Содержание

Виды распила и пороков древесины.

Виды распила древесины.

Не одну тысячу лет человечество использует дерево как строительный материал и, несмотря на технический прогресс и появление современных материалов, натуральные материалы всегда остаются в тренде.

Качество готовой древесины как строительного материала зависит от множества факторов: от окружающей среды, где изначально росло дерево, от породы и , конечно же, соблюдения технологии производства. Также, немаловажным обстоятельством является способ распила, который и определяет структуру, технические характеристики и внешний вид древесины.

Существует несколько видов распила: радиальный, тангенциальный, поперечный и рустикальный.

При рустикальном распиле дерево распиливается под острым углом к направлению волокон. В таком случае рисунок получается неоднородным и необычный.

При поперечном лес распиливается поперек волокон. Такой вид применяют при производстве художественного паркета.

Один из самых распространенных видов — это радиальный. В этом варианте плоскость разреза проходит через сердцевину ствола. Характеризуется однородностью цвета и фактуры. Материал обладает большей плотностью и твердостью, а также обладает наилучшими физико-механическими характеристиками и фактически не деформируются. Выход доски невелик — порядка 10-15%, потому они довольно дороги. Доски при таком распиле имеют коэффициент усушки 0,19%, а коэффициент разбухания — 0,2%.

При тангенциальном распиле плоскость разреза проходит на расстоянии от сердцевины по касательной к годичному слою ствола. Эти доски имеют хорошую выраженную структуру и насыщенный рисунок годовых колец. Доски более дешевые, но имеют и выше коэффициенты усушки и разбухания, почти в два раза выше, чем у радиального. К несчастью, доски  теряют объем при усушки и потому больше теряют влагу.

Если сравнить доски тангенциального и радиального распилов, можно отметить:

— Радиальные пиломатериалы обладают высокими физико-механическими характеристиками, почти в 2 раза ниже коэффициенты разбухания и усушки.

— Древесина досок радиального распила имеет более равномерным оттенком и текстурой, что придает высокую ценность деревянным изделиям.

— По причине своих характеристик, радиальные доски более распространенные, хоть и обладают высокой ценой.

Определение дефекта и порока дерева

Основное отличие является что дефект — это нарушение целостности доски вследствие внешнего механического воздействия либо нарушения правил заготовки, а порок — это уже изъян формы ствола.

Основные пороки древесины

Свилеватость — определяется беспорядочным и извилистым расположением волокон.

Тяговая древесина — зачастую лиственных пород — с резким расширением годичных колец. Измененные участки отличаются более темным окрасом.

Водослой — участки ядра или спелой древесины с повышенным содержание воды.

Пятнистость — наличие пятен или полос на древесине, схожих по цвету с ядром.

Прорость — рана на дереве, которая либо заросла, либо зарастает.

Рак — углубление или вздутие на стволе, причиненное грибами или бактериями

Завиток — искривление возле годичных сучков или проростей. Снижает прочность.

Глазки — следы недоразвитых почек. Могут быть группа или поодиночке, темными либо светлыми.

Кармашек — полость между годичными кольцами, заполненная смолой либо камедями.

Наклон волокон (ранее косослой) — ярко выраженное отклонение волокон относительно продольной оси дерева.

Заболонь внутренняя — соседние годичные слои, расположенные в зоне ядра.

Сухобокость — отмерший участок поверхности ствола.

Ложное ядро — темная и неравномерно окрашенная зона, аналогичная настоящему ядру. Присуща большинству хвойных и ядровых древесных пород.

 

UMI.CMS — Пороки древесины

Пороки древесины — это особенности и недостатки как всего ствола дерева, так и отдельных его участков, ухудшающие свойства древесины и ограничивающие возможности ее использования. В отличие от пороков, дефекты возникают из-за неправильной механической обработки, во время заготовки, транспортировки, пиления и т.п.

От вида, характера и размеров пороков зависит сортность древесины. Один и тот же порок в одних сортиментах не допускается, в других снижает сортность, а в третьих почти или совершенно не имеет значения.

Некоторые виды пороков легко обнаруживаются при внешнем осмотре дерева. Однако большинство пороков древесины может быть выявлено только после валки, а иногда и разделки дерева.

Полная характеристика пороков древесины дается в ГОСТ 2140-81. Всего в данный ГОСТ занесена 181 разновидность пороков и дефектов древесины.

Выделяют 9 групп пороков древесины:

  1. сучки;
  2. трещины;
  3. пороки формы ствола;
  4. пороки строения древесины;
  5. химические окраски;
  6. грибные поражения;
  7. биологические повреждения;
  8. инородные включения, механические повреждения и пороки обработки;
  9. покоробленности.

Сучки и трещины

Сучки — наиболее распространенный порок древесины, присущий почти всем породам деревьев. Они нарушают однородность строения древесины, затрудняют механическую обработку и снижают ее прочностные показатели. В зависимости от состояния и отношения к окружающей древесине сучки бывают светлые и темные; сросшиеся, несросшиеся и выпадающие; здоровые, гнилые и табачные и т. д. Также они классифицируются по своему расположению в пиломатериале. На круглых лесоматериалах различаются открытый и заросший сучок.

Трещина — это разрыв древесины вдоль, реже поперек волокон.

Различают трещины растущего дерева (метик, отлуп, морозобоины) и трещины, образовавшиеся в срубленном дереве — трещины усушки.

Пороки формы ствола

К порокам формы ствола относят сбежистость, закомелистость, наросты, кривизну и др.

Сбежистость — постепенное уменьшение диаметра ствола или ширины необрезного пиломатериала по всей длине по направлению от комля к вершине, превышающее нормальный сбег, равный 1 см на 1 м длины.

Закомелистость — резкое увеличение диаметра комлевой части дерева по сравнению с остальной его частью.

Нарост — резкое местное утолщение на боковой поверхности круглого лесоматериала различной формы и размеров. Сопровождается свилеватостью древесины. Встречается на всех породах, чаще на лиственных.

Кривизна — это искривление ствола дерева по длине. В зависимости от направления изгиба различают кривизну одностороннюю и разностороннюю. Односторонняя кривизна имеет искривление только в одной плоскости, разносторонняя — в разных плоскостях или в одной плоскости, но в нескольких местах.

Пороки строения древесины

К порокам строения древесины относят наклон волокон, крень, свилеватость и др.

Oтклoнение направления вoлoкoн oт прoдoльнoй oси сoртимента называется наклoнoм вoлoкoн, или кoсoслoем. В зависимoсти oт направления вoлoкoн наклoн бывает тангентальный и радиальным.

Крень — изменение строения в нижней зоне ствола и сучьев древесины хвойных пород в виде утолщения и потемнения годичных слоев поздней древесины. Свилеватость — извилистое или беспорядочное расположение волокон древесины. Встречается на всех древесных породах.

Тяговая древесина — изменение строения древесины лиственных пород в растянутой зоне стволов и сучьев, проявляющееся в резком увеличении толщины годичных слоев. Обнаруживается по ворсистости, иногда по изменению окраски.

Завиток — местное искривление годичных слоев, обусловленное близким расположением сучков или проростей.

Прорость — частично или полностью заросшая на стволе кора или омертвевшая в результате повреждения древесина. Возникает в растущем дереве при зарастании нанесенных ему повреждений и сопровождается развитием засмолка, грибных ядровых пятен и полос ядровой гнили.

Другие пороки

Химические окраски – это ненормально окрашенные равномерные по цвету участки в срубленной древесине, возникающие в результате развития химических и биохимических процессов, в большинстве случаев связанные с окислением дубильных веществ. Классификация по типам — продубина и желтизна, по интенсивности — светлая и темная.

Грибные поражения

– это грибные ядровые пятна, плесень, заболонные грибные окраски, побурение (торцовое, боковое), гниль (пестрая ситовая, бурая трещиноватая, белая, заболонная, ядровая, твердая, мягкая, наружная трухлявая).

Под биологическими повреждениями понимаются ходы и отверстия, проделанные в древесине насекомыми. Речь идет о червоточине (поверхностная, неглубокая, глубокая, крупная, некрупная, сквозная), повреждении древесины паразитными растениями (неглубокое, глубокое), а также повреждении птицами.

К механическим повреждениям и порокам обработки относятся инородные включения, обугленность, обдир коры, карра, скос пропила, обзол, закорина, риски, волнистость, ворсистость, мшистость, бахрома, заруб, запил, отщеп, скол, козырек, заусенец, вырыв, задир, выщербина, вмятина, рваный торец, рябь шпона, накол, царапина, выхват, непрофрезеровка, гребешок, прошлифовка, недошлифовка, ожог.

Покоробленностью называется деформация сортимента древесины при распиловке или сушке. Различаются три вида покоробленности: поперечная — изгиб сортимента по ширине, продольная — изгиб по длине и винтовая — спиральная изогнутость сортимента по длине. Покоробленность древесины изменяет форму пиломатериалов и затрудняет их применение.

Полезные советы

  • По возможности выбирайте пиломатериалы лично. Заказывать древесину по телефону можно лишь в проверенных местах, там, где качество подтверждалось благоприятными отзывами и предыдущими покупками.
  • Когда идете покупать древесину, возьмите с собой торцевой рубанок, чтобы можно было очистить небольшие участки и оценить цвета или слои, если их не видно из-за грязи или последствий работы распиловочного станка.
  • Перед покупкой пиломатериалов осмотрите поверхность древесины для выявления трещин, сучков, неровностей слоев и волокон.
  • Взгляните на края, чтобы выяснить тип доски, связанный со способом распиловки. Посмотрите на нее вдоль длинной стороны для выявления скручивания или изгиба.

Пороки древесины, применяемой в судостроении

Пороками, или фаутами, называются все отклонения древесины от ее нормального строения. Пороки оказывают определенное влияние на техническую пригодность древесины. Степень этого влияния зависит от вида порока, размера поражения и места его расположения в сортименте, а также от назначения и характера сортимента.

Качественная оценка и сортировка лесоматериалов основаны на допустимости различных пороков в той или иной степени развития в зависимости от назначения материалов. Каждый стандарт на определенный сортимент в разделе (качество древесины) содержит таблицу допустимых пороков.

Древесина может иметь разные пороки, например сучки, ненормальную окраску и гнили, повреждения насекомыми, трещины, пороки формы ствола, пороки строения древесины, пороки от ранения ствола и ненормальные отложения.

Ниже рассмотрены отдельные виды пороков древесины.

а) Сучки

Сучки, нарушая однородность строения древесины, снижают ее механическую прочность. По форме и характеру они могут быть различными.

Сшивные сучки получаются в доске, когда она выпилена вдоль направления сучка.

Лапчатые сучки располагаются парами или гнездами в одной продольной плоскости. При распиливании ствола такой сучок имеет вид двух симметричных полос.

По состоянию древесины сучков и степени их срастания с древесиной ствола сучки разделяются на три вида: сросшиеся твердые, частично сросшиеся твердые и несросшиеся.

Сросшиеся твердые суч ки. К этой группе относятся здоровые сучки, не имеющие признаков гнили; годичные слои таких сучков прочно связаны со слоями древесины. При обработке древесины эти сучки не выпадают, окраска их несколько темнее всей древесины.

Рис. 1. Сучки в пиломатериалах: а — сшивной сучок; б — лапчатый сучок.

Рис. 2. Сучки:
а — здоровый, заросший; б — сросшийся; в — выпадающий; г — до выпадания; д — после выпадания.

Роговые сучки имеют здоровую древесину, но обильно пропитаны смолой, дубильными, ядровыми или другими веществами и окрашены значительно темнее, чем древесина; иногда они имеют повышенную твердость. У лиственных пород (такие сучки часто называют черными твердыми) они характеризуются ровной темной окраской без нарушения структуры древесины сучка.

Сросшиеся окрашенные сучки. Эти сучки окружены здоровой древесиной, но находятся в начальной стадии загнивания. Они могут быть окрашены в светлые, темные и пестрые тона.

Несросшиеся сучки К этой группе относятся выпадающие твердые сучки, которые бывают только в пиленых лесоматериалах и фанере. Они имеют твердую древесину, только частично прочно связанную с окружающей древесиной ствола. При высыхании последней такие сучки могут легко выпадать.

Рыхлые сучки, древесина которых находится в стадии гниения и окружена здоровой древесиной. Они еще сохраняют свою форму, хотя древесина их полностью или частично утратила свою первоначальную структуру и в значительной степени размягчилась. Цвет древесины сучков различный, иногда содержит черные или белые пятна. В сучках зачастую бывают ситовины или трухлявости

Табачные сучки, древесина которых совершенно сгнила и превратилась в бурую, коричневую или пеструю массу, легко растираемую пальцами в порошок.

Черные смолевые сучки, встречающиеся у хвойных пород, представляют собой черную смолистую массу, частично или полностью заместившую выгнивший сучок. Частично сросшиеся сучки отличаются тем, что они могут быть здоровыми, роговыми и окрашенными.

Для того чтобы уменьшить вредность сучков в деталях столярных изделий, их высверливают или вырубают, а образовавшееся сквозное отверстие или несквозное углубление заделывают пробкой из той же древесины. Волокна пробок располагают по направлению волокон доски или детали. Пробки имеют форму ромба или круга, ставят пробки на клею.

Для высверливания сучков и постановки пробок применяют различные станки. Очень удобны специальные одношпиндельные станки с механической подачей, представляющие собой разновидность сверлильных станков.

Рис. 3. Заделки сучков:
а — круглая; б — ромбическая.

б) Ненормальные окраски и гнили

Нормальный цвет древесины изменяется под влиянием поселившихся в ней грибов. Пораженные ими места становятся бурыми, красноватыми, коричневыми и т. д. Изменение окраски древесины определяет начало гниения; при дальнейшем развитии деятельности грибов становится заметным изменение структуры древесины и ее постепенное разрушение (конечная стадия гнили). Существуют и такие виды грибов, которые не разрушают древесину, а только вызывают на протяжении всей своей деятельности изменение ее цвета.

Пораженная гнилью древесина не пригодна для производственного использования. Сохранившаяся часть здоровой древесины может быть использована после удаления гнилой части и некоторой части, непосредственно прилегающей к ней здоровой на вид древесины.

Окраски и гнили разделяют на внутренние (ядровые, сердцевинные) и наружные.

Внутренние окраски и гнили. Появляются в растущем дереве. В древесине безъядренных лиственных пород разрастание внутренней окраски и гнили происходит чаще, чем в древесине хвойных и ядровых лиственных пород.

Трухлявая внутренняя гниль бывает во внутренних слоях ствола в виде участков сильно размягченной древесины и окрашена в светло-бурый или темно-бурый цвет. Эта гниль образует продольные и поперечные трещины и превращает древесину в ломкую массу, а при сильном поражении — в легко растираемую труху. Встречается гниль на всех породах.

