[0001] 本发明涉及对木材薄板检测领域，具体涉及一种木材薄板弹性模量的在线检测系统及方法。

[0002] 在木材加工行业中，木材薄板的弹性模量是决定其最终产品质量的一个关键参数。木材薄板的弹性模量影响着其机械强度、稳定性和耐用性，是家具制造、建筑行业以及其他木制品应用中不可忽视的质量标准。然而，准确、高效地在线测量木材薄板的弹性模量一直是技术上的挑战。

[0003] 传统的弹性模量测量方法主要依赖于破坏性、非在线测试，例如弯曲测试和压缩测试。这些方法不仅消耗大量的材料和人力，而且无法应用于实际的生产过程中。因此，迫切需要一种木材薄板弹性模量的在线检测系统及方法，有效提高木材薄板生产过程中的自动化水平和木材单板质量控制水平。

[0004] 中国专利公开号为CN116973209A的发明专利公开了一种“一种结构用锯材强度等级的连续在线检测装置及方法”。包括输送装置；密度检测装置，密度检测装置安装于输送装置上，且密度检测装置为第三力传感器；加载装置，加载装置由加载机构和支撑机构组成，且支撑机构设置于加载机构的下方；加载机构包括分配梁、第一加载头和第二加载头，分配梁设置于输送装置上方，分配梁顶端固定安装有位移传感器，且第一加载头和第二加载头固定安装于分配梁底部对称的两端。该发明解决结构用锯材全跨测试精度低、速度慢等技术难题；但木材薄板极易产生形变，无法承受力的加载；使用传统超声波的测量方法无法实现对整张木材薄板的在线综合评估。

[0031] 下面结合附图对本发明的技术方案作进一步说明，本实施例在以本发明技术方案为前提下实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。

[0032] 如图1、图2所示，一种多传感器融合的木材薄板弹性模量的在线检测系统；包括壳体1、薄板传送模块、多传感器采集模块、数据处理模块；第一传送带21、第二传送带22、第三传送带23、第四传送带24、第五传送带25与第六传送带26、第七传送带27、第八传送带28、第九传送带29、第十传送带210之间安装第一传送圆轮41、第二传送圆轮42、第三传送圆轮43、第四传送圆轮44；第一超声波传感器31位于第一传送圆轮41上方；第二超声波传感器32位于第四传送圆轮44上方；相机9位于第一传送带21、第二传送带22、第三传送带23、第四传送带24、第五传送带25与第一传送圆轮41、第二传送圆轮42、第三传送圆轮43、第四传送圆轮44之间，固定于壳体1；前光源8与后光源10固定于壳体1；前光源8位于相机9前，并朝向相机旋转20度安装，后光源10位于相机9后，并朝向相机旋转20度安装；高精度电子秤7与第一传送带21、第二传送带22、第三传送带23、第四传送带24、第五传送带25连接；第一微波传感器
51位于第六传送带26与第七传送带27之间；第二微波传感器54位于第七传送带27与第八传送带28之间；第三微波传感器53位于第八传送带28与第九传送带29之间；第四微波传感器
52位于第九传送带29与第十传送带210之间；第一微波传感器51、第二微波传感器54、第三微波传感器53、第四微波传感器52位于第六传送带26、第七传送带27、第八传送带28、第九传送带29、第十传送带210下方3厘米处。

[0033] 第一超声波传感器31与第一传送圆轮41之间，第二超声波传感器32与第四传送圆轮44之间通过预紧弹簧向下施加恒定的下压力相互接触，通过对第一超声波传感器31、第二超声波传感器32的下压力与位移，实现第一超声波传感器31、第二超声波传感器32与待检测木材薄板的紧密耦合，同时准确测量木材薄板厚度。

[0034] 第一传送带21、第二传送带22、第三传送带23、第四传送带24、第五传送带25的长度大于木材薄板的长度，保证能够测量单张木材薄板通过第一传送带21、第二传送带22、第三传送带23、第四传送带24、第五传送带25时的重量。

[0035] 待检测木材薄板进入传送带2，通过传送带转轴处的编码器向红外温度传感器6、高精度电子秤7、相机发送采集信号，对每张木材薄板的温度信息、重量信息、图像数据进行采集并发送至数据处理模块，红外温度传感器6通过编码器信号连续对单张木材薄板采集10次温度信息，避免采集误差。

[0036] 超声波传感器31负责以55度的入射角对木材薄板发射60kHz的正弦超声波信号，超声波传感器32负责以同样的角度接收超声波信号，同时采用带通滤波器对采集到的超声波信号进行滤波处理后，通过相位差判断声速。超声波传感器31与超声波传感器32同时根据被木材薄板向上项起的位移来确定木材薄板的厚度，最终将超声波信息、厚度信息发送至数据处理模块。

[0037] 利用与传送单独立安装的第一微波传感器51、第二微波传感器54、第三微波传感器53、第四微波传感器52对单张木材薄板的含水率进行在线检测，对四个不同区域的含水率测量并发送至数据处理模块。

[0038] 利用OpenCV库函数与MASK掩码，将图像转换成灰度图像，利用Canny边缘检测算法对灰度图像进行边缘检测，以准确提取木材薄板的轮廓，对轮廓内的木材薄板区域应用getPerspectiveTransform()函数和warpPerspective()函数木材薄板区域进行仿射变换，以校正图像的透视畸变，得到木材薄板的标准二维投影，对多点厚度信息使用多项式回归方法，对测量到的一系列厚度点进行拟合，得到整个板材的厚度分布模型，计算板材的整体体积与密度。

[0039] 对超声波信息采用加权平均的方法来综合多点测量的传播时间，其计算公式如下：

[0040]

[0041] 式中，T是综合时间，Ti是第i个点的测量时间，wi是第i个点的对应权重，0≤i≤10时，wi＝0.7；11≤i≤49时，wi＝1.0；50≤i≤60时，wi＝0.7。

[0042] 对加权后的超声波传播时间采用改进的时间飞行测量公式，其计算公式如下：

[0043] Tmoe＝T×(1+α×(Temp‑Tempref)+β×H)

[0044] 式中，Tmoe是校正后的时间，Temp是当前温度，Tempref是参考温度，H是含水率，α＝0.25，β＝0.05，使用木材薄板宽度1.2米除以校正后的Tmoe时间，得到超声波传播速度。

[0045] 使用DV回归预测模型利用测得的声速数据和密度数据构建特征向量X＝[v，ρ，v2，2
ρ，v×ρ]，其中包含了原始数据及其交互项和平方项，以捕捉声速和密度对弹性模量的复杂影响。接着，通过SVR机器学习方法，选择径向基函数训练DV模型，最终实现准确预测木材薄板的弹性模量。

[0046] 上述具体实施方式只是本发明的一个优选实施例，并不是用来限制本发明的实施与权利要求范围的，凡依据本发明申请专利保护范围内容做出的等效变化和修饰，均应包括于本发明专利申请范围内。