期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
利用局部二值模式和方向梯度直方图融合特征对木材缺陷的支持向量机学习分类
被引量：
22
1
作者
罗微
孙丽萍
《东北林业大学学报》
CAS
CSCD
北大核心
2019年第6期70-73,共4页
根据木材缺陷类型及视觉特点的不同,将木材缺陷分为6类,加上正常无缺陷木材共分7类;实验将图像样本转化为灰度图后生成680个训练样本数据集和94个测试样本数据集。在分析单一方向梯度直方图(HOG)特征及局部二值模式(LBP)采用不同核函数...
根据木材缺陷类型及视觉特点的不同,将木材缺陷分为6类,加上正常无缺陷木材共分7类;实验将图像样本转化为灰度图后生成680个训练样本数据集和94个测试样本数据集。在分析单一方向梯度直方图(HOG)特征及局部二值模式(LBP)采用不同核函数对木材缺陷分类性能的基础上,提出局部二值模式和方向梯度直方图融合特征对木材缺陷分类。融合特征经主成分分析并降维,利用支持向量机的4种不同核函数分别验证局部二值模式和方向梯度直方图融合特征对木材缺陷分类的性能。结果表明:利用局部二值模式和方向梯度直方图融合特征比单一缺陷特征具有更高效的分类性能;采用线性核函数及高斯核函数对局部二值模式和方向梯度直方图融合特征进行支持向量机分类,分类准确率分别可达98.9%和97.8%,木材缺陷可实现自动检测分类。
展开更多
关键词
木材
木材缺陷分类
方向梯度直方图
局部二值模式
支持向量机
在线阅读
下载PDF
职称材料
残差神经网络模型在木质板材缺陷分类中的应用
被引量：
4
2
作者
凌嘉欣
谢永华
《东北林业大学学报》
CSCD
北大核心
2021年第8期111-116,共6页
以虫眼、活节、死节3种缺陷的板材为研究对象,建立了小型样本库,采用数据增强方法,对图片进行旋转、平移、尺度变换、灰度变换等方式处理,使样本库扩容到10687张图片,其中7480张图片作为训练集、2137张图片作为验证集、1070张图片作为...
以虫眼、活节、死节3种缺陷的板材为研究对象,建立了小型样本库,采用数据增强方法,对图片进行旋转、平移、尺度变换、灰度变换等方式处理,使样本库扩容到10687张图片,其中7480张图片作为训练集、2137张图片作为验证集、1070张图片作为测试集;应用超分辨率测试序列(VGG)网络模型、谷歌网络模型(GoogLeNet)、残差神经网络模型(ResNet)对木质板材表面缺陷进行分类,依据分类精度,遴选识别效果较好的木质板材缺陷分类方法。结果表明:残差神经网络模型在不同的卷积层时分类精度均在80%以上,而改进的残差神经网络模型在模型结构为50层时的分类准确率高达98.63%,模型能较好地适用于木质板材表面缺陷分类。
展开更多
关键词
木质板材
缺陷
木材缺陷分类
方法
残差神经网络模型
在线阅读
下载PDF
职称材料
题名
利用局部二值模式和方向梯度直方图融合特征对木材缺陷的支持向量机学习分类
被引量：
22
1
作者
罗微
孙丽萍
机构
东北林业大学
出处
《东北林业大学学报》
CAS
CSCD
北大核心
2019年第6期70-73,共4页
基金
国家林业局林业公益性行业科研专项(201304502)
文摘
根据木材缺陷类型及视觉特点的不同,将木材缺陷分为6类,加上正常无缺陷木材共分7类;实验将图像样本转化为灰度图后生成680个训练样本数据集和94个测试样本数据集。在分析单一方向梯度直方图(HOG)特征及局部二值模式(LBP)采用不同核函数对木材缺陷分类性能的基础上,提出局部二值模式和方向梯度直方图融合特征对木材缺陷分类。融合特征经主成分分析并降维,利用支持向量机的4种不同核函数分别验证局部二值模式和方向梯度直方图融合特征对木材缺陷分类的性能。结果表明:利用局部二值模式和方向梯度直方图融合特征比单一缺陷特征具有更高效的分类性能;采用线性核函数及高斯核函数对局部二值模式和方向梯度直方图融合特征进行支持向量机分类,分类准确率分别可达98.9%和97.8%,木材缺陷可实现自动检测分类。
关键词
木材
木材缺陷分类
方向梯度直方图
局部二值模式
支持向量机
Keywords
Wood
Wood defect classification
Histogram of oriented gradient (HOG)
Local binary pattern (LBP)
SVM
分类号
S781.5 [农业科学—木材科学与技术]
TP274 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
残差神经网络模型在木质板材缺陷分类中的应用
被引量：
4
2
作者
凌嘉欣
谢永华
机构
东北林业大学
出处
《东北林业大学学报》
CSCD
北大核心
2021年第8期111-116,共6页
基金
黑龙江省自然科学基金项目(LH2020C034)。
文摘
以虫眼、活节、死节3种缺陷的板材为研究对象,建立了小型样本库,采用数据增强方法,对图片进行旋转、平移、尺度变换、灰度变换等方式处理,使样本库扩容到10687张图片,其中7480张图片作为训练集、2137张图片作为验证集、1070张图片作为测试集;应用超分辨率测试序列(VGG)网络模型、谷歌网络模型(GoogLeNet)、残差神经网络模型(ResNet)对木质板材表面缺陷进行分类,依据分类精度,遴选识别效果较好的木质板材缺陷分类方法。结果表明:残差神经网络模型在不同的卷积层时分类精度均在80%以上,而改进的残差神经网络模型在模型结构为50层时的分类准确率高达98.63%,模型能较好地适用于木质板材表面缺陷分类。
关键词
木质板材
缺陷
木材缺陷分类
方法
残差神经网络模型
Keywords
Plate defects
Classification method of wood defects
Residual neural network model
分类号
S781.5 [农业科学—木材科学与技术]
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
利用局部二值模式和方向梯度直方图融合特征对木材缺陷的支持向量机学习分类
罗微
孙丽萍
《东北林业大学学报》
CAS
CSCD
北大核心
2019
22
在线阅读
下载PDF
职称材料
2
残差神经网络模型在木质板材缺陷分类中的应用
凌嘉欣
谢永华
《东北林业大学学报》
CSCD
北大核心
2021
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