Белая внутренняя гниль распространяется во внутренних слоях ствола в виде белых или беловатых выцветов неправильного очертания. При сильном развитии гнили древесина становится белой или светло-желтой с черными извилистыми линиями с окаймлением светлых участков темной полосой, теряет твердость и прочность, легко расщепляется на волокна и крошится. Этот вид гнили поражает только лиственные породы.

Наружные окраски и гниль. Заболонные грибные окраски — это ненормальные окраски заболонной древесины, а иногда и ядра, которые появляются в срубленной древесине при медленном ее просыхании от грибов, не вызывающих гнили. на появляется на заболонной части в виде сине-серой окраски

распространяется в глубь древесины. Синева встречается на всех породах, особенно на сосне и других хвойных. При просушке древесины синева уменьшается, но не исчезает; она не ухудшает технических свойств древесины.

Плесень появляется на поверхности влажной разделанной древесины всех пород в виде пушистых налетов зеленого, серого, розового или кирпично-красного цвета. Плесень не ухудшает технических свойств древесины.

Наружная трухлявая гниль (домовый гриб) встречается на всех породах дерева в постройках и закрытых складах и отличается явным нарушением структуры древесины и резким снижением ее механических свойств. Поражение гнилью охватывает сначала наружные слои древесины и постепенно распространяется вглубь. Пораженная древесина окрашивается в светло-бурый цвет, теряет свою прочность и пригодность для производства. Благоприятными условиями для развития домового гриба являются повышенная влажность (20—35%) древесины, отсутствие света, вентиляции и температура 20—35 °С.

в) Повреждения насекомыми

Насекомые причиняют огромный вред древесине как лиственных, так и хвойных пород. Вредят древесине, главным образом, личинки насекомых. Повреждения лесоматериала насекомыми называют термином червоточина.

Поверхностную червоточину причиняют жуки-короеды и их личинки. Червоточина бывает на поверхности ствола или на кромке необрезной доски в виде неглубоких отверстий и каналов, иногда заполненных порошкообразной массой. Поверхностная червоточина встречается на всех породах дерева.

Неглубокая червоточина (глубина ходов до 5 мм) снижает сортность бревен, пиломатериалов, фанеры. Глубокая червоточина (глубина ходов свыше 5 мм) снижает сортность лесоматериалов до такой степени, что их нередко приходится переводить в неделовую древесину. Трухлявая червоточина является разновидностью глубокой, так как делает древесину непригодной для использования как в промышленности, так и в строительстве.

г) Трещины

В зависимости от времени появления и характера повреждения они разделяются на трещины растущего дерева (метик, отлуп, морозобоина) и трещины, возникшие в срубленной древесине (так называемые трещины усушки).

Метик — одна или несколько широких внутренних продольных трещин, проходящих через сердцевину ствола и направленных радиально, но не доходящих до периферии ствола. Метики разделяются на простые, состоящие из одной или двух трещин на торце, расположенных по одному диаметру, крестовые , состоящие из двух или нескольких трещин на торце, расположенных под некоторым углом одна к другой, еловые — внутренняя трещина, идущая по годовому и Равняющаяся на некотором протяжении вдоль; наблюдается в круглых сортиментах, чаще на комлевом торце, в виде дугообразной трещины, не заполненной смолой, или кольцеобразной трещины. В пиломатериалах отлуп наблюдается на торцах в виде трещин-луночек, а на боковых поверхностях — в виде продольных трещин или продольных желобчатых углублений.

Рис. 4. Метики:
а — простой; б — крестовый.

Рис. 5. Отлупы:
а — частичный; б — кольцевой или полный.

Рис. 6. Морозобоины:
а — открытая; б — закрытая.

Морозобоина — наружная трещина вдоль ствола растущего дерева, образующаяся при сильных морозах.

Трещины усушки встречаются на всех породах; образуются в сортименте при влажности древесины ниже 30% и распространяются от поверхности вглубь. Появление этих трещин объясняется неравномерным высыханием отдельных слоев древесины.

Сортименты крупных сечений при сушке растрескиваются сильнее, чем мелких сечений. Особенно сильно растрескиваются сортименты, включающие сердцевинную трубку. Трещины усушки оказывают на древесину существенное влияние и могут значительно снизить ее сортность, вплоть до перевода ее в разряд дровяной.

д) Пороки строения древесины

В эту группу входят пороки, связанные с ненормальным строением древесного ствола: косослой, свилеватость, завиток, крень, внутренняя заболонь, двойная сердцевина и пасынок.

Косослой — неправильное строение древесины, выражающееся в косом (винтообразном) направлении волокон. Кроме природного косослоя, может быть искусственный, получающийся при распиловке закомелистых и кривых бревен. Косослой встречается у деревьев всех пород. Пиломатериал, выпиленный из косослойной древесины, имеет низкую механическую прочность.

Рис. 7. Пороки строения древесины:
а — косослой; б — свилеватость; в — завиток; г — крень; д — внутренняя заболонь; е — двойная сердцевина; ж — пасынок.

Свилеватость — строение древесины, при котором волокна направлены не параллельно оси ствола, а волнообразно или переплетаются в узлы. Свилеватость может распространяться по всему материалу или на отдельных участках. Свилеватая древесина трудно обрабатывается. При обработке на ее поверхности образуются задиры, защепы, отколы и неровности. Свилеватость встречается на всех породах, чаще на лиственных; она снижает сопротивляемость древесины на изгиб и ее модуль упругости.

Завиток — местное искривление годичных слоев, обусловленное влиянием сучков или проростей. В пиломатериалах различают завиток односторонний, когда его годовые слои перерезаны на одной кромке, и двусторонний, когда годовые слои одного и того же завитка перерезаны на обеих кромках. Каждый из этих завитков может быть, кроме того, несквозным, если выходит только на одну пласть сортимента или на пласть и кромку, и сквозным, если выходит на две пласти. Завиток встречается на всех породах дерева.

Крень — смещение сердцевины в одну сторону вследствие искривления ствола. Древесина креневатой стороны отличается большой плотностью, твердостью, тяжелым весом, смолистостью, темным цветом и хрупкостью. Крень встречается только у хвойных пород, преимущественно у ели и сосны. Прочность креневатой древесины на растяжение и ударный изгиб сильно понижена.

Внутренняя заболонь — один или несколько годичных слоев в ядровой древесине; они имеют цвет, строение и свойства заболони. Наблюдается в стволах лиственных пород, особенно часто у дуба; внутренняя заболонь загнивает легче и быстрее ядра.

Двойная сердцевина наблюдается в верхнем торце двухвершинного ствола, если его перепилить близко к месту раздвоения. Нередко между двумя сердцевинами бывает закрытая прорость (заросшая кора).

е) Пороки формы ствола

К таким порокам относятся: кривизна ствола, закомелистость, сбежистость и ройка.

Рис. 8. Пороки формы ствола:
а — кривизна; б — закомелистость; в — сбежистость; г — ройка.

Пороки древесины. Лекция 1 — презентация онлайн

1. Лекция. Пороки древесины

2. Виды пороков древесины

• Пороки древесины – это отклонения
от нормы в строении ствола, все
нарушения физического состояния. К
порокам относят: сучки, трещины,
пороки формы ствола, строения
древесины, химические окраски,
грибные поражения, биологические и
механические повреждения, пороки
обработки и покоробленность.
• Самым распространенным пороком
являются сучки – основания ветвей,
которые имеются в древесине ствола. При
разделке древесины на ее поверхности
выявляются сучки разных форм и видов.
По форме разреза на поверхности древесины
можно увидеть сучки круглые, овальные и
продолговатые причем по степени
срастания с древесиной они еще
подразделяются на сросшиеся, частично
сросшиеся и несросшиеся, или
выпадающие.

Виды сучков:
а – круглый;
б – овальный;
в–
продолговатые;
г – пластевый;
д – кромочный;
е – ребровый;
ж – сшивные;
з – групповые;
и–
разветвленные
• Наличие сучков в древесине приводит к
снижению прочности, затрудняет ее
обработку и склеивание, снижает
качество (особенно при большом их
количестве и диаметре). Значительно
снижают качество древесины
несросшиеся и загнившие сучки, а в
некоторых случаях они делают
древесину непригодной для
изготовления изделий (например,

6. Трещины

• Другим видом порока древесины
являются трещины, образующиеся
при разрыве древесины вдоль
волокон. Трещины возникают в
растущем и срубленном дереве.
Трещины – очень неприятный дефект
древесины. Они приводят не только к
снижению механической прочности
материала, но и к утрате товарного
вида деревянных изделий.
• Если в деревянных заготовках есть трещины,
влага и вредоносные микроорганизмы легко
проникают вглубь материала и
катастрофически быстро разрушают его
изнутри, соответственно, количество отходов
при обработке заготовки существенно
возрастает. Существует несколько методов
устранения трещин с деревянных
поверхностей – их можно состругать, крупные
трещины заделать подходящей по цвету и
плотности однородной сухой древесиной,
небольшие трещины – склеить. Сегодня
рынок строительных материалов предлагает
мастерам множество различных шпаклевок,
которые предназначены для заделки трещин.

8. Метиковые трещины

10. Механические повреждения

• Обдир представляет собой
поверхностное повреждение коры, при
котором кора содрана со ствола или
сохраняется на нем в отмершем
состоянии. Древесина при этом
повреждении не затрагивается. Обычно
обдир коры образуется при падении
соседних деревьев.
• Затеска выражается в поверхностном
повреждении сортимента топором или
другим режущим инструментом,
захватывающем, кроме коры, также
наружные слои древесины.
• Заруб и запил представляют собой
глубокие повреждения древесины,
нанесенные топором или пилой.
• Риски представляют собой глубокие,
превышающие допускаемые нормы
следы от зубьев пилы на поверхности
сортимента.
• Волнистость пиломатериалов —
следствие непрямолииейного распила.
• .
• Обзол представляет собой
неопиленную боковую поверхность
бревен на кромках пиломатериалов.
Различают тупой обзол, если не
опилены верхние (со стороны наружной
пласти доски) части кромок, а нижние
опилены по всей длине доски с обеих
сторон, и острый обзол, если кромки
доски опилены не на всю длину и
отдельные участки кромки остаются
неопиленными по всей толщине доски.
• Ворсистость выражается в наличии на
поверхности сортимента частичек
отдельных волокон, придающих
древесине шероховатость.
• Мшистость характеризуется наличием
на поверхности пучков волокон или
частиц древесины

7 часто встречающихся дефектов пиломатериалов, на которые следует обратить внимание

Хотя вы можете найти несколько красивых пиломатериалов у крупного оптового торговца, действительно идеальных пиломатериалов не так много. Древесина часто имеет так называемые дефекты или дефекты, которые могут в разной степени ухудшить ее внешний вид и полезность.

Некоторые из них могут присутствовать при производстве древесины, в то время как другие могут развиваться или ухудшаться по мере старения древесины. Однако не все дефекты делают кусок пиломатериала непригодным для использования.

Часто встречающиеся дефекты пиломатериалов

У пиломатериалов более высокого качества меньше шансов иметь дефекты, но все равно важно тщательно осматривать древесину, которую вы покупаете, особенно если эстетика готового продукта будет иметь значение.

Вот 7 распространенных дефектов пиломатериалов, о которых вам следует знать.

Ване

Wane — это кусок отсутствующего дерева на боковой стороне куска древесины. Это также может проявляться как наличие коры. Обычно проблема возникает только с пиломатериалами более низкого качества, обзол иногда можно скрыть в определенных приложениях, просто перевернув доску. Их может быть трудно поймать, если вы не внимательно осмотрите боковые стороны вашего пиломатериала.

Сплиты

Расколы — это одиночные трещины, идущие от одного конца пиломатериала к другому, и их следует избегать любой ценой, поскольку они могут значительно повлиять на прочность пиломатериала и поставить под угрозу безопасность готового продукта.

Узлы

Сучки — один из самых распространенных дефектов пиломатериалов, и они вызваны наличием ветки на дереве, из которого были получены пиломатериалы.Они являются естественной частью всех видов древесины, и некоторые люди даже предпочитают древесину с сучками из-за ее более грубого вида.

Существует несколько типов узлов, о которых следует знать. Штифтовой сучок является самым маленьким типом и, как правило, имеет более прочную конструкцию и менее заметен, поэтому вы можете найти эти сучки даже на более высоких сортах древесины.

Шиповидные сучки могут быть обнаружены на концах пиломатериалов, и их следует вырезать, если они используются для таких поверхностей, как настил. Тугие сучки не влияют на прочность древесины.Мелкие сучки — это чисто эстетическая проблема, но рыхлые сучки и сучковые отверстия могут нарушить структурную целостность древесины, поэтому внимательно осмотрите пиломатериал.

Чеки

Подобно расколам, чеки — это трещины, которые проходят через годичные кольца пиломатериала, хотя они не проходят через всю доску. Как таковые, они, как правило, не нарушают структурную целостность платы. Обычно они идут вдоль и могут возникать, когда древесина высыхает слишком быстро или неравномерно.

Встряхнуть

Встряска видна, когда волокна между годичными кольцами в древесине отделяются. Его можно найти на лицевой стороне доски или под ее поверхностью. Его можно представить как маленькую соломинку внутри большой соломинки; в вертикальном положении меньший может выпасть через дно большего.

Кольцевая тряска создается паразитическими бактериями, которые ослабляют древесину, что приводит к растрескиванию, наблюдаемому параллельно годичным кольцам дерева. Это негативно влияет на его прочность, а также может привести к потемнению цвета пиломатериалов и неприятному запаху.Этот дефект чаще встречается в древесине с повышенной влажностью.

Лук

Когда доска изгибается по линиям волокон, появляется изгиб. Это означает, что когда вы кладете доску на плоскую поверхность, оба ее конца будут находиться в воздухе, а не лежать на поверхности. Однако деформации поперек волокон нет.

Деформация может быть вызвана неравномерной циркуляцией воздуха вокруг древесины во время ее высыхания. К сожалению, искривление может привести к внутреннему напряжению, из-за которого пиломатериал трудно и даже опасно резать.

мошенники или короны

Кривизны или выпуклости — это дефекты, обнаруживаемые в пиломатериалах, которые согнуты от конца до конца в направлении высоких концов доски, продолжаясь по всей длине доски. Неравномерная сушка является одной из наиболее распространенных причин этой проблемы; это также может произойти, если мягкий центральный стержень или сердцевина дерева находится на краю доски. Хотя этот тип древесины не идеален, можно распилить доску, чтобы получить прямую, более узкую доску, или сделать несколько проходов через фуганок.

