基于Faster R-CNN模型的木材表面节子缺陷检测

编号 zgly0001696168

文献类型 期刊论文

文献题名 基于Faster R-CNN模型的木材表面节子缺陷检测

作者 萧嘉奕  马艳  周竹  方益明 

作者单位 浙江农林大学信息工程学院  浙江省林业智能监测与信息技术研究重点实验室  浙江双枪竹木有限公司 

母体文献 木材工业 

年卷期 2020年02期

年份 2020 

分类号 S781.5  TP391.41 

关键词 深度学习  节子检测  FasterR-CNN  缺陷定位 

文摘内容 研究基于Faster R-CNN模型的木材表面节子缺陷检测方法,解决现有方法存在的特征选取困难、不能适应木材以及节子的多样性变化、检测精度不高等问题,而且能够给出节子缺陷的位置以及图像的大小。小样本集测试结果表明,该方法能够取得较高的检测精度,准确率为94.0%;对其中4个典型样本进行分析,位置检测最大误差仅为5个像素,大小检测最大误差仅为7个像素;相比OSTU方法具有更好的检测精度。