基于CT技术检测树木成像完整度的参数优化研究

doi:10.13466/j.cnki.lyzygl.2019.05.016

摘要/Abstract

摘要：

将计算机断层扫描技术(CT)应用到树木的无损检测领域,设计基于不同CT参数扫描树木成像效果的比照试验,探索树木检测的CT参数阈值设定与优化。具体步骤与方法:1)采集12份树木圆盘标本,每份样木根据不同的CT参数设置拍摄200张影像;2)将不同成像完整度的影像进行分组归类后,对影像灰度值进行提取并得到各幅影像灰度值均值、灰度值标准差;3)利用SPSS软件统计分析CT参数与影像完整度间的关联性,并得到影响树木成像效果的关键参数设置阈值范围。结果显示:CT扫描树木成像清晰,其参数毫安秒(mAs)、定点位置(SP)间的相关性为0.972,影像完整度75%以上的mAs阈值区间为47~61,SP阈值区间为-66.4~-89.8。采集3份不同古树的标本,应用实验获得的CT参数阈值对标本进行扫描,以验证CT参数阈值选定的合理性。结果表明:所选CT参数阈值范围对于树木个体不存在明显的树种差异,可以满足树木无损检测要求。

关键词: 计算机断层扫描技术, 参数优化, 成像, 完整度, 无损检测

Abstract:

Using computed tomography(CT) technology in the field of non-destructive detection of trees,the paper designed a comparison test based on the imaging effect of different CT parameters,and explored the setting and optimization of the threshold of CT parameters for tree detection.Specific steps and methods:1) collect 12 specimens of tree discs,each sample takes 200 images according to different CT parameters;2) After grouping the images with different imaging integrity,the gray value of the image is extracted and the average gray value and standard difference of gray value of each image are obtained;3) using SPSS software to analyze the correlation between CT parameters and image integrity,and obtain the key parameters that affect the imaging effect of trees to set the threshold range.The results showed that the imaging of CT scanning trees was clear,the correlation between the parameters mAs and SP was 0.972,and the threshold range of mAs with an image integrity of more than 75% was 47 to 61.The SP threshold range is -66.4~-89.8.Three specimens of different ancient trees were collected,and the CT parameter threshold obtained by the experiment was used to scan the specimens to verify the rationality of the selection of CT parameter threshold.The results show that there is no obvious tree species difference in the range of selected CT parameters,which can meet the requirements of non-destructive testing of trees.

Key words: computed tomography technology, parameter optimization, integrity, non-destructive testing

中图分类号:

赵方博, 刘德庆, 岳德鹏, 杨通, 赵奇侠. 基于CT技术检测树木成像完整度的参数优化研究[J]. 林业资源管理, 2019,(5): 95-103.

ZHAO Fangbo, LIU Deqing, YUE Depeng, YANG Tong, ZHAO Qixia. Study on Parameter Optimization for the Integrity of Tree Images Based on CT Scanning[J]. FOREST RESOURCES WANAGEMENT, 2019,(5): 95-103.

