林业科学

作者：祝亚,伍希志*,黄渊硕

单位：中南林业科技大学机械与智能制造学院　长沙 410082

关键词：木材砂光,表面粗糙度,局部自相关函数,熵,支持向量机

基金：湖南省自然科学基金项目（2024JJ5641）；湖南省科技特派员服务乡村振兴项目（2023NK4285）。

目的: 针对传统接触式粗糙度仪测量木材砂光表面粗糙度时存在的测量误差大、操作繁琐、在线检测困难等问题，提出一种基于局部自相关函数熵（LAEnt）的木材砂光表面粗糙度视觉检测方法，为木材砂光表面粗糙度测量提供高效、准确的非接触式检测手段。方法: 首先，阐明局部自相关函数熵检测表面粗糙度的机理，建立局部自相关函数熵算法；然后，采用正交试验法开展木材砂光试验，获取砂光表面图像和表面粗糙度；最后，探究砂带目数、砂带速度、气鼓轮进给量等因素对木材砂光表面粗糙度的影响，分析局部自相关函数熵和自相关函数熵（AEnt）与表面粗糙度的相关性，基于砂光表面的局部自相关函数熵和自相关函数熵数据，利用支持向量机（SVM）分别建立木材砂光表面粗糙度检测模型SVM-LAEnt和SVM-AEnt。结果: 砂带目数对木材砂光表面粗糙度的影响最显著，砂带目数与表面粗糙度呈强负相关，砂带速度和气鼓轮进给量对表面粗糙度的影响相对较小；局部自相关函数熵与木材砂光表面粗糙度呈显著线性相关，相关系数为0.973 3；且LAEnt特征提取效率显著优于AEnt，单张图像运算时间仅为AEnt的2.95%；基于SVM的建模结果表明，SVM-LAEnt模型拟合平均相对误差为2.56%（最大11.22%），预测平均相对误差为5.13%（最大11.30%），均优于SVM-AEnt模型（平均拟合相对误差8.98%，最大拟合相对误差20.68%，平均预测相对误差15.08%，最大预测相对误差31.13%）。结论: 局部自相关函数能够描述木材砂光表面的纹理特征和粗糙程度，在检测表面粗糙度时，采用局部自相关函数熵可更好地表征表面粗糙度。

来源：2025年第5期

《林业科学》期刊编辑部

查看林业科学杂志2025年第5期