基于深度学习的木材缺陷图像检测方法

编号 zgly0001640984

文献类型 期刊论文

文献题名 基于深度学习的木材缺陷图像检测方法

作者 程玉柱  顾权  王众辉  李赵春 

作者单位 南京林业大学机械电子工程学院 

母体文献 林业机械与木工设备 

年卷期 2018年08期

年份 2018 

分类号 TP181  TP391.41 

关键词 深度学习  卷积神经网络  区域建议网络  木材缺陷图像  CV 

文摘内容 针对木材活节、虫眼、死节等缺陷,提出一种深度学习的木材缺陷图像检测算法。首先构建训练数据库及测试数据库,同时设定卷积神经网络(CNN)的输入层、中间层、输出层等参数,并利用区域建议网络(RPN)反复训练CNN,然后利用训练好的CNN对测试图像进行检测,得到缺陷所在的矩形区域。将此区域作为初始分割范围,再利用CV模型进行图像精细分割。试验结果表明,提出的算法目标定位能力强,能很好地提取木材缺陷目标。