5、结构木材拼接的实时缺陷识别与优化决策

结构木材拼接的实时缺陷识别与优化决策

1 引言

木材是一种可再生的建筑材料，碳足迹低，既是可持续的现代建筑材料，又与世界各地的文化紧密相连。然而，作为天然材料，木材由于自然生长不均和环境条件不同，材料特性差异较大，常见的缺陷包括节子、裂纹、裂缝和缺棱等。在澳大利亚，锯木厂报告显示，高达 57.5%的锯材可能无法达到结构分级要求。与结构木材相比，不合格木材在大多数建筑或制造作业中不太受欢迎，市场需求低，常被用作木片或亏本出售。

木材行业中，回收不合格木材价值的常见方法是切除缺陷部分，然后将无缺陷的（净木）段拼接成全长的结构板。拼接通常采用指接，因为指接对于典型的结构木材应用（如木桁架和层压梁）具有足够的强度。尽管该流程大多已自动化，但仍需人工目视识别缺陷并标记去除。这个去除过程很大程度上依赖工人的经验，也是材料回收过程中的时间限制环节。此外，段拼接方法本身也会产生剩余的净木材料，因为拼接是基于顺序段进行的，然后修剪到预定的最终长度。

本研究探讨了使用基于机器学习的图像识别和决策算法来改进这一过程的可能性。图像识别在不同行业广泛应用，使用图像识别和机器视觉的优势在于，只需在现有自适应工业管道中添加摄像头，就能以最低的硬件投资成本实现。从机器视觉制造过程中收集的木材图像可以反馈到图像识别和缺陷检测系统中，随着训练数据集的扩大，其准确性会随着时间的推移而提高，使系统能够自我改进或随着木材库存的变化而发展。此外，引入机器视觉系统可以为每个生成的净木段收集实时数据记录，为引入决策算法提供了可能性，该算法可以优化拼接过程，减少剩余材料，或定制不同目标长度的组件。

2 缺陷识别与去除

2.1 图像预处理以进行分割

本研究中使用的