基于深度学习的木材缺陷图像检测方法

• 作者: 李赵春 王众辉 程玉柱 顾权
• 来源期刊: 林业机械与木工设备
• 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
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 研究与设计
• 页码范围: 33-36
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李赵春	南京林业大学机械电子工程学院	36	140	7.0	11.0
2	程玉柱	南京林业大学机械电子工程学院	35	144	7.0	10.0
3	顾权	南京林业大学机械电子工程学院	3	28	2.0	3.0
4	王众辉	南京林业大学机械电子工程学院	1	22	1.0	1.0