全 文 ：第 50 卷 第 8 期
2 0 1 4 年 8 月
林 业 科 学
SCIENTIA SILVAE SINICAE
Vol. 50，No. 8
Aug．，2 0 1 4
doi:10．11707 / j．1001-7488．20140818
收稿日期: 2013 － 07 － 20; 修回日期: 2014 － 05 － 15。
基金项目: 国家林业“948”项目 ( 2014 － 4 － 78 ) ; 国 家自然科学基金青年项目 ( 31300474 ) ; 中 国博士后科学基金资助项目
(2014M551203) ; 中央高校基本科研专项资金(DL12BB18)。
* 王立海为通讯作者。
原木内部孔洞缺陷二维超声图像构建*
徐华东 王立海 宋世全
(东北林业大学工程技术学院 哈尔滨 150040)
摘 要: 采用超声波手段，以椴木圆盘为研究对象，在试样完好和含不同大小孔洞时，测试并提取超声波信号特
征值。依据超声波特征值构建训练集和测试集，利用支持向量机对原木孔洞缺陷的大小进行分类辨识，进而提出
一种定量判别原木横截面内缺陷点位置的方法，分析并改进该方法存在的不足; 在此基础上，实现原木横截面孔洞
缺陷二维超声图像构建。结果表明: 1) 支持向量机用于原木横截面孔洞缺陷直径大小的分类识别是可行的，准确
率达到 84. 78% ; 2) 原木横截面孔洞缺陷二维图像模拟图与实物图重合度高，模拟效果较理想。
关键词: 超声波; 原木; 支持向量机; 无损检测; 图像构建
中图分类号: S781. 3 文献标识码: A 文章编号: 1001 － 7488(2014)08 － 0126 － 05
Two Dimensional Image Construction of Ultrasonic Wave for
Detecting Internal Hole Defect in Log
Xu Huadong Wang Lihai Song Shiquan
(College of Engineering ＆ Technology，Northeast Forestry University Harbin 150040)
Abstract: The ultrasonic propagation parameters in amur linden(Tilia amurensis) log specimen which was in intact and
defective status respectively were measured and obtained． These parameters were then used as training set and test set to
classify the hole size in log based on support vector machine ( SVM) ． Furthermore，a kind of method to quantitatively
determine the location of defect point on the cross section of log was proposed and improved． Based on this，the two
dimensional simulation image of internal hole defect in log was constructed． The results showed that: 1) It was feasible to
classify the hole size in log using SVM and the identification accuracy was 84. 78% ． 2) The two dimensional simulation
image of hole defect in the cross section was in good agreement with the actual image of log specimen．
Key words: ultrasonic wave; log; support vector machine(SVM); nondestructive test; image construction
近十几年，无损检测技术被广泛用于评价活立
木(或原木)质量和内部缺陷，也被用于判定板材等
级(王立海等，2008; 梁善庆等，2008; 罗彬等，
2008; 苗媛媛等，2008)。研究表明，木材无损检测
对科学营林、森林健康监测、原木分等和板材分级等
具有重要意义。
多种无损检测手段已被用于木材检测领域，如
应力波、超声波、工业 CT 等，其中超声波法是近年
来应用比较广泛的方法之一(苗媛媛等，2008; 徐
华东等，2011a; Ozyhar et al．，2013)。与应力波技
术相比，超声波具有准确性更高、能量高、信号携带
信息更丰富等优点(杨慧敏等，2010); 与 X 射线等
放射线技术相比，超声波具有无电离辐射、操作简
单、便携等优点。应力波层析成像准确率较低，对原
木内部腐朽位置定量辨识精度不够; 而基于 X 射线