图/表 15

图1

图2

图3

表1

表2

表3

表4

图4

表5

图5

表6

图6

表7

图7

图8

参考文献 30

[1]	巢阳, 卜向春, 古润泽. 北京市古树保护现状及存在问题[J]. 北京园林, 2005(2):38-41.
[2]	Wang Xiping. Acoustic Tomography For Decay Detection In Black Cherry Trees[J]. Wood and Fiber Science, 2009,41(2):127-137.
[3]	Duncker P, Spiecker H. Detection and classification of Norway spruce compression wood in reflected light by means of hyper spectral image analysis[J]. IAWA Journal, 2009,30(1):59-70. doi: 10.1163/22941932-90000203
[4]	Glibert A E, Smiley E T. Picus sonic tomography for the quantification of decay in white o ak(Quercus Alba)and hickory[J]. Journal of Arboriculture, 2004,30(5):277-280.
[5]	Cheng Jung Lin. Application of Ultrasonic Tomographic Technique for Detecting Defects in Standing Trees[J]. International Biodeterioration & Biodegradation, 2008,62(4):434-441.
[6]	Liñán, Morales Conde, de Hita, et al. Application of Non-Destructive Techniques in Inspection of Wooden Structures of Protected Budlings:The Case of Nuestra senora de los Dolores Church[J]. International Journal of Architectural Heritage, 2015,9(3):324-340. doi: 10.1080/15583058.2013.771292
[7]	梁善庆, 蔡智勇, 王喜平, 等. 北美木材无损检测技术的研究与应用[J]. 木材工业, 2008,22(3):5-8.
[8]	梁善庆, 王喜平, 蔡智勇, 等. 弹性波层析成像技术检测树木腐朽[J]. 林业科学, 2008,44(5) 110-114.
[9]	段新芳, 王平, 周冠武, 等. 应力波技术在古建筑木构件腐朽探测中的应用[J]. 木材工业, 2007,21(2):10-12.
[10]	余斌, 高珊, 王立海. 超声波在原木内部传播理论研究[J]. 森林工程, 2014,30(1):92-99.
[11]	甘明旭, 孙涛, 康永祥, 等. 应用探地雷达对黄帝陵古柏树干和粗根的研究[J]. 西北林学院学报, 2016,4(4):182-187.
[12]	徐华东, 王立海. 应力波和超声波在立木无缺陷断面的传播速度[J]. 林业科技, 2011,47(4):129-134.
[13]	曹正彬, 葛浙东, 张连滨, 等. 计算机断层扫描技术在木材科学中应用研究发展[J]. 世界林业研究, 2017,30(5):45-50.
[14]	单海滨, 刘杏娥, 杨淑敏, 等. 计算机断层扫描技术(CT)在木材无损检测中的应用与发展[J]. 浙江农林大学学报, 2013,30(1):123-128. doi: 10-11833/j.issn.2095-0756.2013.01.018
[15]	韩书霞, 戚大伟. 基于CT技术和分形特征的木材物理性质及缺陷检测研究[D]. 哈尔滨:东北林业大学, 2010.
[16]	彭冠云, 江泽慧. 基于CT技术检测木材、竹材结构特征的研究[D]. 北京:中国林业科学院, 2009.
[17]	葛浙东, 侯晓鹏, 周玉成, 等. 基于反投影坐标快速算法的木材CT检测系统研究[J]. 农业机械学报, 2016,47(3):335-341.
[18]	朱琼, 李枫. 超声波CT技术在桥梁工程钻孔灌注桩检测中的应用[J]. 交通世界, 2017(35):96-97.
[19]	王路君, 左永振, 孔宪勇, 等. CT技术在岩土工程研究中的应用[J]. 地下空间与工程学报, 2009,5(2):1754-1756.
[20]	陆昕琳. 16排螺旋CT胸部常规扫描参数的优化[J]. 医学影像, 2015,20(1):152.
[21]	张连宇, 吴宁, 耿建华. 分析不同参数对胸部增强CT扫描辐射剂量的影响[J]. 中国医学装备, 2018,15(5):36-39.
[22]	盖立平, 刘爱连, 刘义军, 等. 能谱CT成像中扫描参数的优化[J]. 中国医学物理学杂志, 2015,32(5):664-668.
[23]	李昂, 沈君姝, 曹新志, 等. 原始数据迭代重建和70 kV CT扫描对图像质量和辐射剂量的影响[J]. 医疗卫生装备, 2015,3(3):99-102.
[24]	李昂. CT扫描参数最优化儿童患者辐射剂量最少化[J]. 当代医学, 2009,15(5):24-25.
[25]	彭冠云, 江泽慧, 刘杏娥, 等. 木材、竹材密度的CT检测[J]. 光谱学与光谱分析, 2012,32(7):1935-1938.
[26]	唐坤. 80kV低管电压扫描对脑CT血管成像图像质量及辐射剂量的影响[J]. 中国医学影像学杂志, 2013,21(3):177-180.
[27]	陈世杰, 赵淑萍, 马巍, 等. 利用CT扫描技术进行冻土研究的现状和展望[J]. 冰川冻土, 2013,1(2):193-200.
[28]	张文佳. CT系统参数标定的研究[J]. 电子技术与软件工程, 2018(10):74-74.
[29]	蒲毅彬, 吴紫汪, 马巍, 等. 冻土CT实验的数学方程[J]. 冰川冻土, 1995,17(S1):135-139.
[30]	李杨飞, 樊树峰. CT检查中mAs与辐射剂量的比较分析[J]. 现代中西医结合杂志, 2007,16(33):5006.

完整度^*		0~0.25	0.25~0.5	0.5~0.75	0.75~1
图像张数		715	485	430	770
mAs	变化区间	13~13	13~34	37~47	49~61
	区间个数	0	7	6	9
Sp	变化区间	-109.8~-100.6	-100.8~-95.8	-94.8~-91.6	-89.8~-75.3
	区间个数	13	10	7	17
灰度均值	变化区间	43.8~64.6	65.2~79.6	82.2~92.6	97.0~114.2
	区间个数	17	10	8	21
标准差	变化区间	9.9~41.1	41.3~46.7	45.8~47.2	40.3~46.4
	区间个数	17	10	8	21

完整度^*		0~0.25	0.25~0.5	0.5~0.75	0.75~1
图像张数		715	485	430	770
mAs	变化区间	13~13	13~29	34~50	47~60
	区间个数	0	5	6	5
Sp	变化区间	-55.6~-51.3	-59.2~-55.8	-67~-61	-78.4~-66.4
	区间个数	11	7	7	18
灰度均值	变化区间	43.3~58.4	59~76.2	82.7~99.7	100.2~115.1
	区间个数	12	7	9	22
标准差	变化区间	8.7~35.3	37.1~45.4	45.9~47.6	40.4~45
	区间个数	12	7	8	21

中轴下部
参数	关联性^*	SP	mAs	灰度值均值
SP	Pearson相关性	1	0.972	0.971
mAs	Pearson相关性	0.972	1	0.986
灰度值均值	Pearson相关性	0.971	0.980	1
中轴上部
参数	关联性^*	SP	mAs	灰度值均值
SP	Pearson相关性	1	0.949	0.963
mAs	Pearson相关性	0.949	1	0.987
灰度值均值	Pearson相关性	0.963	0.970	1

中轴下部mAs与灰度值模型汇总和参数估计值
参数估计值
模型	R²	F	常数	b₁	b₂	函数模型
线性	0.971	1619.781	33.731	1.354		y=1.354x+33.731
对数	0.974	1818.327	-57.882	41.276		y=log41.276x-57.882
二次	0.979	1083.464	23.315	2.162	-0.011	y=2.162x²-0.011x+23.315
复合	0.934	674.191	41.157	1.018		y=1.018x,0<x<41.157

中轴上部mAs与灰度值模型汇总和参数估计值
参数估计值
模型	R²	F	常数	b₁	b₂	函数模型
线性	0.927	681.182	40.669	1.213		y=1.213x+40.669
对数	0.910	543.783	-35.083	35.100		y=log35.1x-35.083
二次	0.927	338.881	44.003	0.933	0.004	y=0.933x²+0.004x+44.003
复合	0.883	407.998	46.177	1.016		y=1.016x,0<x<46.177
幂	0.890	436.138	17.217	0.454		y=x^0.454+17.217