超声检测技术论文
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇超声检测技术论文范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
超声检测技术论文范文第1篇
关键词：检验技术 现状 发展趋势
1、宏观检验
宏观检查主要是检查外观、结构及几何尺寸等是否满足容器安全使用的要求。目前的检验现状是检验人员到达现场后主要依靠目测观察容器本体、对接焊缝、接管角焊缝等部位的焊缝表面（包括近缝区）裂纹、过热、变形、泄漏；内外表面的腐蚀和机械损伤；焊缝布置情况；结构布局；保温层、衬里的完好情况和几何尺寸的测量，主要以设备运行过程中产生的缺陷为重点，对于内部无法进入的容器采用内窥镜检查。其检查结果受到检验人员经验水平和检验准备工作的影响很大，例如：①检验人员对受检设备不了解，无相关经验，盲目进罐宏观检验很难发现缺陷扩展和细微的表面裂纹。②设备内表面受到介质和检验准备工作等因素的影响很大，有些原油等储存容器经过表面处理后任然影响到宏观检验的结果。
2、射线检测技术
射线检测技术是检测焊缝试件内部宏观几何缺陷的重要手段之一，它使用底片作为记录介质，可以直观的反应出缺陷的性质、数量、尺寸及位置信息，且可以长期保存，几乎不受受检设备的材料限制，但是使用射线检测时检验成本较大，检测速度较慢，对人体伤害较大，对面积型缺陷受到透照角度的影响较大。近年来，随着数字化技术的发展，射线照相技术也在不断的进步，数字化成像技术和计算机技术已得到越来越广泛地应用，但在压力容器定期检验过程中，由于射线探伤设备较大，不利于携带，野外作业环境的局限，使得应用范围逐步缩小。
超声检测技术主要应用在对接焊缝的内侧隐含的缺陷和压力容器焊缝内表裂缝的检测，是我国目前应用最广、使用最多的一种压力容器检验技术。
1）信号处理。超声检测技术的关键在于如何通过获取的超声信号来识别缺陷的具置，为实现精确定位缺陷的目的，我们就必须对信号进行降噪处理，提取清晰的目标信号。我们可以利用人工神经网络技术对信号进行深度智能识别，或利用小波包分析方法来提取缺陷信号的特征，使缺陷信号与其它干扰信号区分开来，实现缺陷的有效定位。
2）超声换能器。压力容器常用的超声换能器包括压电超声换能器和电磁超声换能器等，利用电磁超声换能器可以实现在不与被检测容器接触的情况下进行有效检测，特别适用于高温、高速等无法直接接触被检容器的检测环境。目前我国许多工科院校对超声换能器都在进行研究，研究方向主要向高频、大功率、集成化、微型化发展。
4、声发射检测技术
声发射技术既利用声发射原理来进行缺陷诊断的检测技术，这种检测技术由于不受被检设备的大小、形状及材料的限制，非常适用于压力容器的实时在线监测。其不仅能够对缺陷进行诊断，还能够对裂缝的发展进行预测，以便及时采取防护措施，避免事故的发生。我国在金属材料压力容器的声发射信号处理方面处于领先地位，刘时风、沈功田等人利用基于波形分析的模态分析、经典谱与现代谱分析、小波分析及人工神经网络模式识别等方法对发射信号进行有效的分析，经过试验验证能够对缺陷进行较为准确的定位，同时我国还依据相关技术，自主研发了信号分析的软件包。