基于深度学习的木材优选锯视觉检测算法

编号 zgly0001731356

文献类型 期刊论文

文献题名 基于深度学习的木材优选锯视觉检测算法

作者 邵明伟  董军宇 

作者单位 青岛理工大学信息与控制工程学院  中国海洋大学信息科学与工程学院 

母体文献 林业科学 

年卷期 2020,56(12)

页码 123-129

年份 2020 

分类号 S777 

关键词 深度学习  优选锯  木材处理  缺陷识别  计算机视觉 

文摘内容 【目的】提出一种基于深度学习的木材优选锯视觉检测算法,以最大限度增加木材出材率,提高木材价值,并进一步提升木材加工行业自动化水平。【方法】通过样本训练获得木材缺陷和木材等级识别网络,视觉传感器获取需检测木材图像,由木材缺陷识别网络确定木材缺陷的具体位置;对于无缺陷木材,由木材等级识别网络确定视觉传感器视场内木材的具体等级,进而确定切除部位在图像坐标系下的位置;由事先确定的图像平面与木材物理平面之间的单应关系确定木材最终切除位置列表。【结果】在本研究试验条件下,基于深度学习的木材优选锯视觉检测算法单幅图像缺陷检测时间为123 ms,缺陷检测正确率为95.8%,单幅图像等级分类识别时间为55 ms,分类识别正确率为97.1%,平均检测时间为86 ms,平均正确率为96.5%。【结论】基于深度学习的木材优选锯视觉检测算法运行速度快、识别准确率高、鲁棒性强,可克服传统优选锯分类不佳且需要人工干预的缺点,自动化程度高,能够满足木材优选锯实时、准确检测要求。