè)成本過(guò)高,沒(méi)有在工業(yè)生產(chǎn)過(guò)程中被普遍應(yīng)用[23]。
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中一個(gè)新的研究方向,其是學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次,最終讓機(jī)器能夠像人一樣具有分析學(xué)習(xí)能力,能夠識(shí)別文字、圖像和聲音等數(shù)據(jù)。隨著機(jī)器視覺(jué)的快速發(fā)展,深度學(xué)習(xí)的發(fā)展速度也非常驚人,已經(jīng)被應(yīng)用到醫(yī)學(xué)、工業(yè)檢測(cè)和農(nóng)業(yè)檢測(cè)等個(gè)股方面,應(yīng)用非常廣泛。
陳德海等[24]提出了一種MS-DCNN 模型用于識(shí)別骨髓白細(xì)胞,實(shí)驗(yàn)結(jié)果表明,該模型的識(shí)別準(zhǔn)確率達(dá)到了98.9%,高于其他主流方法。鄒捷等[25]提出了一種整合優(yōu)化的R-FCN 圖像識(shí)別算法,利用這種算法對(duì)采集圖像進(jìn)行識(shí)別,實(shí)驗(yàn)證明該算法對(duì)常見(jiàn)典型缺陷準(zhǔn)確率達(dá)到了90%,基本達(dá)到實(shí)用化水平。劉慧力等[26]搭建了一種多尺度分層特征卷積神經(jīng)網(wǎng)絡(luò)模型,應(yīng)用4 倍膨脹的單位卷積核,獲得了玉米秧苗圖像的識(shí)別模型,其識(shí)別準(zhǔn)確率為99.65%。
木材的品質(zhì)分類檢測(cè)主要分為木材的缺陷檢測(cè)和含水率、尺寸等重要參數(shù)檢測(cè)等,人工神經(jīng)網(wǎng)絡(luò)技術(shù)在這方面已經(jīng)得到廣泛應(yīng)用,其中的深度學(xué)習(xí)技術(shù)在木材品質(zhì)分類檢測(cè)方面發(fā)展尤為迅速。范佳楠等[27]利用非下采樣剪切波最有稀疏表示特性及簡(jiǎn)單線性跌倒聚類算法優(yōu)化傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò),有效提高了木材缺陷無(wú)損檢測(cè)的準(zhǔn)確率,識(shí)別準(zhǔn)確率達(dá)到98.6%。邵明偉等[28]提出了一種基于深度學(xué)習(xí)的木材優(yōu)選鋸視覺(jué)檢測(cè)算法,通過(guò)搭建木材缺陷識(shí)別網(wǎng)絡(luò)和木材等級(jí)識(shí)別網(wǎng)絡(luò)實(shí)現(xiàn)木材缺陷的識(shí)別定位和無(wú)缺陷木材的等級(jí)分類,缺陷檢測(cè)正確率達(dá)到95.8%,單幅圖像等級(jí)分類識(shí)別時(shí)間為55 ms。
朱豪等[29]通過(guò)引入坐標(biāo)注意力機(jī)制和混合空間金字塔池化結(jié)構(gòu),有效改善了YOLOv5 模型在木材表面缺陷檢測(cè)上的表現(xiàn),改善后模型的平均精度值達(dá)到84.4%。劉璐等[30]設(shè)計(jì)了一種分析木材霉變特征和含水量檢測(cè)系統(tǒng),該系統(tǒng)利用高光譜技術(shù)和深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)了木材的霉變?cè)u(píng)估和含水量預(yù)測(cè),預(yù)測(cè)集的相關(guān)系數(shù)和均方根誤差分別為0.907 3 和0.756 4。SHI 等[31]提出了一種改進(jìn)的Mask RCNN 木材缺陷檢測(cè)算法實(shí)現(xiàn)木材表面的缺陷檢測(cè),檢測(cè)準(zhǔn)確率達(dá)到了98.7%,同時(shí)該算法檢測(cè)速度也能夠很好地滿足工業(yè)生產(chǎn)的需求。
由此可以看出,深度學(xué)習(xí)檢測(cè)法在木材品質(zhì)檢測(cè)應(yīng)用方面已經(jīng)取得非常好的效果,相對(duì)于傳統(tǒng)檢測(cè)方法,深度學(xué)習(xí)檢測(cè)法在檢測(cè)速度、檢測(cè)精度等方面都有較大的提高。深度學(xué)習(xí)檢測(cè)法已逐漸成為未來(lái)木材品質(zhì)檢測(cè)的發(fā)展方向[32-38]。
傳統(tǒng)的木材品質(zhì)檢測(cè)方法在實(shí)際生產(chǎn)應(yīng)用過(guò)程中受到諸多因素的限制,導(dǎo)致傳統(tǒng)的木材品質(zhì)檢測(cè)方法存在著檢測(cè)精度低、檢測(cè)速度慢、檢測(cè)全面性不夠等缺點(diǎn)。深度學(xué)習(xí)檢測(cè)算法在木材品質(zhì)檢測(cè)方面已經(jīng)越來(lái)越成熟,在木材的缺陷檢測(cè)和含水率、尺寸檢測(cè)等方面已經(jīng)取得較好的表現(xiàn),應(yīng)用越來(lái)越廣泛,對(duì)實(shí)現(xiàn)智能化木材品質(zhì)檢測(cè)具有積極的促進(jìn)意義,是未來(lái)木材品質(zhì)檢測(cè)技術(shù)的發(fā)展趨勢(shì),但該方法目前也存在一些不足,總結(jié)如下。
其一,模型適用性不強(qiáng)。深度學(xué)習(xí)檢測(cè)模型的檢測(cè)能力往往由訓(xùn)練該模型的數(shù)據(jù)集的木材種類和圖片數(shù)量所決定。因此,基于深度學(xué)習(xí)的木材品質(zhì)檢測(cè)模型大多數(shù)都無(wú)法適用于多種類型木材的品質(zhì)檢測(cè)。針對(duì)此問(wèn)題,可通過(guò)建立開(kāi)源的不同種類的木材數(shù)據(jù)集和木材品質(zhì)檢測(cè)模型數(shù)據(jù)庫(kù)來(lái)不斷提高木材品質(zhì)檢測(cè)模型的適用性。
其二,木材品質(zhì)檢測(cè)技術(shù)集成度較低。目前針對(duì)影響木材品質(zhì)的重要參數(shù)檢測(cè)的深度學(xué)習(xí)算法已較為成熟,該方法在檢測(cè)精度和速度方面都有較好表現(xiàn)。但由于缺少高度集成的木材品質(zhì)檢測(cè)設(shè)備,該方法要應(yīng)用到實(shí)際的木材品質(zhì)檢測(cè)行業(yè)還存在一些難度。針對(duì)此問(wèn)題,可通過(guò)開(kāi)發(fā)生產(chǎn)一種集傳感器技術(shù)、傳動(dòng)技術(shù)、可編程控制技術(shù)和深度學(xué)習(xí)技術(shù)于一體的高度集成設(shè)備來(lái)提高木材品質(zhì)檢測(cè)技術(shù)的集成度。