通过以上这些声发射信号处理与分析的技术，可以直接给出声发射源的缺陷性质和危险级别，而不需要常规的无损检测复验。目前我国声发射检测技术的研究主要有两个方向：一是声发射的识别和声发射源的评价。具体包括了以下几个课题：①声发射波在固体材料中的传播原理；②声发射源的物理机制；③换能器的多频化和高灵敏化；④各类型材料的声发射信号特点研究；⑤声发射信号的有效处理；⑥声发射源评价标准的建立；⑦声发射技术在新领域的应用。
5、磁记忆检测技术
磁记忆检测技术利用了金属材料在载荷与地磁场的共同作用下，残余磁性将重新进行分布，并在载荷消失后依然存在的磁记忆原理。磁记忆检测技术的原理与声发射技术有相同之处，都是利用材料自身发射的信号来进行缺陷检测，该技术能够有效、及时地发现运行容器设备中的早期损伤，较精确地对可能诱发损伤的应力集中部位进行定位，从而避免损伤进行一步扩大，造成事故的发生。为压力容器中缺陷的早期诊断提供了一种有效有方法。磁记忆检测技术的优点是：①检测过程不需要专用的磁化装置。②不需要对被检材料表面进行预处理。③检验设备轻便、易携带、操作简单、检测结果可靠。设备但是磁记忆检测技术有局限性，其只能对磁性金属材料进行检测。其缺点是在检测中只能预测缺陷出现的部位，但不能对现有缺陷的形态、性质进行定量检测，因此，可采用磁记忆检测技术与其它能够定量检测的技术结合，以达到最好的检测效果。由于这项技术是至今为止能够对金属材料进行预测性诊断的唯一方法，其在实际工程中得到了迅速推广与发展，许多学者也纷纷加入该项技术的研究中来。
超声检测技术论文范文第2篇
关键词：电子元件；焊接；检测技术
1、电子元件焊接质量检测技术
表1 焊点质量常用检测方法
非破坏性检测破坏性检测环境检测目视检测
光学检测
电气检测
X-ray检测
超声检测抗张破坏检测
剥离检测
显微组织检测腐蚀监测
振动检测
冲击检测1.1目测法
在非破坏性检测中，较为常用的检测方法就属目视检测，这种方法可以利用万能投影仪和十倍放大镜来进行，检测人员能力的好坏直接关系着检测速度和精度。防止焊点失效人工视觉检查起着不可忽视的作用，尤其是在短期应用中，但是对于焊点缺陷人工视觉检查是很难发现的。人工目测检验可以观测的焊点缺陷包括：桥连、漏焊、错位、错焊等，灵活性较强。这种方法对于检测者的要求是很高的，这种方法的检测具有一定的主观性。
1.2自动光学检测（AOI）
SMA检查难度越来越高，特别是器件封装尺寸的减小和印制电路板贴片密度的增加，使其难度进一步加剧，对于生产和质量控制的需要，人工目测的稳定和可靠性是难以满足要求的，手工检查由于越来越小的印制电路板而变得不可靠，人的视觉疲劳是导致误差的一大重要因素。因此，采用专用检查仪器进行检测已经越来越受欢迎。首先，光学仪器是用于生产实际的检测仪器，通过光源对SMA进行照射，采集和运算SMA反射光用光学镜头进行，经过计算机进行图像处理后，从而对SMA上的元件位置及焊接情况进行判断，这些都是光学仪器的一个共同特点。这类设备就是所谓的自动光学检测设备。自动光学检测设备的基本原理就是被测物图形的获取采用光学手段来进行，一般情况下，检测物的照明图像的获取并对进行数字化都是通过一个传感器来进行，然后以某种方法进行比较、检验、分析和判断，也就是说，用自动化、智能化替代人工目视检测。