Обратитесь к оптовым поставщикам пиломатериалов в Северной Вирджинии

Если вы ищете широкий ассортимент высококачественных пиломатериалов и фанеры, в том числе ряд популярных обработанных и специальных продуктов, свяжитесь с Curtis Lumber & Plywood. Наши опытные сотрудники с удовольствием ответят на ваши вопросы и помогут найти нужный вам пиломатериал.

Дефекты древесины

Кольцо дерева , пример куска дерева с дефектом древесины.

В торговле необработанной древесиной дефекты древесины или дефекты роста — это такие характеристики древесины, которые ухудшают ее использование.Пороки древесины снижают ценность древесины, ограничивая ее пригодность к использованию или снижая выход (количество конечного продукта). Пороки древесины являются основой классификации древесного сырья по классам качества. Однако в отдельных случаях такие ошибки или особые свойства древесины также могут открывать новые возможности использования и, таким образом, повышать цену. Например, древесина с каповыми луковицами востребована для производства шпона или токарной обработки из-за ее внешнего вида. [1] Так называемая криволинейная древесина (деформации с искривленным или дугообразным ростом) часто находят особое применение в судостроении или для изготовления лестничных косоуров.

Однородная деревянная структура

Особенности нормальной и обычной деревянной конструкции:

  • круглые годовые кольца
  • годовые кольца примерно одинаковой ширины
  • равные пропорции ранней и поздней древесины
  • Сердцевина проходит по центру
  • почти цилиндрическая форма ствола (деревенистость, валкообразная форма)
  • без повреждений от внешних воздействий
  • Цвет типичный для древесных пород

Только для некоторых пород деревьев правильные:

  • Древовидный (сплошной ствол) — характерен для хвойная древесина, лиственная древесина обычно короткоствольная

Стволы высшей чистоты роста называются лущеная древесина , она особенно пригодна для производства шпона.

Перечень пороков древесины

Пороками древесины считаются следующие признаки:

Дефект продольной древесины

Кривизна

Обычно связана с реакцией образования древесины и крайней формой отклонения волокон; Создаются стволы с разной степенью кривизны. Основной причиной этого является просмотр игр, при котором животные поедают верхние почки и побеги, поэтому боковые побеги затем берут на себя их функцию.Но неблагоприятное воздействие световых, односторонних ветровых и снеговых нагрузок, а также подвижки грунта на склонах могут вызвать кривизну. Одностороннее искривление, как einschnürig , и многократное искривление, чем unschnürig . Формы кривизны z. Б. рост сабля, штык рост или столб рог рост .

Худость

Ствол считается срубленным при уменьшении диаметра ствола на один метр длины ствола более чем на один сантиметр.В случае срубленного бревна на лесопилке образуется много корки, и, прежде всего, древесина имеет пониженную прочность на изгиб, поскольку прорезается больше волокон.

Типичным является вырубка ели в свободном состоянии (в отличие от пихты), поэтому ее приходится расширять в конце ассоциации. На использование бревен или производительность лесопилки влияют верхний диаметр, длина и тип рубки.

Drehwuchs

Скрученный нарост — это внутреннее искривление ствола.Этот искривленный рост может улучшить устойчивость дерева. Таким образом, искривленный рост встречается в основном у деревьев, которые подвергаются особенно интенсивным изгибам. Так обстоит дело, например, в прибрежных районах или в высокогорных районах. [2] Большинство пород древесины, конечно, всегда слегка искривлены до определенной степени, только ненормально сильный искривленный нарост считается дефектом древесины. Ошибка проявляется в брошенной плоской древесине и вращающихся балках, потому что внутренние напряжения в древесине при сушке снимаются.Они могут развить огромные силы и даже разрушить чистые деревянные соединения.

Лиственница, как правило, очень извилистая, поэтому, несмотря на все свои преимущества, она не очень пригодна в качестве строительного бруса: она не перестает работать даже в старости.

Отклонение волокон (альтернативное скручивание)

Альтернирующее скручивание – видоспецифичная структура, встречающаяся в различных тропических лесах. Он возникает из-за наслоения клеток шириной от одного до восьми сантиметров, закручивающихся по спирали вокруг оси стебля (сердцевины) в чередующихся направлениях.Поскольку направление оси ячейки меняется или пересекается от слоя к слою, напряжения в пиломатериале в значительной степени компенсируются. [3] При радиальной резке области создаются из полос с разнонаправленными ячейками. Это создает переменное отражение света, что вызывает чередование матовых и блестящих полос. Переменная крутка не ограничивает использование древесины. Однако во время обработки это может иметь неблагоприятный эффект из-за стойкости к полосам (вырывание) и из-за большей деформации в случае боковых досок небольшой толщины.

Wimmerwuchs

Годичные кольца называются годичными кольцами, которые не проходят прямо в продольном направлении без каких-либо других повреждений. Они приводят к грубому рисунку волокон и приводят к древесине, которую трудно строгать. Они являются лишь пороком древесины в прямом смысле этого слова в одних лесах, в других тоже могут войти в моду и привести к удорожанию в краткосрочной перспективе.

Zwieselwuchs (разветвленный рост), двойная сердцевина

В Zwieselung два или более ствола одной и той же породы деревьев или одно дерево вырастают вместе: создается двойная сердцевина , или молодое дерево раздваивается с одиночными стволами, которые неправильно растут.Zwieselung считается дефектом формы корня. Пиломатериал часто непригоден для столяра, особенно если двойная сердцевина несовершенно срослась. С некоторыми породами дерева, напр. B. с грецким орехом и красным деревом возможна переработка Цвизеля в ценный шпон пирамидальной зернистости. Следует различать то, что известно как толкающее навершие и натяжное навершие.

Ошибка в перекладине

Эксцентрический рост

Форма ствола эллиптическая, сердцевина обычно не посередине ствола. Кроме того, на стволе ствола образуются углубления в виде борозд, которые у некоторых тропических пород деревьев перерастают в опорные корни. Такие деревья, как бук, береза ​​или тик, которые имеют тенденцию быть овальными, имеют общую плотность, которая сильно варьируется в поперечном сечении ствола, и поэтому имеют тенденцию к растрескиванию во время высыхания, и с ними трудно работать.

Обратное растяжение

Спаннрюкиг называется племя, которое не приближается в своем поперечном сечении к круглой форме, а эволюционировало к астероиду.Это особенно характерно для нижнего конца туловища и вызвано неравномерной активностью деления камбия. Напряжение спины носит генетический характер или возникает в результате травм. В основном он лежит между двумя корневыми подходами. Часто встречается у граба, тиса, можжевельника, гикори и белой акации.

Реакционная древесина (прессованная древесина / натянутая древесина)

Так называемая реакционная древесина представляет собой активную направляющую ткань дерева. Это кусок дерева, находящийся под большим напряжением от физических сил, например, ветки или часть ствола, сдвинутая с исходного положения и стремящаяся обратно в прежнее положение подобно натянутой арке.Это создает зоны с повышенным ростом. Их можно найти на нижней стороне хвойных деревьев и на верхушках ветвей лиственных пород. Полученная реакционная древесина отличается анатомически, химически, физически и механически от обычной древесины. Обычно образование реактивной древесины сопровождается эксцентрическим ростом, при котором сердцевина смещается от центра поперечного сечения ствола. Если дерево нагружено на одну сторону из-за уклона, открытого ветра, давления снежных масс или какой-либо другой силы (например, упавших деревьев, валунов и т.), реакционная древесина.

Хвойная древесина на горных склонах может образовывать прессованную древесину или самшит на стороне выставленной в долину. [4] Отличается от обычной древесины тем, что имеет более темный красновато-коричневый цвет и поэтому также называется красным деревом. Из-за образования толстостенных трахеид ранней древесины различить раннюю и позднюю древесину в годичном кольце очень трудно или даже невозможно. Поскольку печатная древесина имеет повышенное содержание лигнина, она имеет повышенную объемную плотность, твердость и повышенную усадку в осевом направлении по сравнению с обычной древесиной.При осмотре под микроскопом трахеиды сжатой древесины обнаруживают типичные морщины в центральной вторичной стенке.

Напротив, у лиственных деревьев наблюдается образование растяжимой древесины . Образуется на вершинах искривленных стволов или ветвей. Содержание лигнина ниже, но содержание целлюлозы выше, чем у обычной древесины. Он кажется светлее и поэтому также известен как белая древесина. Свойства растяжимой древесины заключаются в том, что она вызывает явления деформации , а также растягивающие напряжения.Обычное набухание и усыхание древесины также сильно ухудшается, а механическая обработка затруднена из-за частично ворсистой поверхности.

Сучки и вмятины

Ствол дерева можно условно разделить на три зоны: коса, центральный ствол и блок земляного ствола. В самой нижней части, земляном стволе, нет или только заросло ветвей . Средний ствол содержит сухие ветки, а верхняя часть, коса, содержит зеленые ветки.В ветвях содержится больше лигнина, поэтому они темнее, ломче и усыхают больше, чем древесина ствола. Использование древесины меньше из-за сортировки или обрезки ветвей и, таким образом, снижает стоимость. Однако есть исключения, такие как B. кедр или клен с высоты птичьего полета. Если у дерева обламывается ветка, то образовавшаяся рана со временем зарастает, что также приводит к нарушению тока волокон (шишки).

Вскрышные раны

Старые зажившие раны (вскрышные породы) являются дефектами древесины, поскольку они содержат мертвую, часто уже гнилую древесину, а также из-за выброшенного зерна.

Капы и наросты

На стволах некоторых видов деревьев иногда видны заметные клеточные разрастания, обычно называемые коревыми луковицами. Обычно они вызываются бактерией Agrobacterium tumefaciens . Это переносит фрагменты собственного генома в геном клеток высших растений с плазмидами и запускает беспрепятственный рост в зараженной области. [5]

Луковицы клубней состоят в основном из сферических утолщений на стволе дерева, часто встречающихся в нижней части ствола.Очень закрученная, живая текстура дерева с вкраплениями так называемых глазков часто обрабатывается декоративным шпоном. Самыми востребованными являются каповые луковицы грецкого ореха, которые продаются как кап грецкого ореха и на протяжении многих лет используются для внутренней отделки классических британских автомобилей. Однако обработка и сушка капового дерева могут быть затруднены. С другой стороны, термин «древесина капа» основан на любительском сочетании терминов «древесина капа» и «корневая древесина»; только в самых редких случаях у деревьев одновременно развиваются луковицы на корнях.

Адгезия

Если есть два смежных участка древесины, древесные растения могут отступить от коры и позволить этим двум участкам срастись. Это служит для закрытия раны во время заживления раны и создания сильного корня. Кроме того, спайки могут возникать и в ветвях, к этому очень склонны некоторые деревья, такие как граб или дуб. Это может привести к более поздним дефектам текстуры древесины (дополнительному вросшему стержню). Инжир-душитель в тропиках — крайний пример срастания.

Растрескивание

Трещины появляются на древесине в виде поверхностных или внутренних трещин. Они могут иметь разные причины. Трещины при сушке , включая усадочные или усадочные трещины , возникающие в результате сушки, поскольку древесина усаживается больше по касательной, чем по радиусу. Примерами усадочных трещин являются сердцевинная трещина (трещина, проходящая через сердцевину ) и звездообразная трещина (идущая от сердцевины наружу), которые возникают, в частности, на головке туловища, а также на воздушная трещина (идущая от опушки леса внутрь), которая обычно проходит по всей длине древесины. На этом также виден искривленный рост. Морозные трещины, с другой стороны, являются наростом повреждения что приводит к сросшимся морозобумажным полосам.

Кольцевые или сердцевинные оболочки, кольцевые трещины

Кольцевое отслаивание представляет собой отслоение вдоль годового кольца, которое может произойти из-за напряжений в древесине, а также из-за грибкового поражения и может растянуться на несколько метров. Доска, разрезающая кольцо, падает или зияет.

Хрупкость сердцевины и гниение сердцевины
Корневая гниль свежесрубленного дерева

Хрупкость сердцевины и гниль сердцевины вызывают неравномерные зоны в поперечном сечении и ломкость частей древесины, а также сильную склонность к поперечной ломкости.Этот порок древесины встречается у лиственных и хвойных деревьев. Сердцевинная гниль вызывается патологической, паразитарной грибковой инвазией, напр. Б. Халлимаша. [6] [7] Эти деревья имеют низкую объемную плотность, пониженную прочность и шероховатую поверхность. Поэтому обработка часто уже невозможна.

Mondring

Концепция кольцевания луны основана на том, что в поперечном сечении (мозговом сечении) дерева появляется нестержневая зона, похожая на серповидный серп.Лунное кольцо вызвано поздними заморозками и является отказом ядра. Лунное кольцо не может снова образоваться позже. Нестержневая зона, образованная лунным кольцом, сохраняется на протяжении всей жизни дерева. После лунного кольца ствол может продолжать нормально расти.

Борьба с луной является значительным дефектом древесины, так как она обычно ограничивает пригодность стволовой древесины или пиломатериалов, которые должны быть изготовлены из нее, по оптическим причинам на определенной длине стволовой древесины. Положение лунного кольца влияет на удобство использования дерева и, следовательно, на его качество.Таким образом, он мог бы предотвратить сортировку заболони на безсучковых страниц , так как согласно стандарту лунные кольца не допускаются на страницах без сучков. Если бы лунное кольцо лежало очень далеко в ядре, оно не помешало бы извлечению страниц без узлов. Ассортимент бруса z. B. обычно все еще возможно.

Поскольку в этой зоне лунного кольца нет отложений пигмента, эта зона выглядит светлее в сердцевинных породах (таких как дуб, вишня), чем окружающая древесина сердцевины.В случае сердцевины светлая зона лунного кольца также хорошо видна в середине более темной сердцевины, когда она еще не заражена грибами. Из-за своего характера заболони лунное кольцо гораздо более восприимчиво к грибковому поражению, чем ядровая древесина. В крайнем случае создается отверстие в месте расположения лунного кольца.

Кольцевая луна встречается не только у сердцевинных пород, но и у зрелых пород древесины (таких как красный бук, липа, ель, клен полевой) и сердцевинных пород (таких как вяз, крушина).В случае инеистых пород дерева лунное кольцо можно распознать только тогда, когда оно заражено грибами, потому что тогда лунное кольцо выделяется как темная зона на фоне окружающего инеистого дерева.

Смоляные галлы

Некоторые хвойные деревья, особенно ель, образуют в поздней древесине полости, заполненные древесной смолой, которые служат для защиты от вредителей. В процессе обработки они становятся заметными по изъянам, смоляным инструментам и проблемам с покраской. Из-за этого дефекта древесины происходит поговорка невезение невезение — это технический термин для смолы деревьев.

Рак

Рак дерева проявляется в виде различных тяжелых наростов.

Rindenbrand

Ожог коры возникает в основном на деревьях с тонкой гладкой корой. Камбий отмирает, кора засыхает и отделяется от ствола. Это может легко привести к заражению грибком или насекомыми. В некоторых федеральных землях древесина с корой не соответствует классу качества А.

