基于深度图像感知的竹材力学快速无损分级系统

本申请属于计算机视觉与竹材力学性能检测技术领域，具体涉及一种竹材横截面特征提取及其竹材力学性能检测系统构建，提出了基于机器视觉的竹材力学性能无损分级方法。所述系统由三部分构成：首先，高精度图像采集模块采用多角度环形LED光源阵列，通过自适应光照补偿算法消除竹材表面反光干扰，获取高信噪比的竹材横截面显微图像。特征提取模块创新性地融合改进Otsu动态阈值分割算法与LoG边缘检测优化技术，精准提取竹材横截面几何形态特征，同步采用深度残差网络提取竹材微观纹理特征。特征融合模块设计双通道自注意力机制，将物理量测数据与视觉特征进行跨模态关联分析，构建竹材力学性能多维度特征矩阵。最后，通过改进的BP神经网络模型(引入Dropout正则化与Adam优化器)实现力学性能预测分级。本发明突破了竹材无损检测中多源特征融合的技术瓶颈，为竹质建筑材料质量评估提供了智能化解决方案。