丝网印刷后AOI，在生产汇中，元器件的焊接质量受焊膏印刷质量的直接影响。例如，元器件由于焊膏缺失而开焊，焊接由于焊膏桥接而短路，元器件由于焊膏坍塌而导致虚焊等。因此，在丝网印刷后进行AOI，不仅可以将故障及时的找出，从而使产品质量有所提高，并且也使得返工和维修成本减少。
器件贴装后AOI。漏贴、贴错、偏移歪斜等贴片缺陷可以通过器件贴装后AOI及时检出。其通常都是采用高分辨率彩色电荷耦合器件来整体扫描被测贴片的基板；对被测元器件图像信息进行捕获，并且通过分析元器件图像的外观匹配、几何尺寸、结构的分析，将缺陷的元件快速的检测以及实时统计分析贴片工序能力。
1.3X-Ray检测
X-Ray的穿透性很强，因此，在进行X-Ray对缺陷进行检测时也就是利用这个特性来进行的，其主要是对焊点内部缺陷进行检测。X-Ray检测提供了一种非破坏性的测试方法，可以对所有元器件的焊接质量进行检测，X-Ray测试的信息通过计算机自动转化为焊点特征数据来进行的，与标准值进行对比，来判断出缺陷焊点。目前X-Ray还不能检测亚微米范围内的焊点微小开裂，其检测范围一般在1~5μm。
1.4超声波检测
超声波检测是利用超声波束向金属材料的深处透入，从一个截面深入到另一个截面，焊点的缺陷的检测就是在界面边缘发生反射的特点来进行的。金属内部进入来自焊点表面的超声波，当遇到缺陷和焊点底部时就会有反射现象发生，将反射波束收集到荧光屏上形成脉冲波形，缺陷的位置、性质和大小的判断根据波形的特点来进行。超声波检验具有很多的优点，例如灵敏度高、检验速度快、对人体无害、操作方便和成本低等，虽然优势很多，但是在定性和定量判定缺陷时还是存在困难。
2、电子元件焊接质量检测技术的发展
人工目测检测法应用的也较普遍，但是其带有很强的主观性，只能检测电子元件的一些外观特征。当前应用最广的检测技术是自动光学检测技术，其发展趋势主要有：（1）分类检测。AOI检测重点随着SMT流水线中放置的位置不同而不同，并且元件不同，所要检测的缺陷类型也就不同，例如，焊点主要检测的就是无锡膏，锡是否多，是否少等，是否缺件、错件、偏移等情况的检测就是用元件本体来进行，IC主要是对是否有桥接等进行检测。这样不同的检测类型就需要不同的检测方法来进行，就有针对性的检测才能提高检测质量。（2）Bad Mark的检测，和BarCode等功能AOI要适应印刷机的变化，像Bad Mark就可以不检测，机器检测到一块PCB板就不印刷了。一些板子用条形码来标记板子，那么对这些条形码得识别就可以通过AOI加入barcode功能来进行。对于SMT行业变化和需求，这些功能都能够满足，从而给AOI带来了一些发展。
3、结语
如何选择适合的电子元件焊接质量检测技术，应该根据产品的实际情况而定。焊接质量检测技术决定了焊接质量的好坏，而焊接质量的好坏与所在电路是否正常运行有着密切关系，因此，无论选择哪种检测技术，但必须都与本产品相符。
参考文献：
[1] 丁德勤. 电子电气元件的焊接技巧[J]. 农村电工, 2008, (08) .
[2] 蔡康松,段杏林. 提高电子元件焊接质量的研究[J]. 黄山学院学报, 2006, (03) .
