手机版 English 帮助中心
外文文献知网节
文献信息节点
基本信息 摘要 关键词 核心评价 相关文献
Journal | [J] 教育研究 Volume 4, Issue 4. 2022.
探究福建木材缺陷检验技术的必要性
作者 : 钟 声翔
DOI: 10.12361/2661-4960-04-04-98589
全部来源
获取全文
摘要 / Abstract
木材的检验工作是所有木材企业生产过程中的重中之重，同时也是最为基础的工作之一。因人类对自然环境的破坏逐渐增加，且森林资源日益减少，木材的原材料缺陷与问题愈来愈多。因此，木材的缺陷检验关乎着人类对森林资源的合理、有效运用，熟练掌握先进的木材缺陷检验技术，能够实现更加准确、快速的检验木材、良好保存木材，更是每一名木材检验工作人员的重要职责。本文重点分析当前福建省木材缺陷的主要内容，并介绍了常见无损木材缺陷检验技术分析，旨在提高福建木材检验质量与效率，推动福建省的木材行业良好发展。
关键词 / Keywords
木材缺陷；木材检验；检验技术。
Related articles / 相关文献
相似文献
作者发文
机构发文
关键词分析
相似文献（说明：与本文内容较接近的文献）
  • [1] 肖雨晴,杨慧敏,王柯欣,等. 卷积神经网络在木材缺陷检测应用中的研究进展[J]. 木材科学与技术,2021,35(3):12-18.
  • [2] 李应果,杨洁,董春雷. 木材表面缺陷特征轮廓提取算法研究[J]. 西北林学院学报,2021,36(4):204-208,281.
  • [3] 张赛,王应彪,杨谭,等. 基于改进 LeNet-5 模型的木材表面 典 型 缺 陷 识 别 方 法 研 究 [J]. 木 材 科 学 与 技 术 ,2021,35 (6):31-37.
  • [4] 凌嘉欣,谢永华. 残差神经网络模型在木质板材缺陷分类中的应用[J]. 东北林业大学学报,2021,49(8):111-116.
  • [5] 李若尘,朱悠翔,孙卫民,等. 基于深度学习的木材缺陷图像的识别与定位[J]. 数据采集与处理,2020,35(3):494-505.
  • [6] 张旭中,翟道远,陈俊. 基于深度强化学习的木材缺陷图像重构及质量评价模型研究[J]. 湖北农业科学,2020,59(13): 140-145.
  • [7] 李健,褚超,郭康乐,等. 基于 TSA 与模型匹配的木材缺陷图像阈值分割[J]. 林业和草原机械,2020,1(3):48-52.
  • [8] 严飞,程玉柱. 基于卷积神经网络的木材缺陷图像语义分割[J]. 林业和草原机械,2020,1(6):52-56.
  • [9] 范佳楠,刘英,杨雨图,等. 机器视觉在木材缺陷检测领域应用研究进展[J]. 世界林业研究,2020,33(3):32-37.
  • [10] 豆春峰,李明,朱代根. 基于声发射技术模拟蛀木害虫羽化孔洞缺陷检测[J]. 中南林业科技大学学报,2021(2).
《中国学术期刊(光盘版)》电子杂志社有限公司 KDN平台基础技术由KBASE 11.0提供
© 2014-2018中国知网(CNKI) 京公网安备11010802020460号 经营性网站备案信息 互联网出版许可证 新出网证(京)字271号 京ICP证040431号