共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
5.
6.
7.
木材识别是木材利用的基础。在国家标准《红木》即将颁布实施之际,把主要的红木品种,应用宏观(肉眼及放大镜)识别手段,编成对比式检索表,供有关方面参考. 相似文献
8.
檀香紫檀是珍贵的家具用材,属于GB/T18107-2000《红木》国家标准中所列的红木材种,具有极高的市场价值。市场上部分不法商家利用一些材种在名称、俗称及外观上与檀香紫檀相似的特点制作仿冒檀香紫檀的家具及工艺品进行销售,因包括紫檀在内的红木材种名称或俗称混乱而造成的销售纠纷和消费者投诉层出不穷,极大的损害了消费者的合法权益并扰乱了市场环境。本文从木材名称入手,列举市场上常见的五种名称或俗称为"紫檀"并且外观特征与檀香紫檀相似的材种从宏观和微观等方面进行区分鉴别,总结出鉴别这几种相似材种的方法并归纳成材种特征鉴别表,对广大消费者和相关木材工作者提供参考,同时提出规范红木材种名称对于红木市场进一步健康发展具有重要的意义。 相似文献
9.
10.
根据国家标准,属于“红木”范围的树种为豆科的5属8类33种.5属是以树木学的属来命名的,即紫檀属、黄檀属、崖豆属、柿属、铁刀木属.8类是以木材商品名来命名的,即紫檀木类、花梨木类、香枝木类、黑酸枝类、红酸枝类、乌木类、务纹乌木类、鸡翅类.介绍了33个红木树种的名称、木材结构、气干密度、等级划分等. 相似文献
11.
12.
13.
14.
15.
家居环境陪伴着人们的日常生活,做好家居环境的布置与家居要素的陈设对提升人们生活品质意义深远.作为家居中的重要构件,家具是必不可少的具有功能性与装饰性的要素.家具的材质繁多,其中实木材质在家具制作选材中占据主导地位,即便是实木也因为不同树木的生长环境、生长特点不同,所产出的木材特点各异,诸如红木、紫檀木、胡桃木、榆木等,... 相似文献
16.
我国是木材及木制品加工大国,近年来家具、装修等市场需求的快速增长推动了木材加工行业的发展。由不同树种制作而成的木材材料性质与价值大相径庭,因此准确识别木材树种具有重要意义。相较于传统人工识别,基于机器视觉的木材树种识别大幅度提高了准确率。文中通过分析近5年来木材识别领域的相关文献,总结了木材特征提取的相关技术与树种识别的各种方法,提出要深度融合木材的多个特征并加强各种算法间的配合使用;此外,针对机器视觉在木材树种识别中的应用普遍停留在学术研究阶段的问题,提出木材树种识别应向装备数字化方向发展,以期提高木材树种识别的工作效率。 相似文献
17.
香气包含有多种挥发性物质,是红木识别鉴定的重要辅助特征.采用气相色谱质谱联用技术比较分析了4种红木木材挥发油化学组成的异同.结果表明:鸟足紫檀与大果紫檀的挥发油色谱峰相近,两者具有较多共有谱峰;微凹黄檀与刀状黑黄檀的挥发油色谱峰相似,但特有色谱峰较明显.鸟足紫檀和大果紫檀挥发油主要组分为八氢-4a,8-四甲基-2-萘甲醇、十氢-4a-三甲基-8-亚甲基-2-萘甲醇和6a,11a-二氢-3,9-二甲氧基-6H-二苯并呋喃;微凹黄檀和刀状黑黄檀挥发油主要组分为1,7,7-三甲基苯亚乙基双环[2,2,1]庚-2-酮;刀状黑黄檀还含有较多的9-甲氧基-2,3,5,7-四甲基吡咯并喹啉和4-甲基-2-[5-(2-噻吩基)吡唑-3-基]苯酚.挥发油色谱峰和化学组成的差异可用于红木材种鉴别,同时为红木的精细化利用提供参考. 相似文献
18.
中国的红木树种及其可持续发展对策研究 总被引:14,自引:2,他引:14
红木为世界名贵的木材,因过度采伐,资源已濒临枯竭。因此必须重视红木树种资源的保护与培育。文中介绍了我国的乡土和引进红木树种的种类、分布、生长特性、木材性质与加工利用等方面的情况,针对我国红木树种发展中存在的主要问题,在树种资源保护、发掘与引进以及珍贵用材林基地的营建技术与政策支持等方面提出了发展建议。 相似文献
19.
李培培 《内蒙古林业调查设计》2021,44(1):80-82
文章介绍了我国红木木材进出口管理的办法,针对红木木材进出口管理面临的问题,在履约管理、事中事后监管、部门间协作等方面提出建议. 相似文献
20.
基于Faster R-CNN的实木板材缺陷检测识别系统 总被引:1,自引:0,他引:1
我国木材资源有限,为了提高木材的利用率,采用机器视觉来实现木材缺陷快速而稳定的检测,不仅可以克服人工检测的低效率和木材缺陷识别的低准确率,而且对提高木材加工企业的智能化水平具有重要意义。为了高效、快速、准确地进行无损检测,采用深度学习方法,建立了一种基于快速深度神经网络的实木板材缺陷识别模型。首先采用Resnet V2结构对采集到的实木板材缺陷图像进行特征提取,然后应用该模型对节子、孔洞等实木板材缺陷进行训练学习,最后构建了Faster R-CNN检测框架,并使用tensorflow开发平台对节子、孔洞等实木板材缺陷进行预测输出。具体选取了2 000块杉木样本,通过旋转对原始的实木板材图像进行数据扩充,扩充后图像的80%作为训练集,20%作为验证集来进行仿真。仿真结果表明,该模型对实木板材节子缺陷检测正确率为98%,对实木板材孔洞缺陷检测正确率为95%,验证了将深度学习算法应用于实木板材缺陷检测中的有效性。 相似文献