超声检测技术论文范文第3篇
论文关键词:数据融合 传感器 无损检测 精确林业 应用
论文摘要:介绍了数据融合技术的基本概念和内容，分析了该技术在森林防火、森林蓄积特征的估计和更新、森林资源调查等方面的应用，提出该技术可应用于木材无损检测及精确林业。融合机器视觉、X射线等单一传感器技术检测木材及木制品，可以更准确地实时检测出木材的各种缺陷;集成GPS、GIS、RS及各种实时传感器信息，利用智能决策支持系统以及可变量技术，能够实现基于自然界生物及其赖以生存的环境资源的时空变异性的客观现实，建立基于信息流融合的精确林业系统。
多传感器融合系统由于具有较高的可靠性和鲁棒性，较宽的时间和空间的观测范围，较强的数据可信度和分辨能力，已广泛应用于军事、工业、农业、航天、交通管制、机器人、海洋监视和管理、目标跟踪和惯性导航等领域[1，2]。笔者在分析数据融合技术概念和内容的基础上，对该技术在林业工程中的应用及前景进行了综述。
1 数据融合
1.1 概念的提出
1973年，数据融合技术在美国国防部资助开发的声纳信号理解系统中得到了最早的体现。70年代末，在公开的技术文献中开始出现基于多系统的信息整合意义的融合技术。1984年美国国防部数据融合小组(DFS)定义数据融合为:“对多源的数据和信息进行多方的关联、相关和综合处理，以更好地进行定位与估计，并完全能对态势及带来的威胁进行实时评估”。
1998年1月，Buchroithner和Wald重新定义了数据融合:“数据融合是一种规范框架，这个框架里人们阐明如何使用特定的手段和工具来整合来自不同渠道的数据，以获得实际需要的信息”。
Wald定义的数据融合的概念原理中，强调以质量作为数据融合的明确目标，这正是很多关于数据融合的文献中忽略但又是非常重要的方面。这里的“质量”指经过数据融合后获得的信息对用户而言较融合前具有更高的满意度，如可改善分类精度，获得更有效、更相关的信息，甚至可更好地用于开发项目的资金、人力资源等[3]。
1.2 基本内容
信息融合是生物系统所具备的一个基本功能，人类本能地将各感官获得的信息与先验知识进行综合，对周围环境和发生的事件做出估计和判断。当运用各种现代信息处理方法，通过计算机实现这一功能时，就形成了数据融合技术。
数据融合就是充分利用多传感器资源，通过对这些多传感器及观测信息的合理支配和使用，把多传感器在空间或时间上的冗余或互补信息依据某些准则进行组合，以获得被测对象的一致性解释或描述。数据融合的内容主要包括:
(1)数据关联。确定来自多传感器的数据反映的是否是同源目标。
(2)多传感器ID/轨迹估计。假设多传感器的报告反映的是同源目标，对这些数据进行综合，改进对该目标的估计，或对整个当前或未来情况的估计。
(3)采集管理。给定传感器环境的一种认识状态，通过分配多个信息捕获和处理源，最大限度地发挥其性能，从而使其操作成本降到最低。传感器的数据融合功能主要包括多传感器的目标探测、数据关联、跟踪与识别、情况评估和预测[4]。
根据融合系统所处理的信息层次，目前常将信息融合系统划分为3个层次:
(l)数据层融合。直接将各传感器的原始数据进行关联后，送入融合中心，完成对被测对象的综合评价。其优点是保持了尽可能多的原始信号信息，但是该种融合处理的信息量大、速度慢、实时性差，通常只用于数据之间配准精度较高的图像处理。
(2)特征层融合。从原始数据中提取特征，进行数据关联和归一化等处理后，送入融合中心进行分析与综合，完成对被测对象的综合评价。这种融合既保留了足够数量的原始信息，又实现了一定的数据压缩，有利于实时处理，而且由于在特征提取方面有许多成果可以借鉴，所以特征层融合是目前应用较多的一种技术。但是该技术在复杂环境中的稳健性和系统的容错性与可靠性有待进一步改善。
