基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对中密度纤维板的油污、胶斑、松软等表面缺陷,本文提出了一种基于Faster R-CNN的检测方法。首先进行中密度板表面缺陷图像数据集的建立,之后将数据集中的训练集与验证集放入设定好主要参数的Faster R-CNN算法中进行训练,然后将训练好的模型对测试集进行检测。检测结果表明,基于Faster R-CNN的检测方法能够准确地检测出中密度板主要的表面缺陷,mAP值达到81.34%。
推荐文章
应用GAN和Faster R-CNN的色织物缺陷识别
色织物
图像扩充
生成对抗网络
FasterR-CNN
缺陷识别
基于Faster R-CNN的显著性目标检测方法
视觉显著性
目标检测
元胞自动机
超像素分割
基于Faster R-CNN的蓝莓冠层果实检测识别分析
蓝莓
冠层果实
FasterR-CNN
精准识别
产量预估
不同成熟度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Faster R-CNN的中密度纤维板表面缺陷检测研究
来源期刊 木材加工机械 学科 工学
关键词 FASTER R-CNN 数据集 MAP 表面缺陷
年,卷(期) 2019,(4) 所属期刊栏目
研究方向 页码范围 25-27
页数 3页 分类号 TS67
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
FASTER
R-CNN
数据集
MAP
表面缺陷
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
林业和草原机械
双月刊
2096-8361
10-1689/S
大16开
北京市朝阳区安苑路20号世纪兴源大厦70
1984
chi
出版文献量(篇)
3037
总下载数(次)
4
总被引数(次)
9502
论文1v1指导