的层析成像技术准确性很高，但是其设备较大，无法
满足木材检测中便携的要求。近年，基于超声波的
原木内部腐朽层析成像技术成为研究热点之一，但
至今该技术仍无实质性突破。
尽管超声波技术存在信号易受外界干扰、传感
器与被测材料的耦合性难以保证等问题 (林兰英
等，2007; Krause et al．，2013)，但若被测木材是新
鲜的(活立木或新伐倒木等)，此时在被测木材与探
头圆锥体间之间含有木浆，这样即使不采用耦合剂，
也能保证较好的耦合效果(于文勇等，2006)。传统
检测每次只对单个超声波信号进行分析，然后基于
第 8 期 徐华东等: 原木内部孔洞缺陷二维超声图像构建
单个超声信号所提取的特征值对木材缺陷或性质进
行评估，既费时间，判断又不准确。支持向量机
( support vector machine，SVM)可同时分析多个数据
(任俊等，2005; Wang et al．，2008; 曾联明等，
2009)，将其与超声波相结合，能够弥补传统超声检
测的不足，检测结果更可信。
本文通过对完好和含孔洞原木圆盘进行超声检
测，提取信号特征值，利用支持向量机对孔洞大小和
位置进行判别。在此基础上，利用 Matlab 软件将缺
陷辨识结果绘制在二维平面内，结合图像处理，探讨
构建原木内部缺陷二维超声层析图像的方法。
1 材料与方法
1. 1 试验材料
材料为紫椴 ( Tilia amurensis)原木圆盘，直径
34 cm，厚 5 cm。在实验室，采用烘干法测定试样含
水率，数 值 为 95%。超 声 波 易 受 含 水 率 影 响
(Sandoz，1993; 徐华东等，2011b; Hasegawa et al．，
2011)，因此将圆盘密封低温(0 ～ 5 ℃ )保存，防止水
分流失。测试时，取出试样，在 15 ℃ 下测试约
30 min，然后立即低温保存。原木是指伐倒的树干
经打枝和造材后的木段。本文选用圆盘小试样进行
试验，主要是为了便于在实验室中研究原木横截面
超声二维成像方法，为以后原木现场木材检测做前
期基础。
1. 2 试验方法
采用 ＲSM-SY5 超声波仪测试原木横截面内的
超声波信号。将圆盘周长等分 30 份，在三等分点分
别标记点 1、点 11 和点 21，如图 1。测试时，分别以
这 3 点为发射点，在完好样本横截面上量取距离大
于 33 cm 的位置(重点研究距离在 33 ～ 34 cm 间的
超声信号，因为后续所制圆孔在此测试范围内)若
干作为接收点，测试并记录每个接收点接收到的超
声信号，保存数据。然后，对圆盘制孔，孔径 d 分别
为 4，6，8 和 10 cm。制孔后，在不同孔径下分别进
行超声测试，测试过程与完好时一致，记录并保存缺
陷数据。
2 基于支持向量机的原木孔洞大小辨识
对超声信号首波进行特征值提取，包括振幅、起
始时间、周期、半波周期、上升时间、下降时间和平均
传播速度。利用完好试样的 32 个超声数据与含孔
洞(d = 4，6，8 和 10 cm)试样 91 个数据作为数据集，
分析缺陷大小对超声波传播特性的影响。利用
SVM 对数据集进行分类，判别孔洞大小。分类过程
图 1 超声波测点示意
Fig． 1 Illustration of ultrasonic wave testing point
为: 1) 选定训练集和测试集; 2) 对测试集进行初
步预测; 3) 惩罚参数 c 和 g 的优化选择; 4) 利用
最佳参数进行 SVM 网络训练; 5) 利用 Matlab，将测
试集的实际分类和预测结果展现出来。
图 2 是测试集实际分类和预测结果，其中，圆圈
代表实际测试集分类，星号代表预测测试集分类，二
者重合表明预测正确，反之则预测错误。由图 2 可
知，对第 1 类(d = 0 cm)、第 2 类( d = 4 cm)、第 3 类
(d = 6 cm)、第 4 类(d = 8 cm)和第 5 类(d = 10 cm)
数据的错误预测个数分别为 1，1，0，2，3，预测准确
率为 84. 78%，分类结果较理想，表明 SVM 用于原
木孔洞大小分类是可行的。
图 2 测试集实际分类和预测结果分布
Fig． 2 Distribution of real and predicting
classification result of test data
3 基于支持向量机的原木内部缺陷二维可
视化
3. 1 原木横截面孔洞缺陷的定位方法
利用 SVM 辨识超声信号并进行分类后，再用
Matlab 软件将辨识结果绘制在二维平面内，以定位
缺陷。首先，确定坐标系平面。在样本横截面上，以
721
林 业 科 学 50 卷
信号发射点 11 为原点，以点 11 到点 26 的连线为 y
轴，其垂线为 x 轴，建立二维平面坐标系。然后，确
定坐标系平面内各点的坐标值。在横截面内，分别
以点 1，11 和 21 为起始点，以圆盘圆周上其他点为
终止点进行连线，各连线交点的坐标值即可确定。
例如当 d = 10 cm，以点 1 和点 11 为发射点时，实际
经过孔洞的直线及其交点的坐标值如表 1。
为判定样本横截面内缺陷位置，提出一种判别
方法，即在上述二维平面坐标系内，假设 2 条直线相
交于点 A( x，y)，并且经 SVM 分类预测 2 条直线都