(3)决策层融合。首先每一传感器分别独立地完成特征提取和决策等任务，然后进行关联，再送入融合中心处理。这种方法的实质是根据一定的准则和每个决策的可信度做出最优的决策。其优点是数据通讯量小、实时性好，可以处理非同步信息，能有效地融合不同类型的信息。而且在一个或几个传感器失效时，系统仍能继续工作，具有良好的容错性，系统可靠性高，因此是目前信息融合研究的一个热点。但是这种技术也有不足，如原始信息的损失、被测对象的时变特征、先验知识的获取困难，以及知识库的巨量特性等[5，6]。
1.3 处理模型
美国数据融合工作小组提出的数据融合处理模型[7]，当时仅应用于军事方面，但该模型对人们理解数据融合的基本概念有重要意义。模型每个模块的基本功能如下:
数据源。包括传感器及其相关数据(数据库和人的先验知识等)。
源数据预处理。进行数据的预筛选和数据分配，以减轻融合中心的计算负担，有时需要为融合中心提供最重要的数据。目标评估。融合目标的位置、速度、身份等参数，以达到对这些参数的精确表达。主要包括数据配准、跟踪和数据关联、辨识。
态势评估。根据当前的环境推断出检测目标与事件之间的关系，以判断检测目标的意图。威胁评估。结合当前的态势判断对方的威胁程度和敌我双方的攻击能力等，这一过程应同时考虑当前的政治环境和对敌策略等因素，所以较为困难。
处理过程评估。监视系统的性能，辨识改善性能所需的数据，进行传感器资源的合理配置。人机接口。提供人与计算机间的交互功能，如人工操作员的指导和评价、多媒体功能等。
2 多传感器在林业中的应用
2.1 在森林防火中的应用
在用MODIS(Moderate Resolution Imaging Spectroradiometer)数据测定森林火点时的20、22、23波段的传感器辐射值已达饱和状态，用一般图像增强处理方法探测燃烧区火点的结果不理想。余启刚运用数据融合技术，在空间分辨率为1 000 m的热辐射通道的数据外加入空间分辨率为250 m的可见光通道的数据，较好地进行了不同空间分辨率信息的数据融合，大大提高了对火点位置的判断准确度[8]。为进一步提高卫星光谱图像数据分析的准确性与可靠性，利用原有森林防火用的林区红外探测器网，将其与卫星光谱图像数据融合，可以使计算机获得GPS接收机输出的有关信息通过与RS实现高效互补性融合，从而弥补卫星图谱不理想的缺失区数据信息，大大提高燃烧区火点信息准确度和敏感性。
2.2 森林蓄积特征的估计
Hampus Holmstrom等在瑞典南部的试验区将SPOT-4×S卫星数据和CARABAS-II VHFSAR传感器的雷达数据进行了融合，采用KNN(k nearest neighbor )方法对森林的蓄积特征(林分蓄积、树种组成与年龄)进行了估计[9]。
KNN方法就是采用目标样地邻近k个(k=10)最近样地的加权来估计目标样地的森林特征。研究者应用卫星光谱数据、雷达数据融合技术对试验区的不同林分的蓄积特征进行估计，并对三种不同的数据方法进行误差分析。试验表明，融合后的数据作出的估计比单一的卫星数据或雷达数据的精度高且稳定性好。
2.3 用非垂直航空摄像数据融合GIS信息更新调查数据
森林资源调查是掌握森林资源现状与变化的调查方法，一般以地面调查的方法为主，我国5年复查一次。由于森林资源调查的工作量巨大，且要花费大量的人力、物力和资金。国内外许多学者都在探索航空、航天的遥感调查与估计方法。
Trevor J Davis等2002年提出采用非垂直的航空摄影数据融合对应的GIS数据信息实现森林调查数据的快速更新，认为对森林资源整体而言，仅某些特殊地区的资源数据需要更新。在直升飞机侧面装上可视的数字摄像装置，利用GPS对测点进行定位，对特殊地区的摄像进行拍摄，同时与对应的GIS数据进行融合，做出资源变化的估计或影像的修正[10]。
试验表明，融合后的数据可以同高分辨率矫正图像相比，该方法花费少，精度高，能充分利用影像的可视性，应用于偏远、地形复杂、不易操作、成本高的区域，同时可避免遥感图像受云层遮盖。
3 数据融合在林业中的应用展望
3.1 在木材检测中的应用
3.1.1 木材缺陷及其影响
