基于优化卷积神经网络的木材缺陷检测

编号 zgly0001656645

文献类型 期刊论文

文献题名 基于优化卷积神经网络的木材缺陷检测

作者 刘英  周晓林  胡忠康  於亚斌  杨雨图  徐呈艺 

作者单位 南京林业大学机械电子工程学院  机电产品包装生物质材料国家地方联合工程中心 

母体文献 林业工程学报 

年卷期 2019年01期

年份 2019 

分类号 TP391.41  TP183 

关键词 木材缺陷识别  卷积神经网络  非下采样剪切波变换  简单线性迭代聚类 

文摘内容 针对深度学习中的卷积神经网络算法,在木材无损检测过程中存在缺陷定位不准确、缺陷轮廓和边界信息不完整、识别精度需进一步提高等问题,利用非下采样剪切波变换最优稀疏表示特性,以及简单线性迭代聚类算法能很好地保持像素紧凑度和图像边界轮廓的优点,设计了一种优化的卷积神经网络算法,以提高木材无损检测的准确率。首先采用非下采样剪切波变换对采集的木材图像进行简单预处理,保留木材图像的缺陷特征不丢失,降低图像处理的复杂度以及运算量;然后利用卷积神经网络对木材图像实现深层次的算法设计,同时应用简单线性迭代聚类算法对初步模型进行增强改进,提取出相对准确的木材缺陷轮廓;最后通过反复调整参数和调试优化器,优化卷积神经网络算法的收敛速度,提高学习和运算效率,完善卷积神经网络对木材缺陷轮廓的提取,在降低运算复杂度的同时,提高其精度,具有良好的鲁棒性。相比径向基函数(RBF)神经网络、向后反馈-径向基函数(BP-RBF)混合神经网络和卷积神经网络,本算法对木材缺陷具有更好的识别效果,其识别准确率达到98.6%左右,且识别时间相对更短。