Корковый некроз (окраска)

При некрозе под корой скапливается вода, вызывающая изменение цвета древесины.По мере развития кора будет трескаться, а возможное заражение грибками и бактериями приведет к отпадению коры. Буки, у которых часто встречается этот порок древесины, реагируют преждевременным гниением (закрытием водотранспортных каналов), чтобы предотвратить более глубокое проникновение загрязняющих веществ. Это делает невозможным использование дерева, т.е. B. для пропитки в процессе давления в котле.

Кормовые тоннели

Кормовые тоннели являются следствием заражения животными древесными вредителями.Причинами являются, в частности, различные жуки (например, короеды) или личинки жуков (например, усачи), а также личинки лесных ос, муравьи и термиты.

Заражение омелой

Омела белая (Viscum album), а также белянка (омела дубовая, Loranthus europaeus) полупаразитируют на деревьях. Они прорастают сквозь древесину своими корнями-грузинами и оставляют отверстия диаметром 5 мм, которые расположены близко друг к другу и могут сделать древесину бесполезной, если она сильно заражена.

Поражение молнией (молниеотвод)

При ударе молнии в дерево от точки удара или нескольких точек удара под корой во влажной древесине к корням проходит так называемый молниеотвод. Вода в заболони и камбии испаряется, и кора буквально сдувается давлением пара. В зависимости от силы молнии, типа дерева или влажности дерева повреждение коры может варьироваться от нескольких сантиметров до всего ствола.Деревья часто могут хорошо покрыть этот урон, иногда удар молнии также приводит к постоянному ребру, которое зарастает и снова замерзает зимой (морозная полоса).

Фрост-бар

В случае внезапного сильного холода термические напряжения между внутренней и внешней частью багажника могут вызвать разрыв в радиальном направлении. Если холод длится недолго, трещина может снова закрыться. Если похолодание произойдет снова, трещина может снова разорваться с громким хлопком. В результате неоднократных похолоданий и все более частых попыток дерева завалить трещину на стволе образуется параллельная в осевом направлении полоса изморози длиной до нескольких метров.

Вросший металл, удар осколками

Серьезные дефекты представляют собой вросшие металлические инородные тела, такие как гвозди или куски проволоки для забора. Они представляют огромную опасность при рубках и дальнейшей обработке. Их можно вырвать из дерева, но они также могут повредить или разрушить инструменты.

О нападении осколков говорят, когда в лесу есть осколки снаряда . В некоторых частях Эльзаса, например, из-за оживленных военных действий в прошлом запрещено использовать деревья для производства древесины, так как слишком велик риск несчастных случаев из-за разлетающихся металлических частей во время обработки.В других областях разрез возможен только после предыдущего рентгена.

Повреждения в результате врубки и коры

Повреждения в результате повалки могут быть нанесены оставшемуся древостою или срубленной древесине: В древостое повреждением коры (особенно летом, так как сопротивление коре к истиранию в это время самое низкое) или сломанными ветвями во время валка или валка соседних деревьев, на срубленную древесину через разрывы на валке или во время валки.

Повреждения, вызванные просмотром, отслаиванием и подметанием

Эти типы повреждений являются типичными повреждениями леса, вызванными дичью:

  • Укус дичи – разрушение верхней почки на молодом дереве, что приводит к бурному росту до полной остановки (калечащий рост приводит) — главные вредители в этом смысле — олени и серны.
  • Пилинг — обгрызание коры животными зимой, вызываемое всеми злаковыми, зайцами и другими грызунами, а также бобрами. Полное кольцевание приводит к гибели дерева.
  • Подметание — это шлифовка лыка от полностью выросших рогов оленя. Если популяция благородного оленя слишком плотная, могут быть повреждены целые участки леса.
Ветровал / ураган

В результате сильного урагана деревья гнутся настолько, что рвутся продольные волокна.Однако дерево не ломается, а снова встает так, что трещины не видно. Даже при резке трещины практически не видны невооруженным глазом. Поломки часто возникают только после установки и под нагрузкой.

литература

  • Дитрих Бёльманн: Почему деревья не растут в небо — Введение в жизнь наших древесных растений. Quelle & Meyer Verlag, Wiebelsheim 2009, ISBN 978-3-494-01420-3 .

Индивидуальные доказательства

  1. ↑ Вольфганг Нутч: экспертиза технологии обработки древесины. Европа Лермиттель, 2001, ISBN 3-8085-4018-4 .
  2. ↑ Бёльманн: Почему деревья не растут в небо. 2009, с. 15.
  3. ↑ Вольфганг Нутч и другие: экспертиза технологии обработки древесины , 22-е издание, опубликовано учебными пособиями Europa, Haan-Gruiten 2010, страницы 43 и 45, ISBN 978-3-8085-4045-9
  4. ↑ Объяснение «характеристики дерева» на Proholz.at
  5. ↑ Böhlmann: Почему деревья не растут в небо. 2009, с.36.
  6. ↑ Гниль сердцевины из-за грибкового поражения. ( Воспоминание от 23 сентября 2015 г. в Интернет-архиве ) Проверено 20 ноября 2013 г.
  7. ↑ H. Zycha: Hallimasch (Armillaria mellea Vahl ex Fr.) Kumm.) Как основной возбудитель гнили на ели ( Picea abies Karst ). .). В: Forstwissenschaftliches Centralblatt , том 89, № 1, 1970, стр. 129-135.

Дефекты натурального дерева

Всем привет! Мы вернулись, чтобы поделиться с вами нашей последней записью в блоге о естественных дефектах древесины и о том, как они образуются. Хотя многие из нас имеют неправильное представление об этих природных дефектах, давайте выясним, как их можно превратить в прекрасные произведения искусства.

Что такое естественные дефекты? Почему они образуются на древесине?

Древесина – это натуральный материал, имеющий недостатки. Существуют различные виды природных дефектов, возникающие в результате погодных условий, грибков, насекомых и процессов лесозаготовок. Прохождение различных процессов преобразования в требуемую форму перед использованием; Есть много факторов, которые могут вызвать дефекты во время этого процесса.На этих этапах в древесине могут возникнуть естественные дефекты.

Натуральные дефекты вызваны:

    1. Натуральные силы

    2. Дефектные приправы

    3. Дефектные преобразования

  1. 1. Природные силы:

    Сучки : Основание ветвей образует след на стебле по мере роста новых ветвей, в результате чего на поверхности появляются темные пятна. Эти кольца темного цвета возникают из-за непрерывности древесных волокон и известны как узлы.

    Живые сучки и Мертвые сучки:

    • Живые сучки : Живые сучки обычно светлее и никогда не выпадают.

    • Мертвый сучок : Мертвый сучок темнее и может отвалиться, оставив отверстие, которое может ослабить прочность древесины.

    2. Нападение насекомых
    • Морские бурильщики в древесине : Морские бурильщики встречаются вблизи прибрежных районов, так как они нападают на все виды деревьев, присутствующих в их регионе.Они создают большие отверстия в древесине, чтобы жить внутри нее, что приводит к снижению прочности и обесцвечиванию древесины.

    3. Грибки
    • Морилка: Морщина появляется, когда грибы питаются заболонью, где хранятся питательные вещества дерева. Грибы вызывают изменение цвета и не влияют на прочность древесины.

    • Гниль: Древоядный или дереворазрушающий гриб, который разрушает клеточную структуру как заболони, так и сердцевины, что приводит к снижению прочности древесины.

    4. Дефектные приправы

    Приправы : Процесс сушки пиломатериалов (либо в печи, либо на воздухе) для получения соответствующего уровня влажности для деревообработки и других целей. Обычные дефекты выдержки:

    • Изгиб: Искривление, образовавшееся в направлении длины бруса

    • Чашка: Искривление, образовавшееся в поперечном направлении бруса

    • Check 3 90 который разделяет волокна древесины, но не распространяется от одного конца к другому.

    • Сплит: Сплит — это особый тип чека, который простирается от одного конца до другого.

    • Сотовая структура: В процессе сушки или выдержки в сердцевине накапливается напряжение, образуя трещины в виде сот.

    5. Преобразование дефектов

    Преобразование : Процесс преобразования необработанной древесины в формы, пригодные для деревообработки или строительных проектов.Во время этого процесса могут возникнуть следующие дефекты:

    • Сердцевина в штучной упаковке: Распилено таким образом, что сердцевина или сердцевина полностью попадает внутрь поверхности по всей длине.

    • Несовершенное зерно: Несоответствие в выравнивании зерна.

    • Обзол: Наличие коры или отсутствие древесины на углах или по длине пиломатериала.


    Красота естественных дефектов

    Хотя большая часть деревянной мебели имеет естественные дефекты и изменение цвета, это не влияет на структурную целостность изделия.При дефектах это придает ощущение уникальности и теплоты каждому отдельному изделию.

    Мы надеемся, что всем вместе удалось узнать что-то новое, поскольку мы публикуем для вас новые записи в блоге. Спасибо за вашу постоянную поддержку и не стесняйтесь делиться с нами темами, которые могут быть подняты в будущих сообщениях в блоге. Оставайтесь с нами, впереди вас ждут еще более интересные темы!

    Подписание,

    CREUSE

    Источники:

    1. https://sears-trostel.com/products/6738/Blue-Stain-Pine

    2. https://civiltoday.com/civil-engineering-materials/timber/85-defects-in-timber-types-and-reasons

    3. https://theconstructor.org/building/types-of-defects-in-timber/21521/

    4. https://www.southernpine.com/using-southern-pine/blue-stain- часто задаваемые вопросы/

    5. https://www.woodworkingnetwork.com/best-practices-guide/solid-wood-machining/understanding-working-wood-defects

    6. https://theconstructor. org/building/типы-дефектов-в-древесине/21521/

    7. каркас-стены-заполненные-пенькой-бетоном-экспериментальное-исследование-и-числовой-анализ.html

    8. https://pestoff.com.sg/all-you-need-to-know-about -заражение-термитами-и-что-с-делать-с-ними/

    9. https://www.frlco.com/2017/10/27/blue-stain-beetle-kill-pine-in-stock-news/

    10. https://www.semanticscholar.org/paper/Scots-pine-(Pinus -sylvestris-l.) — Heartwood-and-a-lim / 84fa74CAF75A48F489572604683301E308E2B0C9 / Рисунок / 0

    11. 6 http://wiki.dtonline.org/index.php/timber_defects

      7

    12. HTTPS: / /www.threeelements.com/2018/01/30/белые-дубовые-ступени-ступени/boxed-heart-vs-free-of-heart-timber/

    13. https://www.diynetwork.com/made-and-remade/learn-it/guide-to-buying-better-wood

    Дефекты древесины и способы работы с ними – Cook Woods

    Работы по дереву были бы намного проще, если бы вам никогда не приходилось сталкиваться с дефектами древесины, с которой вы работаете. Это особенно усложняет задачу, когда вы непреднамеренно покупаете древесину, которая имеет свои уродливые дефекты, вызывающие неудобства, в критический момент вашего проекта. Однако нет необходимости выбрасывать древесину и начинать с новой детали; есть эффективные способы обойти дефект и продолжить создавать шедевр из дерева, который вы хотите.Мы в Cook Woods хотели бы дать вам несколько советов о том, как бороться с дефектами древесины. Кроме того, вы должны увидеть некоторые из творений наших клиентов, чтобы понять, как дефекты древесины не должны мешать вам.

    Встряски, чеки и расколы


    Все 3 типа разделения в древесине проходят вдоль, но они отличаются тем, что встряски представляют собой продольное разделение древесины вдоль волокон между кольцами роста, чеки являются разделением древесина проходит по кольцам роста, а трещины — это разделения, которые проходят через древесину к противоположной или прилегающей поверхности.

    Решение

    Эти разделения обычно возникают на концах древесины. Ответ в большинстве случаев состоит в том, чтобы просто отрезать дефектные концы и использовать то, что осталось. Убедитесь, что вы не потеряли отрезанные концы. Часто узкие куски можно спасти для использования.

    Сучки


    Сучки – это естественные места в древесине, которые являются основаниями ветвей, либо от ветки, растущей на стволе, либо от более мелкой ветки, отрастающей от более крупной ветки. Они встроены в древесину и могут сидеть в древесине плотно или свободно.

    Решения

    Как и другие дефекты, если сучок находится на конце дерева и его можно удобно срезать, то это может быть вашим решением. Если сучок плотно вошел в древесину, то его можно стратегически разместить вне поля зрения. С другой стороны, если ваш проект выполнен в деревенском стиле, вы можете просто оставить его и выставить на видное место. Если узел ослаблен, его можно стабилизировать с помощью эпоксидной смолы и стратегически убрать из поля зрения, или принять за его естественное очарование в деревенском проекте.

    Распространенные дефекты древесины — Строительные технологии

    • Главная
      • Обыкновенные дефекты древесины

      • Dado & Tabket RUTS
      • Документы
      • Докладки
      • Полка для ящиков
      • Slab Construction
      • Скарящая плита
      • Деревянные суставы
    • 1010 и 1120 вводящих
    • 1070 Строительство здания
    • 1130 Сплошные стоковые Строительство
    • 1140 Операции по повороту
    • 1160 Skateboard (изготовленные материалы)
    • 2035, 2045, 2050 STRED Construction
    • 2060 Внешняя отделка (дверь, окно и сайдинг)
    • 2120 Многократные материалы
    • 2130 Изготовление мебели 1 (Коробчатая конструкция)
    • 2140 Изготовление мебели 2 (Каркас и панель)
    • 2150 Отделка и отделка
    • 2160 Изготовление шкафов Стенка и лицевая рама
    • 2170 Изготовление мебели 2 (Дверь и ящик)
    • 7 3040 Лестничная конструкция
    • 3060 Двери и отделка
    • 9 0067 3130 Изготовление мебели 3 (ножки и перекладины)
    • 3150 Ремонт мебели
    • Карта сайта
    • Последние действия на сайте
    Главная

    ‎ > ‎

    SourceCommon Дефекты древесины Schmeking Building Supply

    Дефекты фрезерования

    Изгиб Кривая вдоль поверхности доски, которая обычно проходит от конца до конца.
    Чек Трещина в структуре древесины детали, обычно идущая вдоль. Чеки обычно ограничиваются концом доски и не проникают до противоположной стороны пиломатериала.
    Изгиб Деформация по краю от одного конца к другому. Это чаще всего встречается в древесине, вырезанной из центра дерева рядом с сердцевиной.
    Чашка Коробление вдоль лицевой стороны доски по ширине доски. Этот дефект наиболее характерен для пиломатериалов с обычным пиломатериалом.
    Встряска Разделение зерна между годичными кольцами, часто простирающееся вдоль лицевой стороны доски, а иногда и ниже ее поверхности.
    Разделение Продольное разделение волокон, доходящее до противоположной стороны пиломатериала.
    Скручивание Деформация пиломатериалов, когда концы скручиваются в противоположных направлениях.
    Обзол Наличие коры или отсутствие древесины на углах или по длине пиломатериала. Обзол в виде коры чаще ассоциируется с необработанной древесиной. В случае строительных пиломатериалов (например, сосны 2’x4) это может быть кора или отсутствующая древесина.
    Машинный ожог Изменение цвета древесины из-за перегрева, вызванного трением, а также подгорание древесины или смолы внутри нее. Ожог машины вызван остановкой или неправильной подачей древесины через лезвия с правильной скоростью. Хотя такие породы, как вишня, сосна или грецкий орех, более восприимчивы, чем другие, ожог машины почти всегда можно предотвратить, используя острые лезвия и правильную скорость подачи.