木材是天然生长的有机体，生长过程中不可避免地有尖削度、弯曲度、节子等生长缺陷，这些缺陷极大地影响了木材及其制品的优良特性，以及木材的使用率、强度、外观质量，并限制了其应用领域。在传统木制品生产过程中，主要依靠人的肉眼来识别木材缺陷，而木材板材表面缺陷在大小、形状和色泽上都有较大的差异，且受木材纹理的影响，识别起来非常困难，劳动强度大，效率低，同时由于熟练程度、标准掌握等人为因素，可能造成较大的误差。另外在集成材加工中，板材缺陷的非双面识别严重影响了生产线的生产节拍。因此必须开发一种能够对板材双面缺陷进行在线识别和自动剔除技术，以解决集成材加工中节子人工识别误差大、难以实现双面识别、剔除机械调整时间长等问题。
3.1.2 单一传感器在木材检测中的应用
对木材及人造板进行无损检测的方法很多，如超声波、微波、射线、机械应力、震动、冲击应力波、快速傅立叶变换分析等检测方法[11，12]。超声技术在木材工业中的应用研究主要集中在研究声波与木材种类、木材结构和性能之间的关系、木材结构及缺陷分析、胶的固化过程分析等[13]。
随着计算机视觉技术的发展，人们也将视觉传感器应用于木材检测中。新西兰科学家用视频传感器研究和测量了纸浆中的纤维横切面的宽度、厚度、壁面积、壁厚度、腔比率、壁比率等，同时准确地测量单个纤维和全部纤维的几何尺寸及其变化趋势，能够区分不同纸浆类型，测定木材纤维材料加固结合力，并动态地观察木材纤维在材料中的结合机理。
新西兰的基于视觉传感器的板材缺陷识别的软件已经产业化，该软件利用数码相机或激光扫描仪采集板材的图像，自动识别板材节子和缺陷的位置，控制板材的加工。该软件还具有进行原木三维模型真实再现的计算机视觉识别功能，利用激光扫描仪自动采集原木的三维几何数据。
美国林产品实验室利用计算机视觉技术对木材刨花的尺寸大小进行分级，确定各种刨花在板中的比例和刨花的排列方向;日本京都大学基于视觉传感器进行了定向刨花板内刨花定向程度的检测，从而可以通过调整定向铺装设备优化刨花的排列方向来提高定向刨花板的强度。
在制材加工过程中，利用计算机视觉技术在线实时检测原木的形状及尺寸，选择最佳下锯方法，提高原木的出材率。同时可对锯材的质量进行分级，实现木材的优化使用;在胶合板的生产过程中，利用计算机视觉技术在线实时检测单板上的各种缺陷，实现单板的智能和自动剪切，并可测量在剪切过程中的单板破损率，对单板进行分等分级，实现自动化生产过程。Wengert等在综合了大量的板材分类经验的基础上，建立了板材分级分类的计算机视觉专家系统。在国内这方面的研究较少，王金满等用计算机视觉技术对刨花板施胶效果进行了定量分析[14]。
X射线对木材及木质复合材料的性能检测已得到了广泛的应用，目前该技术主要应用于对木材密度、含水率、纤维素相对结晶度和结晶区大小、纤维的化学结构和性质等进行检测，并对木材内部的各种缺陷进行检测。
3.1.3 数据融合在木材检测中的应用展望
单一传感器在木材工业中已得到了一定程度的应用，但各种单项技术在应用上存在一定的局限性。如视觉传感器不能检测到有些与木材具有相同颜色的节子，有时会把木板上的脏物或油脂当成节子，造成误判，有时也会受到木材的种类或粗糙度和湿度的影响，此外，这种技术只能检测部分表面缺陷，而无法检测到内部缺陷;超声、微波、核磁共振和X射线技术均能测量密度及内部特征，但是它们不能测定木材的颜色和瑕疵，因为这些缺陷的密度往往同木板相同。因此，一个理想的检测系统应该集成各种传感技术，才能准确、可靠地检测到木材的缺陷[15，16]。
基于多传感器(机器视觉及X射线等)数据融合技术的木材及木制品表面缺陷检测，可以集成多个传统单项技术，更可靠、准确地实时检测出木材表面的各种缺陷，为实现木材分级自动化、智能化奠定基础，同时为集裁除锯、自动调整、自动裁除节子等为一身的新型视频识别集成材双面节子数控自动剔除成套设备提供技术支持。
3.2 在精确林业中的应用
美国华盛顿大学研究人员开展了树形自动分析、林业作业规划等研究工作;Auburn大学的生物系统工程系和USDA南方林业实验站与有关公司合作开展用GPS和其他传感器研究林业机器系统的性能和生产效率。
