-
题名基于深度学习的木材缺陷图像的识别与定位
被引量：12
- 1
-
-
作者
李若尘
朱悠翔
孙卫民
龚思源
钱鑫
业宁
-
机构
南京林业大学信息技术学院
江苏省住建厅住宅与房地产业促进中心
南京市金陵中学
-
出处
《数据采集与处理》
CSCD
北大核心
2020年第3期494-505,共12页
-
基金
国家重点研发计划(2016YFD0600101)资助项目
江苏省住建厅计划(2016ZD44)资助项目
江苏省大学生训练计划(201810298052Z)资助项目。
-
文摘
传统的木材缺陷定位方法主要有物理设备检测和传统计算机技术检测,但这两种方法均存在数据收集困难、高度依赖数据本身等问题,不适用于实际生产。本文提出一种基于深度学习的自动缺陷定位模型(Automatic defect location model,ADLM),包含单缺陷定位模型(Single defect location model,SDLM)与多缺陷定位模型(Multi-defect location model,MDLM),满足不同需求。模型使用MobileNet作为骨干网,只需少量数据集进行训练。在公开数据集Wood Defect Database中,该模型可获得86.1%的缺陷识别率。在单缺陷数据集中,该模型可获得97.5%的定位精确率。在多缺陷数据集中,该模型可获得90.0%的定位精确率。与传统的木材缺陷识别模型相比,基于深度学习的自动缺陷定位模型无须前期人工提取特征,具有检测速度更快、精准度更高以及适用性更广等优点。
-
关键词
自动缺陷定位模型方法
多缺陷定位模型
木材图像检测
MobileNet
-
Keywords
automated defect location model(ADLM)algorithm
multi-defect location model(MDLM)
wood image segmentation
Mobile Net
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