    Естественные дефекты

    Синие пятна Изменение цвета, проникающее в древесное волокно. Это может быть любой цвет, кроме естественного цвета предмета, в котором он находится.Он классифицируется как легкий, средний или тяжелый и обычно бывает синего или коричневого цвета.
    Смола Скопление смолистого материала на поверхности или в карманах под поверхностью древесины. Также называется камедью или соком.
    Свободный узел Узел, который не может оставаться на месте в изделии. Вызван мертвой ветвью, которая не была полностью интегрирована в дерево до того, как его срубили.
    Тугой сучок Сучок, закрепленный за счет роста или положения в структуре древесины, чтобы прочно удерживать свое место в окружающей древесине.
    Расщепление Расщепление, обычно встречающееся на мертвых деревьях, представляет собой любую форму обесцвечивания древесины, вызванную грибками. Существует три типа сколов, которые обычно включаются в деревообработку в качестве элементов дизайна: пигментация (или заболонь), белая гниль и зональные линии.
    Червоточина Небольшие отверстия в древесине, оставленные насекомыми и жуками.

    Комментарии

    Сравнение сегментации и идентификации дефектов древесины swietenia mahagoni с увеличенными изображениями

    Abstract

    Самый большой доход для стран Юго-Восточной Азии поступает от экспортной деятельности по производству древесины. Потенциал экспорта древесины в Индонезию продолжает увеличиваться с каждым годом. Этот стремительный потенциал необходимо постоянно улучшать, поддерживая качество, чтобы можно было продолжать устанавливать доверие и хорошее сотрудничество со странами-партнерами. Качество древесины тесно связано с дефектами древесины. Чем быстрее будет обнаружение дефектов древесины, тем быстрее будет определено качество древесины. Деревообрабатывающая промышленность, которая по-прежнему осуществляется вручную, также очень чувствительна к усталости глаз человека. В настоящее время технологии быстро развиваются, чтобы помочь производственной деятельности человека, и обработка изображений является прорывом в обнаружении дефектов древесины.Это исследование направлено на выявление дефектов древесины swietenia mahagoni с использованием метода евклидова расстояния на основе извлечения 6 характеристик текстуры и формы GLCM (метод совпадения уровней серого), включая метрику, эксцентриситет, контраст, корреляцию, энергию и однородность, которые ранее были сегментированы. с лучшей сегментацией из результатов сравнения пороговой обработки и сегментации k-средних и дали среднюю точность 95,33% со значением оценки F1 0,95. Используемый набор данных представляет собой первичный набор данных, содержащий в общей сложности 54 изображения 3 типов дефектов древесины, а именно: растущие дефекты кожицы на концах древесины, гнилое деревянное окошко на теле и здоровое деревянное окошко на теле.Перекрестная проверка также применяется для проверки надежности предлагаемой модели. При использовании трехкратной перекрестной проверки оптимальная средняя точность составляет 88,90%. Валидация с другими аналогичными наборами данных также проводилась путем выявления дефектов листьев картофеля, в результате чего средняя точность составила 92,86%, а наиболее оптимальное значение трехкратной перекрестной проверки достигло средней точности 83,33%. Увеличение изображения также выполняется для того, чтобы воспроизвести изображение, чтобы можно было провести проверку надежности предлагаемого метода, а именно путем поворота изображения на 45 градусов, 90 градусов, 120 градусов, 180 градусов, что дает 84 изображения увеличения, поэтому что общее изображение составляет 138 изображений, а средняя точность увеличения изображения составляет 80%.

    Ключевые слова: Swietenia mahagoni, дефекты древесины, евклидово расстояние, GLCM, K-средние, пороговое значение

    1. Введение

    Влажные тропические леса Юго-Восточной Азии содержат более 15000 различных видов растений, состоящих из 3000 категорий древесных пород. Наибольший доход для стран Юго-Восточной Азии приносит экспортная деятельность по производству древесины [1], [2]. Согласно данным WITS (World Integrated Trade Solution) за 2018 год, экспорт древесины из Индонезии распределяется по 191 стране-партнеру.Среди ведущих стран-партнеров экспорт древесины Индонезии, включая Китай, имеет продажную стоимость 3 170 496,63 долларов США (26,83%), Японию с продажной стоимостью 1 375 878,33 долларов США (11,64%), Соединенные Штаты с продажной стоимостью 838 865, 3 ( 7,10%), Республику Корея с продажной стоимостью 753 413,46 долларов США (6,38%) и Индию с продажной стоимостью 524 449,63 долларов США (4,44%), а остальные 43,61% находятся в 186 других странах-партнерах с продажной стоимостью $ 5 152 764,85 [2], [3].

    Swietenia mahagoni (swietenia macrophylla king) — вид, известный во всем мире и, что наиболее важно, является экономичным из-за присущих ему характеристик древесины, таких как ковкость, механическая стойкость, высокая размерная стабильность и привлекательные эстетические аспекты [4], [5].Таким образом, нет никаких сомнений в том, что древесина Swietenia Mahagoni или красное дерево — это древесина, экспортируемая Индонезией с растущей продажной стоимостью.

    Этот потенциал необходимо постоянно улучшать, поддерживая качество, чтобы доверие и сотрудничество были прочными, особенно если сверхъестественные страны являются партнерами, чьи потребности в древесине удовлетворяет Индонезия. Качество изделий из дерева зависит от прочности древесины. Наличие дефектов в древесине, особенно сучков, может снизить прочность древесины [6].На основании полученной информации определяют качество древесины исходя из того, сколько пороков имеется в древесине. В настоящее время эксперты по дереву все еще работают над определением качества древесины вручную без каких-либо инструментов, поэтому мы можем представить, сколько времени это займет.

    Системы идентификации древесины могут быть важной системой для минимизации мошенничества на рынках древесины [1], [7]. Известно, что контроль визуальных дефектов, проводимый вручную в деревообрабатывающей промышленности, недостоверен из-за подверженности человеческому фактору, например, из-за острых симптомов головной боли и утомления глаз [8].

    Исследователи в Китае провели исследование, связанное с идентификацией дефектов древесины, Чжан И Сян, путем извлечения признаков LBP (Local Binary Pattern) и GLCM с 4 извлеченными признаками, включая корреляцию, коэффициент хи-квадрат, коэффициент пересечения и расстояние Бхаттачарья на 40 образцов изображения дерева, и он дал точность 93% в 3 типах дефектов древесины [9], в то время как Се Юнхуа выполняет извлечение признаков, комбинируя методы Тамура и GLCM по 5 признакам, а именно угловой секундный момент, контраст, корреляция, энтропия и дисперсия для выявления 3 типов дефектов древесины и получения точности 92.67% [10].

    Древесина Swietenia mahagoni в Индонезии имеет большой потенциал, и все стороны должны знать о ней, чтобы повысить осведомленность о сохранении и обратить внимание на важность распознавания типов дефектов древесины, которые затем становятся определяющими для качества древесины, повышая ее как тему исследования и надеясь получить результаты, которые могут помочь исследователям древесины. С 20-го века технология обработки изображений постепенно используется в области дефектов древесины. Извлечение дефектов поверхности древесины является ключом к быстрой идентификации типов дефектов древесины, одним из которых является GLCM, который успешно идентифицирует 3 типа дефектов древесины [9].В этом исследовании предлагается метод обработки изображений с использованием метода извлечения признаков GLCM, который извлекает 6 признаков, а именно метрику, эксцентриситет, контраст, корреляцию, энергию и однородность, для 3 типов дефектов древесины swietenia mahagoni, а именно: растущая кожа на концах древесины, гнилые глазки древесины на концах. тело и здоровые деревянные глаза на теле с k-средними и пороговой сегментацией и идентификацией с евклидовым расстоянием.

    2. Материалы

    2.1. Набор данных

    Используемый набор данных представляет собой изображение дефектов древесины swietenia mahagoni, которое было получено непосредственно исследователем. Целых 54 изображения 3 типов дефектов, включая растущие дефекты кожуры на концах древесины, дефекты глазков гнилой древесины на теле и здоровые дефекты. Вуд-глаз на теле, при котором для каждого дефекта было сделано аж 18 снимков [11].

    2.2. Цветовое пространство YIQ

    YIQ — это цветовое пространство, используемое цветными телевизорами NTSC, в основном в Северной и Центральной Америке и Японии. Компонент Y представляет яркость, и это единственный компонент, используемый черно-белым телевизионным приемником. Буква I означает синфазный, а Q означает квадратурный, относящийся к компоненту квадратурной амплитуды. Цветовое пространство YIQ предназначено для использования характеристик зрительной реакции человека [12].

    2.3. Thresholding

    Сегментация изображения с помощью пороговой обработки — это простой, но мощный подход к сегментации изображения.Пороговый метод основан на площади пространства изображения, например, на характеристиках изображения [13].

    2.4. Цветовое пространство L*a*b

    Цветовое пространство L*a*b или то, что известно как CIELAB, является наиболее полным цветовым пространством, установленным Международной комиссией по цветному освещению (Французская международная комиссия по цветному освещению, известная как CIE) . Это цветовое пространство может описывать все цвета, которые можно увидеть человеческим глазом, и часто используется в качестве эталонного цветового пространства. Цветовое пространство L*a*b означает Luminance (яркость), а A и B — компоненты цвета.Согласно модели L*a*b, A представлен между зеленым и красным, а B — между синим и желтым. Модель L*a*b спроектирована так, чтобы быть независимой от модели [14], [15].

    2.5. K-means

    Алгоритм K-means классифицирует пиксели изображения на несколько кластеров на основе некоторого сходства характеристик, таких как яркость пикселей в оттенках серого и расстояние интенсивности пикселей от центра тяжести интенсивности пикселей [16]. При выполнении сегментации изображения кластеризация k-средних использует интенсивность серого изображения.Эта интенсивность изображения лежит в основе кластеризации изображений. Различные интенсивности будут сгруппированы в разные кластеры. Сформированные кластеры будут представлены определенным цветом, чтобы можно было визуализировать каждый кластер [17].

    2.6. Метод совпадения уровней серого

    Извлечение признаков предназначено для получения значения признака объекта на основе взаимосвязи между значением интенсивности пикселя изображения. GLCM — это статистический метод, который можно использовать для анализа текстуры.Матрица параллелизма формируется из изображения путем просмотра парных пикселей, имеющих определенную интенсивность [18].

    2.7. Евклидово расстояние

    Евклидово расстояние — простейший метод вычисления расстояния между двумя векторами. Евклидово расстояние определяется как расстояние по прямой между двумя точками, которое проверяет корни квадратной разницы между координатами пары объектов. Минимальное евклидово расстояние указывает на ближайшее расстояние до процесса распознавания [19].Вот формула для евклидова расстояния:

    d=(p1−q1)2+(p2−q2)2+…+(pn−qn)2

    Источник: [19]

    Определение 1

    P = P изображение Q = Q изображение d = мера расстояния между запросом P и Q изображений в базе данных. p = вектор признаков изображения P q = вектор признаков изображения Q

    2.8. Перекрестная проверка

    Перекрестная проверка — это один из основных методов машинного обучения для оценки при прогнозировании или обучении. Производительность модели измеряется средней точностью набора проверки для каждого подмножества [20].Производительность модели измеряется средней точностью проверки, установленной для каждого подмножества. Этот процесс в полной мере использует весь набор данных, когда количество данных невелико [21]. Перекрестная проверка — это метод оценки или проверки точности модели, построенной на наборе данных. Шаги K-кратной перекрестной проверки, среди прочего [22]. (1) Разделите имеющиеся данные на K групп. (2) Для каждого K создается ряд T наборов данных, содержащих все обучающие данные, кроме тех, что входят в k-ю группу.(3) Работа над алгоритмом с набором обучающих данных T. (4) Тестирование алгоритма использует данные группы K в качестве тестовых данных. (5) Запишите результаты алгоритма. Согласно [23] Преимущество метода перекрестной проверки K-fold заключается в том, что он показывает, что все элементы в строке данных используются как для обучения, так и для тестирования.

    3. Метод

    3.1. Получение изображения

    Получение изображения — это процесс, посредством которого мы получаем цифровое представление сцены [12]. Получение изображения осуществляется путем получения изображения дефектов древесины swietenia mahagoni с помощью 13-мегапиксельной камеры с расстоянием 30 см между объектом и камерой и при солнечном освещении около полудня по западному индонезийскому времени в хранилище древесины.Собранные изображения дефектов древесины составляют 54 изображения 3 типов дефектов, включая растущие дефекты кожицы на торцах древесины, гнилое деревянное окошко и здоровое деревянное окошко на теле, каждое из которых содержит 18 изображений. состоит из примера изображений дефектов древесины.

    Таблица 1

    Пример изображений дефектов древесины.

    Этапы проведенной методологии исследования показаны и сопровождаются следующим пояснением.

    3.2. Изменение размера

    Изменение размера — это процесс изменения области изображения в сторону увеличения или уменьшения исходного размера. Внесение изменений в размер может привести к смещению значения цвета, поэтому изменяется цифровой контент, который в нем содержится [17]. Как правило, изображения, сделанные вручную, не могут быть обработаны немедленно. Поскольку изображение слишком большое, изменение размера выполняется путем изменения размера изображения с 4160 x 1968 пикселей на 832 x 394 пикселей, чтобы изображение было легче обрабатывать.

    3.3. Данные обучения и тестирования

    Данные обучения — это часть набора данных, который мы обучаем делать прогнозы или запускать функции алгоритма. Мы предоставляем инструкции с помощью алгоритмов, чтобы машины, которые мы обучаем, могли искать свою корреляцию или изучать закономерности из предоставленных данных, в то время как данные тестирования являются частью набора данных, который мы тестируем, чтобы увидеть его точность или, другими словами, чтобы увидеть его производительность [17]. ]. Собранные 54 изображения делятся на 60% обучающих данных и 40% тестовых данных, состоящих из 33 обучающих изображений с композицией из 11 изображений на каждый дефект и 21 тестового изображения с композицией из 7 изображений на каждый дефект. 40% тестирования данных было выполнено или протестировано в программе после прохождения всех этапов обучения данных. Причина использования разделенных испытаний, которые содержат больше данных в обучающей выборке, заключается в повышении точности. В этом исследовании мы подтвердили, что тестовый набор 60:40 в нашем наборе данных предсказывает точность лучше, чем состав других разделенных данных. Это соответствует тому, что было сделано предыдущими исследователями [24].

