基于深度学习的木材表面缺陷图像检测

• 作者: 王春艳 王阿川 陈献明
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 图像检测 深度学习 木材缺陷 边缘检测 椭圆拟合
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 图像处理
• 页码范围: 879-887
• 页数: 9页
• 分类号: TP391.41
• 字数: 5406字
• 语种: 中文
• DOI: 10.3788/YJYXS20193409.0879

摘要

针对木材活节、死节、虫眼等缺陷图像的检测问题,本文提出了一种基于深度学习的木材缺陷图像检测方法.首先,通过对Faster-RCNN网络进行训练,得到了可以对木材缺陷定位和识别的检测模型;然后,应用NL-Means方法对图像进行去噪,通过线性滤波、调整对比度和亮度实现图像增强;再对图像进行二值化处理,根据像素值差异提取缺陷边缘特征点集,实现了对木材缺陷的精细分割;最后,对椭圆拟合方法进行了改进,实现了对木材缺陷边缘点集的椭圆拟合,提供了新的木材缺陷加工方案.实验结果表明,该算法具有较好的木材缺陷定位和分类能力,得到了较好的分割及拟合效果,可在缺陷修补这一环节减少约10％的木材填充量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王阿川	东北林业大学信息与计算机工程学院	88	538	12.0	19.0
2	陈献明	东北林业大学信息与计算机工程学院	2	2	1.0	1.0