Abstract As an important renewable resource, wood is widely used in various industries. When addressing wood defects that limit the amount of wood used during processing, manual inspection and other technologies are not suitable for automated production scenarios. In this paper, we first establish our own dataset, which includes information about multiple tree species and multiple defects types, to enhance the overall applicability of the proposed model. Second, target detection technology involving deep learning is used for defect detection. The conditional parametric convolution (CondConv), Wise-IoU, and BiFormer modules are used to improve upon the latest YOLOv8 algorithm. Based on the experimental findings, the suggested approach exhibits notable improvements in terms of both the mAP@0.5 index and the mAP@0.5:0.95 index, surpassing the performance of the YOLOv8 algorithm by 3.5% and 5.8%, respectively. It also has advantages over other target detection algorithms. The proposed method can effectively improve wood utilization and automated wood processing technology.

Talc has long been a problematic gangue mineral in sulfide ore flotation due to its natural hydrophobicity. The as-investigated anionic depressants which reacted with the Mg sites on the edge plane of talc always exhibited limited effects because the negatively charged talc particle at pH > 5.0 showed electrostatic resistance for the anion adsorption. Thus, an electrically neutral reagent, fenugreek gum, was introduced as a highly efficient talc depressant in comparison with the sodium carboxymethylcellulose and sodium alginate, coupled with the surface detections on the selective depressant mechanism between chalcopyrite and talc. The micro-flotation results showed that fenugreek gum could selectively depress the talc flotation at lower dosage and wider pH range than sodium carboxymethylcellulose and sodium alginate, suggesting a more efficient depressant role. Surface detection implied that fenugreek gum selectively interacted with the basal plane of the talc surface and remarkably decreased its hydrophobicity mainly through physical adsorption originated from the hydrogen-bonding between the OH group and the [SiO4] tetrahedron. Fenugreek gum adsorbed onto talc with much larger capacity than on chalcopyrite, and had little influence on the adsorption density of collector adsorption on chalcopyrite, indicating the highly efficient selectivity of fenugreek gum toward talc depression.

The natural phenomenon of water vapor condensing on a cold surface is known as breath figures (BFs). The growth process of BFs on solid and fluid surfaces has been thoroughly investigated to understand the mechanism of BFs. It is fascinating that ordered BFs can be created on volatile fluid surfaces, highlighting the significant influence of the surface on BF growth. Currently, however, the growth of ordered BFs remains unclear and ambiguous. Herein, an optical microscope was used to observe in situ the growth process of BFs on pure chloroform fluid surface under static humid conditions. The details of the obtained images were analyzed in combination with image processing. It is found that BFs are highly ordered on the pure chloroform fluid surface. The dynamics of BF growth on the volatile fluid surface presented two power-law growth exponents of 1.40 during the intermediate stage and 0.22 during the late stage. Furthermore, BFs on the chloroform surface demonstrate rapid movement throughout the growth process, indicating a strong convection current within the volatile fluid. The obtained results confirm the ordered BFs on the surface of chloroform fluid, aiding in the clarification of the mechanism behind ordered BFs on volatile fluid surfaces.