    3.4. Преобразование цветов RGB в YIQ

    Этот шаг выполняется перед сегментацией изображения с использованием метода пороговой обработки.Это цветовое пространство YIQ имеет компонент Y, указывающий яркость, и этот компонент является единственным компонентом, используемым черно-белыми телевизионными приемниками, который используется в качестве основного цвета перед сегментацией с использованием метода пороговой обработки, который учитывает степень серости изображения. и формирует черно-белое изображение или бинарное изображение.

    3.5. Thresholding

    Изображения, преобразованные из цветов RGB в YIQ, затем сегментируются с использованием метода пороговой сегментации, чтобы увидеть степень серости, поскольку области дефектов в древесине обычно отличаются/темнее, чем другие области древесины, не затронутые дефектами.

    3.6. Преобразование цветов RGB в L*a*b

    В отличие от предыдущего, для выполнения сегментации с использованием метода k-средних изображение обучающих данных преобразуется из цветового пространства RGB в цветовое пространство L*a*b. Поскольку в методе сегментации k-средних используется концепция группировки или кластеризации ближайших цветов, цветовое пространство должно быть полным, а наиболее полным цветовым пространством, определенным Международной комиссией по цветовому освещению, является цветовое пространство L*a*b.

    3.7. K-means

    Сегментация K-средних выполняется для изображений, которые были преобразованы из цветового пространства RGB в цветовое пространство L*a*b. Эта сегментация группирует цвета, существующие на изображении, на основе их близости к цвету, так что область дефекта будет сегментирована, поскольку в целом цвет области дефекта в древесине не сильно отличается. Цвет древесины с дефектом в определенной области отличается от участка без дефекта. Дефектные части в области, как правило, имеют почти такой же цвет, а области, которые не являются дефектными, имеют тенденцию быть почти того же цвета, что и не затронутые области.

    3.8. Лучшая сегментация

    Сегментация изображения — это фундаментальный метод в области обработки изображений, который широко применяется в компьютерном зрении. В большинстве случаев это можно описать как этап предварительной обработки распознавания образов. Сегментация изображения — это процесс разделения изображения на разные классы непересекающихся пикселей, которые имеют схожие характеристики, такие как оттенки серого, цвет или текстура [17]. Из двух методов сегментации проводится сравнение, чтобы увидеть, какой метод имеет лучшую сегментацию, чем 33 обучающих изображения, и выполняется расчет, чтобы увидеть, сколько изображений правильно сегментировано с помощью порогового метода и сколько изображений хорошо сегментировано с помощью k-средних. метод.Узнав, какой из них лучше, метод сегментации будет использоваться для дальнейшего извлечения признаков.

    3.9. Извлечение признаков

    При наилучшей сегментации выделение признаков текстуры и формы на обучающих данных затем выполняется с использованием метода GLCM, как [25], который выполнил извлечение признаков после процесса сегментации для анализа текстуры и извлечения значений по 6 признакам, включая метрику. , эксцентриситет, контраст, корреляция, энергия и однородность на каждом изображении в обучающих данных, чтобы сформировать обучающую базу данных для результатов наилучшего метода сегментации.

    3.10. Идентификация

    Идентификация изображения или распознавание изображения осуществляется путем вычисления ближайшего расстояния от каждого из тестируемых признаков изображения (тестовые данные) в программе после прохождения этапов сегментации и выделения признаков с каждым признаком в обучающей базе данных в соответствии с концепцией используемый метод, который является евклидовым расстоянием. Значения признаков из извлечения признаков с использованием метода GLCM, который дает 6 значений признаков, а именно метрика, эксцентриситет, контраст, корреляция, энергия и однородность на каждом изображении, имеют одинаковый вес.Результаты извлечения признаков данных тестирования с использованием евклидова расстояния для каждого признака будут уменьшены и возведены в квадрат, затем результаты вычисления каждого признака суммируются, и так далее от начальных до конечных данных обучения, чтобы вычислить ближайшее расстояние как формула, представленная при обсуждении евклидова расстояния. Расстояние между значением признака тестирования и наименьшим значением признака обучения имеет наибольшую вероятность того же типа дефекта, или тип дефекта будет указан типом дефекта в обучающей базе данных, который имеет наименьшее евклидово расстояние своего признака. стоимость.

    4. Результат и обсуждение

    4.1. Преобразование цветов RGB в YIQ

    Преобразование цветового пространства RGB (красный, зеленый, синий), которое становится исходным цветовым пространством изображения, в цветовое пространство YIQ (яркость, синфазное, квадратурное) направлено на отделение цветности (информации о цвете) от яркости ( информация о градациях серого Y), полученная из модели RGB с использованием линейного преобразования. Это цветовое пространство зависит от Y, который представляет собой комбинацию интенсивности красного, зеленого и синего и полезен для сегментации изображения.Два других компонента, I (оттенок) и Q (насыщенность), представляют информацию о цвете, где I содержит информацию об оттенке оранжевого, а голубой и Q содержит информацию о зеленом и пурпурном цвете [26], [27]. Поскольку он линейный и требует меньше вычислительных задач, он также имеет минимальное перекрытие между сегментированными и несегментированными областями. Это цветовое пространство будет использоваться в качестве базового цвета для пороговой сегментации в каждом типе дефекта древесины Swietenia Mahagoni из-за его природы, которая отделяет цветность от яркости, поэтому позже, когда он преобразуется в бинарное изображение из результата пороговой сегментации, дефект древесины область может быть сегментирована.Результаты преобразования цветов RGB в YIQ для каждого типа дефекта следующие.

    В , мы можем видеть результаты изменения изображения дефекта древесины swietenia mahagoni, цветовое пространство которого изменено с RGB на YIQ. Преобразование цвета YIQ делает изображение разделенным между дефектными областями, которые темнее в круглой части, такой как глаз, в то время как другие части, которые не затронуты, выглядят более розовыми. Цветовое пространство YIQ используется для облегчения сегментации с использованием порога, поскольку дефектные области появляются больше.

    Таблица 2

    Результат преобразования цветов RGB в YIQ.

    4.2. Thresholding

    В этом разделе объясняются результаты сегментации, проведенной методом пороговой обработки, который ранее был преобразован в цветовое пространство YIQ в изображении дефекта древесины Swietenia mahagoni. Пороговое преобразование преобразует изображение в бинарное или черно-белое изображение и сегментирует области, которые были разделены ранее выполненным цветовым пространством. Этот метод может разделить пиксели изображения на две основные группы в качестве «детекторов», чтобы различать фон и объект, рассматриваемый как передний план на изображении [28], [29]. Фон здесь — это часть, не затронутая дефектами, а объект переднего плана — это заметная область дефекта. Результаты сегментации на основе типа дефекта для каждого из них приведены ниже.

    Таблица 3

    Пороговый результат сегментации.

    В , мы можем видеть результаты изменения изображения дефекта древесины swietenia mahagoni, сегментированного с помощью пороговой обработки, которая ранее была в цветовом пространстве YIQ. Область дефекта показана черным цветом, окаймленным белым цветом.

    4.3. Преобразование цветов RGB в L*a*b

    Преобразование цветового пространства RGB, которое становится исходным цветовым пространством изображения, в цветовое пространство L*a*b направлено на то, чтобы предоставить больше цветовой информации для изображения. L обозначает светлый цвет, *a обозначает координаты красный/зеленый, *b обозначает координаты синий/желтый. Это цветовое пространство не зависит от устройства и может управлять большей информацией об интенсивности и цвете. Эти цветовые пространства обеспечивают большее различие между цветами от одного к другому благодаря их независимым устройствам [26].Преимущество этой цветовой модели в том, что на нее не влияет устройство захвата изображения. Это цветовое пространство будет использоваться в качестве базового цвета для сегментации k-средних для каждого типа дефекта древесины на swietenia mahagoni, поскольку k-средние будут сгруппированы на основе близости цветов. Если изображение создано с большим количеством информации о цвете, k-means будет легче кластеризовать цвета в изображении, чтобы оно могло выполнять сегментацию. Результаты преобразования цветов RGB в L*a*b поясняются в следующем обсуждении.

    На рисунке показаны результаты изменения изображения дефекта древесины swietenia mahagoni, цветовое пространство которой изменено с RGB на L*a*b, при этом область дефекта выглядит темнее, чем другие области. Части, не затронутые дефектами, имеют тенденцию быть красочными, но ритмичными, как если бы они были одной и той же частью. Это цветовое пространство L*a*b выполняется для облегчения сегментации с использованием k-средних, поскольку дефектные области появляются больше и будут сгруппированы на основе близости их цветов.

    Таблица 4

    Результат преобразования цветов RGB в L*a*b.

    4.4. Сегментация K-средних

    В этом разделе объясняются результаты сегментации, проведенной с использованием метода k-средних, который ранее был преобразован в цветовое пространство L*a*b на изображении дефекта древесины swietenia mahagoni. K-среднее делается для получения описания набора данных путем выявления тенденций других данных. Тенденция группировки основана на сходстве существующих характеристик данных. Основная идея этого метода состоит в том, чтобы найти центр каждой группы данных, которые могут существовать, а затем сгруппировать все данные в одну из этих групп в зависимости от расстояния.

    Данные изображения — это пиксель и интенсивность цвета в нем. K-средние классифицируют на основе схожести цветов или близости значений пикселей, поэтому k-средние сегментируют области, имеющие одинаковый цвет или отделенные от областей, имеющих разные цвета. В этом случае он может отделить дефекты древесины от участков, не затронутых дефектами. Результаты сегментации на основе типа дефекта для каждого из них приведены ниже.

    Таблица 5

    Результаты сегментации K-средних.

    В , мы можем видеть результаты изменения изображения дефекта древесины swietenia mahagoni, сегментированные по k-средним, которые ранее находились в цветовом пространстве L*a*b. Области, отличные от дефектов, показаны черным цветом, и только дефекты показаны без покрытия черным цветом.

    4.5. Извлечение признаков

    После определения наилучшей сегментации признаки текстуры и форма тренировочного изображения из результатов сегментации k-средних затем извлекаются с использованием метода GLCM по 6 признакам, а именно метрике, эксцентриситету, контрасту, корреляции, энергии и однородность, чтобы была сформирована обучающая база данных.Для идентификации объектов важно знать характеристики, которыми обладает объект. Этот этап извлечения признаков направлен на определение характеристик или шаблонов изображения. Так что, когда он будет распознан или идентифицирован, он будет искать характеристики или шаблоны, содержащиеся в извлеченных значениях признаков. Ниже приведены результаты извлечения признаков для каждого типа дефекта:

    Ниже приведены результаты извлечения признаков GLCM с 6 признаками, а именно: метрика, эксцентриситет, контраст, корреляция, энергия и однородность на обучающих данных для виды дефектов нарастания коры на торцах древесины.

    . показывает значения каждого признака в каждом изображении растущих дефектов корки на торцах древесины со средним значением метрического признака 0,43588, средним значением признака эксцентриситета 0,88688, средним значением контрастного признака 0,10692, средним значением корреляционного признака 0,82687, среднее значение признака энергии 0,87494 и среднее значение признака однородности 0,98141.

    Таблица 6

    Результаты извлечения признаков (GS).

    Виды дерева Дефекты Примеры изображения

    Здоровые деревянные дефекты глаз

    1

    метрическая система и т. д.. прод .. корр .. энергия гомоген ..
    0,25593 0,96287 0,19558 0,78772 0,86178 0,97241
    0,45566 0,83270 0.09871 0. 0. 0.98927

    0.52705 0.87966

    0.01708 0.75836 0.93984 0. 99421
    0,11666 0,97730 0,16084 0,87175 0,78966 0,96929
    0,21702 0,68259 0,08297 0, 0,94112 0,99151
    0,34107 0,87920 0.01962

    0.73336

    0.93988

    0.99384
    0.25693

    0.25693
    0.97262 0. 14819 0.86697 0,77981 0,96798
    0,96907 0,78290 0,09427 0,69889 0,86367 0,97792
    0,75625 0,

    0,10236 0,84988 0,88433 0,98267
    0.40585

    0.95676

    0.19089 0.79309 0.86224 0. 97247
    0.49323 0.
    0.06558 0.06558

    0.89443 0.84461 0.98392

      7
    • 2.

    • 2.

      Гнилые древесные дефекты глаз

    Ниже приведены результаты экстракции функций GLCM с 6 функциями, а именно метрикой, эксцентриситета, контрастность, корреляция, энергия и однородность в обучающих данных по типам гнилых сучков на теле.

    показывает значение каждого признака в каждом изображении сучков Rotten на теле со средним значением метрического признака, равным 0.26857, среднее значение признака эксцентриситета 0,85274, среднее значение признака контраста 0,54337, среднее значение признака корреляции 0,, среднее значение признака энергии 0,33756 и среднее значение признака однородности 0,88142.

    Таблица 7

    Результаты извлечения признаков (RWE).

    0,52631

    2
    Метрика ECCE .. CONT .. Corr .. Corr .. Energy Homog Homog
    0.06 936 0,80588 0,38945 0,95649 0,33104 0,
    0,05254 0,81303 0,42294 0,95189 0,34053 0,
    0,27835 0,88242 0,42727 0, 0,29329 0,89094
    0,52631 0,76974 0,45262 9 9 0,8943 0,45262 0,7697432686 0,88585
    0,06617 0,82344 0,80945 0,89416 0,37195 0,85958
    0,28467 0,97953 0,45553 0,93660 0,40145 0,88588
    0,44143 0,97475

    0. 66281

    0.
    0.29140

    0.85736

    0.19005 0.96760 0.42514 0,

    0,29417 0,89128
    0,27315 0,56414 0,66002 0,

    0,29351 0,85794
    0,16944 0,89818 0,81321 0,89378 0,37202 0,85879
    0.60276

    0.

    0,45867 0.93643

    0.39697 0.88575
    • 3.

      Здоровые глазковые дефекты древесины

    Ниже приведены результаты выделения признаков GLCM с 6 признаками, а именно: метрика, эксцентриситет, контраст, корреляция, энергия и однородность в обучающих данных по типам дефектов древесины здоровых сучков на тело.

