基于深度卷积神经网络的木材表面缺陷检测系统设计

• 作者: 卢卫国 潘佳浩 陈月芬 项宇杰
• 来源期刊: 系统仿真技术
• 学科: 工学
• 关键词: 深度卷积神经网络 木材表面缺陷 迁移学习 微调 数据增强
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 论文交流
• 页码范围: 253-257
• 页数: 5页
• 分类号: TP39|TP29
• 字数: 2391字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1964.2019.04.008

摘要

针对木材表面的虫眼、结节和裂缝等缺陷,采用传统的人工检测人力成本较高,而采用图像处理技术提取的各种特征取决于人工经验,巨受到噪声、光照等外界因素影响较大,其实际应用具有很大的局限性,因此提出基于深度卷积神经网络的木材表面缺陷检测方法.首先构建数据库,考虑到样本有限,采用了数据增强扩充样本数量;其次以在ImageNet数据集上获得优异性能的VGG16模型为基础,采用迁移学习,基于自建的小样本数据库微调该神经网络的后三个全连接层参数;最后利用重新训练好的深度卷积神经网络对测试图像进行检测,结果表明该网络在木材表面缺陷检测上达到了很好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈月芬	台州学院电子与信息工程学院	12	27	3.0	4.0
2	项宇杰	台州学院电子与信息工程学院	1	1	1.0	1.0
3	卢卫国	台州学院电子与信息工程学院	1	1	1.0	1.0
4	潘佳浩	台州学院电子与信息工程学院	1	1	1.0	1.0