经过缺陷，那么判定点 A( x，y)处存在缺陷; 反之，
不存在缺陷。根据上述方法，利用 Matlab 软件，模
拟原木横截面几何形状，在模拟的二维平面内绘制
缺陷点。图 3 为绘制的含孔洞(d = 10 cm)的横截面
二维图。图 3 中，大圆代表横截面边缘，小圆代表孔
洞边缘，“+”为表 1 中坐标点位置。由图 3a 可知，此
法预测结果未完全覆盖缺陷区域，且在缺陷外围存在
错判点，这表明该方法存在不足。依据该法，若 2 条
直线均被判为通过孔洞缺陷，则判定其交点处有缺
陷，而有些情况下这与实际情况不符。例如，当一条
直线在交点前经过缺陷，另一条直线在交点后经过缺
陷，则该法预测结果将产生偏差。为更准确地辨别孔
洞的位置和形状，需改进上述方法。本文根据多点发
射的射线交点预测情况进行综合判定。
表 1 当点 1 和点 11 为发射点时，用于支持向量机判断的经过孔洞(d = 10 cm)直线交点的坐标值
Tab． 1 The coordinate values of intersection point of line through the hole with a diameter of 10 cm
when point 1 and 11 are driving point respectively
直线 1 的起始点和终止点
Driving point and receiving point of line 1
直线 2 的起始点和终止点 Driving point and receiving point of line 2
11 ～ 24 11 ～ 25 11 ～ 26 11 ～ 27 11 ～ 28
1 ～ 15 (2. 7，12. 6) (1. 4，13. 6) (0，14. 5) ( － 1. 6，15. 9) ( － 3. 6，17. 2)
1 ～ 16 (3. 2，14. 9) (1. 6，15. 8) (0，16. 8) ( － 1. 9，17. 9) ( － 4. 0，19. 2)
1 ～ 17 (3. 6，17. 0) (1. 8，17. 9) (0，18. 7) ( － 2. 1，19. 7) ( － 4. 4，20. 7)
1 ～ 18 (4. 1，19. 2) (2. 0，19. 9) (0，20. 5) ( － 2. 3，21. 1) ( － 4. 7，22. 1)
1 ～ 19 (4. 5，21. 2) (2. 2，21. 8) (0，22. 2) ( － 2. 4，22. 8) ( － 4. 9，23. 3)
图 3 利用 Matlab 构建的原木横截面孔洞缺陷(d = 10 cm)位置的描点图
( a．点 1 和点 11 为发射点; b．点 1，11 和点 21 为发射点)
Fig． 3 The plotted points simulation of a defective cross section (d = 10 cm) diameter when point 1 and 11 are driving points ( a)
and when point 1，11 and 21 are driving points (b)
仍用含孔洞(d = 10 cm)样本横截面为例，分别
以样本圆周上的 3 个等分点作为发射点，将所有经过
孔洞的射线交点都绘制在平面图中，如图 3b。其中，
采用 3 种符号分别标记不同发射点所发出的射线交
点: 从点 1 和点 11 发出的射线交点标记为“+”，从
点 1 和点 21 发出的标记为“△”，从点 11 和点 21 发
出的标记为“○”。由图 3b 可知，与实际缺陷相比，综
合预测的缺陷区域吻合较好，但仍有错判点。
为使模拟图更逼近实际孔洞，需剔除错判点。错
判点剔除方法是: 若某一点与其周围距离最近的点
均采用相同符号表示，那么将此点剔除。图 4 显示的
是剔除错判点后的含孔洞样本横截面(d = 10 cm)的
二维平面描点图。由图 4 可知，预测结果与缺陷实际
大小、位置及形状符合很好，对缺陷判断较准确。
3. 2 原木横截面孔洞缺陷的二维可视化
为直观显示原木横截面内缺陷位置、大小和形
状，构建二维超声断面图像。首先，利用 Matlab 软
件绘制出反映样本横截面的二维平面坐标系;其次，
821
第 8 期 徐华东等: 原木内部孔洞缺陷二维超声图像构建
图 4 剔除错判点后的原木横截面
孔洞缺陷(d = 10 cm)的位置描点
Fig． 4 The plotted points simulation of a defective cross section
( d = 10 cm) when erroneous judgment points were removed
对坐标系内的点赋值，由于健康木材中超声波速度
均为 810 m·s － 1，因此先将横截面上所有点赋值
810;再次，在二维平面内，根据前述方法，找到缺陷
点位置，对缺陷点位置处的数值重新赋值，数值为过
该点的 2 个超声波速度中的较大值。
完成横截面内所有点赋值后，需对二维图像填
充颜色，实现图像可视化。利用 Matlab 软件，首先
对数据插值处理，然后用 bone 色图实现颜色填充。
图 5a 和图 5b 分别是含孔洞样本(d = 10 cm)横截面