    показывает значения каждого признака на каждом изображении здоровых узелков на теле со средним значением метрического признака 0,43679, средним значением признака эксцентриситета 0,83477, средним значением контрастного признака 0.22034, среднее значение признака корреляции 0,

    , среднее значение признака энергии 0,74756 и среднее значение признака однородности 0,95529.

    Таблица 8

    Результаты извлечения признаков (HWE).

    Метрика ECCE . . прод .. корр .. энергия гомоген ..
    0,30037 0,96445 0,07218 0,93916 0,87083 0.+98099
    0,14344 0,51099 0,24420 0, 0,78708 0,95831
    0,29278 0,99056 0,18185 0,89756 0,86615 0,97277
    0,21392 0,95417 0. 14414 0.
    0.78521 0.96583
    1.05426

    0.57703 0.38704 0.

    0,48200 0,

    0,47009 0,
    0,17659 0,89849 0,86881 0,97329
    0,28745 0,98434 0,30609 0,93864 0,53525 0,
    0. 32914 0.32914 0.97561

    0.24118

    0.88167

    0.74675

    0.95096
    0.41955 0.94783 0,12785 0,95519 0,71038 0,96284
    0,23938 0,61842 0,12102 0,

    0,86325 0,97659
    1,05426 0,73244 0,42155 0,83448 0,70751 0,93572

    4.

    6. Идентификация

    После прохождения различных методик обработки изображений и формирования обучающей базы данных проводится идентификация на данных тестирования, где имеется 21 изображение всех типов дефектов, в которых каждый дефект имеет 7 изображений.Идентификация проводится с целью того, чтобы каждый тип дефекта мог быть распознан по каждому признаку формы и текстуры, значения признаков которого были выданы на этапе выделения признаков. Идентификация изображения выполняется путем вычисления ближайшего расстояния с использованием метода евклидова расстояния между значением признака данных тестирования и значением признака обучающих данных в базе данных. Успех тестовой программы рассчитывается с использованием матрицы путаницы. Перед идентификацией данные тестирования также обрабатываются так же, как данные обучения, а именно через этапы предварительной обработки и сегментации с наилучшей сегментацией с использованием k-средних.Предполагается, что область, в которой будет извлечено значение признака, близка к одному из значений признака в обучающих данных. После сегментации выполняется извлечение признаков, и значение признака рассчитывается как ближайшее расстояние до значения признака обучающих данных, ближайшее расстояние будет показано в результате его идентификации. Результаты тестирования программы следующие.

    показывает, что результатами тестирования программы являются 7 изображений растущих типов кожи, 7 изображений гнилого деревянного глаза и 7 изображений здорового деревянного глаза, которые используются в качестве данных тестирования 7 изображений растущих типов коры, 6 изображений были идентифицированы правильно, а 1 изображение было идентифицировано как гнилые сучки.Из 7 изображений гнилых сучков правильно идентифицировано 7 изображений, а из 7 изображений здоровых сучков правильно идентифицировано 7 изображений.

    Таблица 9

    данных испытаний Фактический Идентификация Информация
    1 Г. С. Г.С. Истинные
    2 Г.С. Г.С. Правда
    3 Г.С. Г.С. Истинные
    4 Г.С. Г.С. Истинные
    5 Г.С. GS Истинные
    6 GS RWE Ложные
    7 Г. С. GS Истинный
    8 RWE RWE Истинный
    9 RWE RWE Истинный
    10 RWE RWE True
    11 RWE RWE Правда
    12 RWE RWE Правда
    13 RWE RWE Правда
    14 RWE RWE Истинный
    15 HWE HWE Истинный
    16 HWE HWE Истинный
    17 HWE HWE Истинный
    18 HWE HWE Истинный
    19 HWE HWE Истинный
    20 HWE HWE Истинный
    21 HWE HWE Истинный

    Итак, матрица путаницы формируется следующим образом в .

    Таблица 10

    Результаты извлечения признаков (HWE).

    91 869 Прогноз
    Г.С. RWE HWE Итого

    Г.С. 6 1 0 7
    RWE RWE 0 7 0 7
    HWE 0 0 7 7
    7

    г.

    показывают тестирование программы, при котором расчет на успешность выращивания дефектов кожуры составляет 6 изображений, причем 1 изображение определяется неправильно, а все гнилые глазки дерева и здоровые глазки дерева идентифицируются правильно.Точность, прецизионность и полнота рассчитываются исходя из количества правильно идентифицированных изображений, деленного на все данные, как показано ниже.

    Таблица 11

    Результат точности, прецизионности и отзыва.

    Выращивание кожи 1
    Класс точности Точность Напомним
    86% 0,86 1
    гнилой древесине Глаза 100% 0,86
    Здоровые деревянные глаза 100% 1 1
    Среднее 95,33% 95,33% 95,33%

    шоу что точность растущих дефектов кожуры на 86% по результатам расчета 6/7×100%, точность гнилой древесины на 100% по результатам расчета 7/7×100% и точность здоровой древесины на 100% из результатов расчета 7/7х100%, поэтому средняя точность 95. 33% при идентификации дефектов древесины swietenia mahagoni, сегментированных по k-средним, извлеченных с помощью 6 признаков GLCM, а именно метрики, эксцентриситета, контраста, корреляции, энергии и однородности, и идентифицированных путем вычисления ближайшего расстояния между каждым значением данных испытаний. особенность значения каждой функции обучающих данных с использованием метода евклидова расстояния.

    Помимо использования точности, расчет используемого метода производительности можно увидеть из оценки F1 [30]. Вся точность равна 0,95, а результат отзыва равен 0,95.

    F1=2×0,95×0,950,95+0,95=0,95

    Точность – это уровень точности между информацией, запрашиваемой пользователем, и ответами, данными системой. В то время как отзыв — это показатель успеха системы при восстановлении информации, а показатель F1 — среднее гармоническое между точностью и отзывом, в , значения точности, отзыва и, конечно, балла F1 одинаковы и близки к значению 1, высший балл.

    4.

    7. Валидация

    Для проверки надежности предложенной модели было проведено тестирование с использованием перекрестной проверки, а именно 3-кратной перекрестной проверки.Этот метод делит изображение или набор данных на 2 части, а именно на обучение и тестирование, или мы можем назвать это проверочными данными. Это означает, что каждое изображение испытало роль обучения и тестирования, или, в данном случае, мы называем это проверкой. Иллюстрация трехкратной перекрестной проверки описана на изображении в .

    Иллюстрация трехкратной перекрестной проверки.

    Результаты 3-кратной перекрестной проверки в этом исследовании приведены ниже.

    Таблица 12

    Результат точности, прецизионности и отзыва.

    8

    Точность
    Fold 1 Fold 2 Fold 2
    Выращивание кожи 50% 50% 83,3%
    Гнилые глаза дерева 100% 100% 100%
    Глаза здорового дерева 50% 83,3% 83,3% 83,3%
    66 % 77,8% 88,9%

    Первый тест с использованием метода перекрестной проверки дает среднюю точность 66%, что показано на рис. быть правильным 3, неправильным 3 из общих данных проверки 6, поэтому точность составляет 50%, проушины из гнилой древесины прогнозируются как правильные 6, неверно 0 из общей проверки данных 6, поэтому точность составляет 100%, а здоровые деревянные проушины прогнозируется как c правильный 3, неправильный 3 из общих данных проверки 6, поэтому точность составляет 50%.

    Второй тест, использующий метод перекрестной проверки, дает среднюю точность 77,8%, что превосходит первый тест, показанный на рис. точность составляет 50%, гнилые узлы прогнозируются как правильные 6, неправильные 0 из общих данных проверки 6, так что точность составляет 100%, а здоровые узлы прогнозируются как правильные 5, один из общих данных проверки равен 6, поэтому точность составляет 83,3%.

    Таблица 13

    Результат преобразования цветов RGB в L*a*b.

    RGB RGB L * A * B

    Третий тест с использованием перекрестной проверки метод, он обеспечивает среднюю точность на 88,9% выше, чем первый и второй тесты, показанные в , с составом растущей кожи, предсказанным как истинный 5, один из общих данных проверки равен 6, так что точность 83. 3%, гнилые деревянные глазки прогнозируются как истинные 6, ложные 0 из общих данных проверки 6, так что точность составляет 100%, а здоровые деревянные глазки прогнозируются как правильные 5, один из общих данных проверки равен 6, поэтому точность составляет 83,3%.

    Таблица 16

    Результаты извлечения признаков (LB).

    Метрика ECCE .. CONT .. Корр Energy Energy Homog
    0,46515 0.42244 0,57051 0,
    0,35171 0,86942 0,27131 0,48696 0,59976 0,89118 0,31713 0,85707 0,17672 0,83020 0,52401 0,86980 0,50194 0,89478 0,38035 0,74105 0,43102 0,87342 9 9

    0,87342

    87229 0,19595 0,53013 0,38244 0, 0,33720 0,89821 0,39449 0,74127 0,43647 0, 0,38091 0,88943 0,51368 0,25294 0. 50059 0.86365 0.36407 0.87258

    0.55481 0.82165 0.32094 0.

    0,30904 0,89836 0,14386 0,86179 0,20813 0, 0,48454 0,93617 0,32861 0,95655 0,33653 0,93463 0,39689 0, 0. 37036 0.37036 0, 0.36868 0.

    0.37781 0.89760 0.89760

    07

    3-кратное перекрестное подтверждение, мы можем видеть, что наиболее оптимальное значение — это значение 3-й разрядки поперечной проверки , что дает среднюю точность 88.9%, что можно охарактеризовать как хорошее. По сравнению с распределением предыдущих данных обучения и тестирования, оно все еще лучше, а именно достигается средняя точность 95,33%. Поэтому авторы предлагают распределение обучение — тестирование аж 60% — 40%.

    Иллюстрация трехкратной перекрестной проверки.

    4.8. Как насчет проверки другим набором данных?

    Другой набор данных, используемый для проверки надежности предложенной модели, в этом случае использует набор данных аналогичного типа, а именно дефектные изображения, но объект другой, а именно дефекты листьев картофеля, полученные с общедоступного веб-сайта набора данных, а именно Kaggle. Учитывая доступный набор данных о дефектах древесины, который можно получить бесплатно, найти его по-прежнему сложно. Этот тест проводится с той же композицией, а именно с 18 изображениями на класс, и есть 2 класса дефектов листьев, которые обрабатываются так же, как и в наборе данных о дефектах древесины.

    Ниже приведены результаты применения предложенной модели к тестовому набору данных, а именно к набору данных о дефектах листьев картофеля. Преобразование цвета выполняется для облегчения процесса сегментации, например, в изображениях дефектов древесины, вот результаты преобразования цвета RGB в цветовое пространство L*a*b в изображении дефекта листа картофеля.

    На изображении видны результаты изменения изображения дефектов листа картофеля, цветовое пространство которого изменено с RGB на L*a*b, область дефекта выглядит темнее других областей, как это произошло на изображении дефекта древесины.

    После преобразования цветового пространства затем выполняется сегментация для разделения дефектных областей с использованием k-средних, результаты показаны на рисунке .

    Таблица 14

    Результат сегментации K-средних.

    , мы можем увидеть по результатам изменения изображения дефектов листьев картофеля, сегментированных по k-средним, которые ранее находились в цветовом пространстве L*a*b, взята важная область, а именно та часть листа, которая поражена дефектами.

    После сегментации выполняется извлечение признаков для создания базы данных обучающих данных с использованием GLCM с 6 признаками, а именно метрикой, эксцентриситетом, контрастом, корреляцией, энергией и однородностью, чтобы увидеть значение характеристик текстуры и формы.

    показывает значение каждого признака на каждом изображении дефекта листа картофеля, вызванного ранней гнилью, со средним значением признака 0,39770, средним значением признака эксцентриситета 0,66397, средним значением признака контрас 0,64833, корреляцией среднего значения признака 0 ., среднее значение признака энергии равно 0,28815, а среднее значение признака однородности равно 0,86258.

    Таблица 15

    Результаты извлечения признаков (EB).

    типа L * A * B K-STATE
    0,
    Метрика ECCE .. прод .. корр .. энергия гомоген ..
    0,37352 0,55194 0,63387 0,94868 0,27692 0,86526
    0,53539 0. 86224 0,59358 0,

    0,25843 0,85574
    0,27369 0,64349 0,83059 0,89150 0,26793 0,83096
    0,07941 0,41121 0,65123 0,95852 0,36533 0,

    0,28734 0,83009 0,56213 0, 0,83009 87220
    0,34282 0,86135 0,44330 0,87174 0,27995 0,87483
    0,19453 0,63586 0,80612 0,

    0,27741 0,83854
    0,60102 0,64012 0. 80756

    0.89666 0.21782

    0.82873
    0.53421

    0.79517 0.58056 0. 0,28320 0,85895
    1,01457 0,74787 0,46952 0,95963 0,30067 0,88037
    0,13815 0,32437 0,75316 0, 0,34002 0,86194

    показывает значение каждого признака на каждом изображении дефекта листа картофеля, вызванного фитофторозом, со средним значением признака 0,34503, среднее значение признака эксцентриситета равно 0. 68818, среднее значение признака контраста составляет 0,42537, корреляция среднего значения признака 0,

    , среднее значение признака энергии составляет 0,37448, а среднее значение признака однородности составляет 0,89135.

    После формирования обучающей базы осуществляется идентификация данных тестирования с использованием евклидова расстояния по результатам тестирования программы.

    Из видно, что результатами тестирования программы являются 7 изображений ранней гнили и 7 изображений фитофтороза, которые используются в качестве данных тестирования.Из 7 изображений видов фитофтороза все изображения могут быть идентифицированы правильно, тогда из 7 изображений фитофтороза правильно идентифицировано 6 изображений и 1 изображение идентифицировано как ранний ожог, так что матрица смешения формируется следующим образом в .

    Таблица 17

    Данные испытаний Фактический Идентификация Информация
    1 EB EB Истинный
    2 EB EB Правда
    3 EB EB Истинный
    4 EB EB Истинный
    5 EB EB Истинный
    6 Е. Б. EB Истинный
    7 EB EB Истинный
    8 LB LB Истинный
    9 LB LB Истинный
    10 Фунт Фунт Правда
    11 Фунт EB Ложные
    12 LB LB Правда
    13 LB LB Правда
    14 LB LB Правда

    Таблица 18

    Прогнозирование 90 952
    Фактический EB ЛБ Итого
    +
    EB 7 0 7
    Л. Б. 1 6 7

    В , мы можем видеть матрицу путаницы из результатов тестирования программы (), где расчеты для успешности типов раннего ожога 7 изображений, идентифицированных правильно и для поздних типы гнили 6 изображений идентифицируются правильно и 1 изображение идентифицируется неправильно.Точность вычисляется из числа правильно идентифицированных изображений, деленного на все данные.