目前单项的GPS、RS、GIS正从“自动化孤岛”形式应用于林业生产向集成技术转变。林业生产系统作为一个多组分的复杂系统，是由能量流动、物质循环、信息流动所推动的具有一定的结构和功能的复合体，各组分间的关系和结合方式影响系统整体的结构和功能。因此应该在计算机集成系统框架下，有效地融合GPS、GIS、RS等数据，解决这些信息在空间和时间上的质的差异及空间数据类型的多样性，如地理统计数据、栅格数据、点数据等。利用智能DSS(决策支持系统)以及VRT(可变量技术)等，使林业生产成为一个高效、柔性和开放的体系，从而实现林业生产的标准化、规范化、开放性，建立基于信息流融合的精确林业系统。
南京林业大学提出了“精确林业工程系统”[17]。研究包括精确林业工程系统的领域体系结构、随时空变化的数据采集处理与融合技术、精确控制林业生产的智能决策支持系统、可变量控制技术等，实现基于自然界生物及其所赖以生存的环境资源的时空变异性的客观现实，以最小资源投入、最小环境危害和最大产出效益为目标，建立关于林业管理系统战略思想的精确林业微观管理系统。
[参考文献]
[1]高翔，王勇.数据融合技术综述[J].计算机控制与测量，2002，10(11):706-709.
[2]龚元明，萧德云，王俊杰.多传感器数据融合技术(上)[J].冶金自动化，2002(4):4-7.
[3]钱永兰，杨邦杰，雷廷武.数据融合及其在农情遥感监测中的应用与展望[J].农业工程学报，2004，20(4):286-290.
[4]高德平，黄雪梅.多传感器和数据融合(一)[J].红外与激光工程，1999，28(1):1-4.
[5]王耀南，李树涛.多传感器信息融合及其应用综述[J].控制与决策，2001，16(5):518-52.
[6]许 军，罗飞路，张耀辉.多传感器信息融合技术在无损检测中的应用研究[J].无损检测，2000，22(8):342-344.
[7] White F E. Data fusion lexicon:Data fusion subpanel of the joint directors of laboratories technical panel for C3[R].San Diego，1991.
[8]余启刚.数据融合技术在“3S”森林防火中的应用[J].森林工程，2003，19(4):5-6.
[9] Hampus Holmstrom， Johan E S Fransson. Combining remotely sensed optical and radar data in KNN-estimation of forest[J]. Forest Science， 2003， 49(3): 409-418.
[10] Trevor J Davis， Brian Klinkenberg， Peter Keller C. Updating inventory: Using oblique videogrammetry & data fusion[J].Journalof Forestry， 2002， 100(2):45-50.
[11]杨春梅，胡万义，白 帆，等.木材缺陷检测理论及方法的发展[J].林业机械与木工设备，2004，32(3):8-10.
[12]胡英成，顾继友，王逢瑚.木材及人造板物理力学性能无损检测技术研究的发展与展望[J].世界林业研究，2002，15(4):39-46.
[13]肖忠平，卢晓宁，陆继圣.木质材料X射线与超声检测技术研究的发展与展望[J].木材加工机械，2004，15(1):25-27.
[14]王金满，周秀荣.刨花板施胶效果计算机视觉分析方法[J].东北林业大学学报，1994，22(3):25-26.
[15] Klinkhachorn P. Prototyping an automated lumber processing system[J]. Forest Products Journal， 1993 (2): 11-18.