存在错判点和剔除错判点后的模拟图。在图 5 中，
判定有缺陷的位置颜色为深色，健康位置则为白色。
与实物图(图 6)比，剔除错判点后的模拟图重合度
高，模拟效果理想。
图 5 原木横截面孔洞(d = 10 cm)二维超声模拟图像 ( a．存在错判点;b．剔除错判点)
Fig． 5 The simulated 2D graph of log sample with a 10 cm hole which includes some erroneous judgment points ( a)
and doesn’t include the erroneous judgment points ( b)
图 6 原木试样实物照片
Fig． 6 The actual photo of log sample
4 结论
1) 采用支持向量机可对原木横截面孔洞缺陷
大小进行辨识，准确率较高，达到 84. 78%。
2) 提出一种定量判别原木横截面内缺陷点位
置的方法，即在建立的二维平面坐标系内，假设 2 条
直线相交于点 A( x，y)，如果经过支持向量机分类预
测 2 条直线都过缺陷，那么判定点 A( x，y)处存在缺
陷; 反之，不存在缺陷。分析了该方法存在的不足，
并进行了改进。
3) 利用 Matlab，实现了基于支持向量机的原木
横截面孔洞缺陷二维超声成像。
参 考 文 献
梁善庆，王喜平，蔡智勇，等 ． 2008． 弹性波层析成像技术检测活立
木腐朽 ． 林业科学，44(5) :109 － 114．
林兰英，傅 峰 ． 2007．三种无损检测方法预测四种桉树木材弹性模
量的对比研究 ． 木材加工机械，(3) :12，24 － 29．
罗 彬，殷亚方，姜笑梅，等 ． 2008. 3 种无损检测方法评估巨尾桉木
材抗 弯 和 抗 压 强 度 性 质 ． 北 京 林 业 大 学 学 报，30 ( 6 ) :
137 － 140．
苗媛媛，刘一星，刘镇波，等 ． 2008． 木质材料缺陷无损检测主要研
究进展 ． 世界林业研究，21(5) :44 － 50．
921
林 业 科 学 50 卷
任 俊，李志能 ． 2005． 支持向量机在字符分类识别中的应用 ． 浙
江大学学报: 工学版，39(8) :1136 － 1141．
王立海，徐华东，闫在兴，等 ． 2008．传感器的数量与分布对应力波
检测原木缺陷效果的影响 ． 林业科学，44(5) :115 － 121．
徐华东，王立海，游祥飞，等 ． 2011a． 应力波和超声波在立木无缺
陷断面的传播速度 ． 林业科学，47(4) :129 － 134．
徐华东，王立海 ． 2011b．温度和含水率对红松木材中应力波传播速
度的影响 ． 林业科学，47(9) :123 － 128．
杨慧敏，王立海 ． 2010． 立木与原木内部腐朽二维成像检测技术研
究进展 ． 林业科学，46(7) :170 － 175．
于文勇，王立海，杨慧敏，等 ． 2006． 超声波木材缺陷检测若干问题
的探讨 ． 森林工程，22(6) :7 － 9．
曾联明，吴湘滨，刘 鹏 ． 2009． 感兴趣区域遥感图像分类与支持
向量机应用研究 ． 计算机工程与应用，45(6) :243 － 245．
Hasegawa M，Takata M，Matsumura J，et al． 2011． Effect of wood
properties on within-tree variation in ultrasonic wave velocity in
softwood． Ultrasonics，51(3) : 296 － 302．
Krause M，Chinta P K，Mayer K，et al． 2013． NDT of structural timber
members by means of 3D ultrasonic imaging techniques and
modelling． Nondestructive Testing of Materials and Structures，
6: 31 － 36．
Ozyhar T，Hering S，Sergio J． 2013． Determining moisture-dependent
elastic characteristics of beech wood by means of ultrasonic waves．
Wood Science and Technology，47(2) : 329 － 341．
Sandoz J L． 1993． Moisture content and temperature effect on ultrasonic
timber grading． Wood Science and Technology，27:373 － 380．
Wang L，Jia H，Li J． 2008． Training robust support vector machines
with smooth ramp loss in the primal space． Neurocomputing，71
(13 /15) :3020 － 3025．
(责任编辑 石红青)
031