    показывает, что точность фитофтороза на 100% по результатам расчета 7/7х100% и точность на фитофтороз 85,71% по результатам расчета 6/7х100%, поэтому средняя точность составляет 2,86 % при идентификации дефектов листьев картофеля, сегментированных k-средними, извлеченных с помощью 6 признаков GLCM, а именно метрики, эксцентриситета, контраста, корреляции, энергии и однородности, и идентифицированных путем вычисления ближайшего расстояния между каждым значением признака данных тестирования на значение каждой функции обучающих данных с использованием метода евклидова расстояния.

    Таблица 19

    Class

    Class Точность 100% 85,71% Среднее 92,86%

    Проверка также проводится в экспериментах с использованием других наборов данных, например, то, что было сделано на изображении дефекта древесины с использованием перекрестной проверки, если быть точным, 3-кратной перекрестной проверки, вот результаты каждого раза в .

    Таблица 20

    Результат трехкратной перекрестной проверки других наборов данных.

    Точность

    Tire Fold 1 Fold 2
    66,67% 66,67% 83,33% 83,33%
    Позднее Blight 33,33% 66,67% 83,33%
    Среднее
    50% 75% 83,33%

    Из первого теста с использованием метода перекрестной проверки средняя точность составляет 50 %, показанная на рис. , при этом состав ранней гнили прогнозируется как правильный 4, неправильный 2 из общих данных проверки 6, поэтому точность составляет 66.67%, фитофтороз считается правильным 2, 4 от общего числа данных проверки составляет 6, поэтому точность составляет 33,33%, так что средняя точность составляет 50%.

    Из второго теста с использованием метода перекрестной проверки средняя точность на 75 % выше, чем раньше, что показано на рис. точность составляет 83,33%, фитофтороз прогнозируется как истинный 4, неправильный 2 из общих данных проверки 6, поэтому точность составляет 66.67%, так что средняя точность составляет 75%.

    Из третьего теста, использующего метод перекрестной проверки, он дает среднюю точность на 83,33% лучше, чем предыдущий, который показан на , при этом состав каждого типа одинаков, а именно 5 прогнозируется как правильный, один из общее количество проверочных данных равно 6, так что средняя точность составляет 83,33%. Из выполненной 3-кратной перекрестной проверки видно, что наиболее оптимальным значением является значение 3-кратной перекрестной проверки, которая дает среднюю точность 83. 33%, что можно охарактеризовать как хорошее.

    Результат трехкратной перекрестной проверки другого набора данных.

    По сравнению с распределением предыдущих данных обучения и тестирования, оно по-прежнему лучше, а именно достигается средняя точность 92,86%. Поэтому авторы предлагают распределение обучения-тестирования аж 60% — 40%. Эти результаты аналогичны результатам, полученным в наборе данных о дефектах древесины, так что значение надежности предлагаемой модели достаточно хорошо для выявления дефектов, дефекты древесины повышены, чтобы обратить внимание на важность древесины и увеличить набор данных о древесине, который можно использовать. для исследования.

    4.9. Как насчет проверки с помощью набора данных дополнения

    Чтобы воспроизвести набор данных, чтобы его можно было протестировать много раз для измерения надежности строящейся модели, мы поворачиваем изображение с несколькими размерами в качестве набора данных, как показано ниже.

    При тестировании данных каждого изображения поворот изображения выполнялся 4 раза, а именно на 45 градусов, 90 градусов, 120 градусов и 180 градусов, так что в результате увеличения изображения было получено 84 новых изображения и всего 138 изображений. С помощью тех же шагов новый набор данных, полученный в результате поворота изображения, выполняется со следующей точностью в .

    Таблица 23

    8

    класс Точность 95% 75%

    Здоровый древесины Eye 100% Среднее 80%

    приведена матрица путаницы по результатам тестирования программы, где расчет успешности выращивания дефектов кожицы составляет 21 изображение, причем 7 изображений определены неверно, для глаз гнилой древесины 18 изображений верно идентифицированы и 10 изображений неверны, и все изображения здоровых деревянных глаз идентифицированы правильно. Точность рассчитывается путем деления количества правильно идентифицированных изображений на все данные следующим образом в .

    Таблица 22

    Матрица искажения увеличивающего изображения.

    + + 9
    Прогнозирование
    Г.С. RWE HWE Итого

    Г.С. 21 2 0 28
    REW RWE 0 18 0 28
    7 8 28 28

    в результате достигнутыми тестирование аугментации мы видим, что среднее значение составляет 80%, а это значит, что оно не так далеко от значения точности, полученного при тестировании данных с нормальным вращением.

    По сравнению с предыдущими исследованиями того же объекта точность этого исследования по-прежнему выше. Ниже приводится обсуждение предыдущего исследования.

    Это исследование проводится не впервые. Было несколько исследователей, которые делали то же самое раньше, некоторые из них: YongHua и Wang JinCong должны идентифицировать дефекты поверхности древесины, выполнив извлечение признаков, которое сочетает в себе метод Tamura и GLCM по 5 признакам, а именно: угловой второй момент, контраст, корреляция, энтропия и дисперсия, чтобы идентифицировать 3 типа дефектов древесины, а именно мертвые сучки, сваи и скользящий узел с классификацией с использованием классификатора нейронной сети BP, где он дал точность 92.67% [10]. В нем также обсуждается сегментация случайного поля Маркова, которая является широко распространенным вероятностным методом в нескольких сегментациях, который использует пространственную информацию из изображений на основе марковского процесса. Этот процесс основан на стохастическом подходе к моделированию и хорошо работает с изображениями с различными неопределенностями, такими как шум, деградация и неверная информация о частичных данных [31], [32], [33].

  2. 2.

    Исследование Zhang Yi Xiang et al. под названием «Идентификация дефектов древесины на основе признаков LBP».идентифицировала дефекты древесины путем извлечения 4 признаков, а именно корреляции, коэффициента хи-квадрат, коэффициента пересечения и расстояния Бхаттачарьи, при сравнении метода извлечения LBP и GLCM на 40 образцах изображений древесины с методом классификации нейронной сети BP и дала точность 93 % по 3 видам пороков древесины [9]. Сегментация выполняется с помощью бинаризации изображения, которая является распространенным инструментом для сегментации изображения объекта, который различает фон в различных приложениях, таких как автоматическое отслеживание целей, распознавание объектов, сжатие изображений, анализ изображений и разделение объектов [34].Бинаризация изображения — это метод, который преобразует изображения уровня серого в черно-белые изображения [35].

  3. 3.

    Исследование под названием «Классификация дефектов древесины с использованием функций на основе GLCM и нейронной сети, обученной PSO», проведенное R. Qayyum et al. удалось идентифицировать дефекты сучков на деревянных поверхностях, набор данных которых был получен с веб-сайта Университета Оулу, Финляндия, путем извлечения признаков GLCM и применения PSO к классификации нейронной сети путем получения значения MSE при обучении, равного 0.3483 и точность при тестировании 78,26% [9]. Сегментация нечеткой минимальной и максимальной нейронной сети использовалась для сегментации изображений и упрощения анализа изображений в течение последних нескольких лет. Чтобы ускорить процесс сегментации изображения, FMMIS не использует все пиксели анализируемого изображения, а использует только несколько входных пикселей, называемых семенами, для выращивания гипербоксов [36], [37].

  4. 4.

    Исследование под названием «Исследование распознавания изображений и классификации дефектов кожицы древесины на основе модели BOW», проведенное Fan Yang et al.введены и классифицированы дефекты коры путем извлечения признаков с использованием метода HOG (гистограммы ориентированного градиента), а также идентификации и классификации с помощью SVM на основе ядра Гаусса ядра (Gaus), полиномиального ядра (Poly), ядра хи-квадрат (Chi) и гистограммы Функция ядра пересечения (Hist) по 4 типам дефектов коры, а именно: мертвый сучок, скользящий сучок, трещина и дырка, получила среднюю точность 85,4% [38].

  5. 5.

    Исследование под названием «Классификация изображений дефектов древесины с использованием вариантов локального бинарного рисунка», проведенное Rahillda Nadhirah Norizzaty Rahiddin et al.провели классификацию дефектов древесины путем анализа текстур с использованием вариантов LBP, а именно: базового LBP, инвариантного вращения LBP, равномерного LBP и равномерного инвариантного вращения LBP, и выполнили классификацию ANN, KNN и J48 Decision Tree с набором данных, обеспечившим точность 65,4% [8]. 136 Особенности с 52 типами древесины и классификацией с использованием машины опорных векторов (SVM) с композицией из 80 обучающих изображений и 20 тестовых изображений с точностью 97.01% [39].

  6. 7.

    Исследование в пункте 6 продолжается под названием «Система распознавания пород древесины на основе улучшенной базовой матрицы ауры уровня серого» в качестве экстрактора признаков путем извлечения признаков с использованием 136 признаков с помощью улучшенной базовой матрицы ауры уровня серого (I-BGLAM). ) и классифицированы с использованием машины опорных векторов (SVM) с 90 изображениями обучающих данных и 10 изображениями тестовых данных, повторенными 30 раз, что привело к средней точности 99,84% [40].

  7. Основываясь на успешности каждого случая в предыдущем исследовании, мы можем увидеть это на следующем графике в .На графике выше мы видим, что наибольшая точность достигается при использовании модели Improved-Basic Gray Level Aura Matrix (I-BGLAM) в качестве экстрактора признаков и классификации с использованием SVM в точках 6 и 7. В этом случае ее нельзя сравнивать. с нашим исследованием, потому что поднятая тема была классификацией пород древесины, а не дефектами древесины. Он написан, чтобы ввести еще один метод в качестве экстрактора признаков. Пункты с 1 по 5 имеют ту же тему, а именно классификацию дефектов древесины, наиболее широко используемой моделью в качестве признака экстрактора является GLCM, потому что, учитывая значение особенностей текстуры и формы в области дефекта, достигнутый успех не превосходит исследование, которое мы провели, предложив евклидову. расстояние для определения типа дефекта. Хотя этот метод не является новым, он достаточно надежен в выполнении своей работы, и предпочтение отдается простой и понятной модели.

    Результат трехкратной перекрестной проверки другого набора данных.

    Какие 5 распространенных дефектов пиломатериалов? — Ответы на все

    Каковы 5 распространенных дефектов пиломатериалов?

    Ниже приведен список наиболее распространенных дефектов древесины.

    • Изгиб (Изгиб) Кривизна куска пиломатериала в направлении его длины, ср.
    • Сердце в коробке.
    • Чеки.
    • Компрессионные вентиляторы.
    • Чашка (баночная)
    • Алмаз (алмазный)
    • Соты.
    • Сплит (также известный как коктейль)

    Что такое дефекты и пороки древесины?

    Дефект пиломатериала – это любой изъян, который влияет на прочность, долговечность или полезность пиломатериала. Порок — это изъян, который портит только внешний вид пиломатериала.

    Сколько существует типов дефектов древесины?

    Ниже приведены пять основных типов дефектов древесины: Дефекты, вызванные естественными силами.Дефекты из-за нападения насекомых. Дефекты из-за грибков.

    Какие общие дефекты встречаются в древесине?

    Наиболее распространенные дефекты:

    • 1) Проверка поверхности. Проверка поверхности обычно проводится вдоль лучей древесины.
    • 2) Концевые шпагаты. Такие расколы являются очень распространенными дефектами, вызванными слишком быстрым высыханием открытых концов.
    • 3) Сотовые чеки.
    • 4) Встряхивает.
    • 5) Сгибание или деформация.
    • 6) Мертвые или заключенные в оболочку сучки.
    • 7) Вросшая кора.

    Какие три дефекта пиломатериала?

    Общие дефекты древесины: типы и причины проблем с пиломатериалами

    • Чеки и сплиты. Чек — это термин, используемый для описания трещины, которая проходит через доску, обычно вдоль.
    • Гниль и распад. Гниль и гниение — это общее описание распада древесного волокна.
    • Встряска колец.
    • Смола, камедь и сок.
    • Вейн.
    • Крук или Корона.
    • Лук.
    • Кубок.

    Что такое натуральный дефект древесины?

    Дефекты натурального дерева. В течение своей жизни дерево подвергается многим природным воздействиям, вызывающим дефекты в древесине. Столярам хорошо знакомы эти дефекты – сучки, трещины, некрасивые темные полосы или пятна, червоточины, даже гниль.

    Какие три дефекта древесины?

    Какие бывают виды пороков древесины?

    Какие природные дефекты имеет древесина?

    Что такое 10 дефектов пиломатериалов?

    Какой сорт древесины лиственных пород самый лучший?

    FAS — высшая из лиственных пород пиломатериалов.FAS 1-Face (аббревиатура: F1F): «Выбранный» кусок пиломатериала шириной шесть дюймов и шире.

    Что такое мертвый сучок в древесине?

    узла. Узел — это место, где ветка была соединена с деревом. Существует два разных типа узлов: живой узел и мертвый узел. Живой узел обычно светлее и, как правило, никогда не выпадает. Мертвый сучок темнее и может выпасть, оставив отверстие, которое может повлиять на прочность древесины.

    Что такое естественные дефекты древесины?

    Наиболее распространенными естественными дефектами являются: сучки, встряски, поперечное зерно, кривизна, корковые галлы, заусенцы и курчавость.

    1. УЗЛЫ. Сучок отмечает положение роста ветки на дереве.
    2. ТРЯСЕТ. После сучков встряски являются более серьезными и распространенными дефектами древесины.
    3. ПОПЕРЕЧНОЕ ЗЕРНО.
    4. РИНДГАЛЛС и др.
    5. РЕАКЦИОННАЯ ДРЕВЕСИНА.

    Что используется для сортировки пиломатериалов?

    Пиломатериалы из лиственных пород обычно классифицируются на основе размера и количества обрезков (кусков), которые можно получить из доски при ее распиловке и использовании в производстве изделий из лиственных пород.

    Какие бывают сорта древесины?

    Стандартные сорта пиломатериалов лиственных пород:

    Марка Торговое наименование Мин. Требуется площадь сплошных рубок
    ФАС односторонний Ф1Ф 83-1/3%
    Выберите СЕЛ 83-1/3%
    № 1 Общий 66-2/3%
    № 2A Общий 50%

    Какая порода дерева не имеет сучков?

    Отборные дворовые пиломатериалы выглядят намного лучше, чем обычные пиломатериалы, потому что они не имеют сучков или имеют очень мало сучков.Из-за прекрасного внешнего вида отборных пиломатериалов они предназначены для натуральной и окрашенной отделки.

    Какие две основные силы природы ответственны за появление дефектов в древесине?

    Дефекты, вызванные естественными силами: Основными естественными силами, ответственными за появление дефектов в древесине, являются две, а именно аномальный рост и разрыв тканей.

Добавить комментарий

Ваш адрес email не будет опубликован.