基于深度学习的木材缺陷图像的识别与定位

• 作者: 业宁 孙卫民 朱悠翔 李若尘 钱鑫 龚思源
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 自动缺陷定位模型方法 多缺陷定位模型 木材图像检测 MobileNet
• 年，卷（期）: 2020,（3）
• 页码范围: 494-505
• 页数: 12页
• 分类号: TP391
• 字数: 4580字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2020.03.012

摘要

传统的木材缺陷定位方法主要有物理设备检测和传统计算机技术检测,但这两种方法均存在数据收集困难、高度依赖数据本身等问题,不适用于实际生产.本文提出一种基于深度学习的自动缺陷定位模型(Automatic defect location model,ADLM),包含单缺陷定位模型(Single defect location model,SDLM)与多缺陷定位模型(Multi-defect location model,MDLM),满足不同需求.模型使用MobileNet作为骨干网,只需少量数据集进行训练.在公开数据集Wood Defect Database中,该模型可获得86.1％的缺陷识别率.在单缺陷数据集中,该模型可获得97.5％的定位精确率.在多缺陷数据集中,该模型可获得90.0％的定位精确率.与传统的木材缺陷识别模型相比,基于深度学习的自动缺陷定位模型无须前期人工提取特征,具有检测速度更快、精准度更高以及适用性更广等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	业宁	南京林业大学信息技术学院	83	805	16.0	24.0
2	钱鑫		4	22	2.0	4.0
3	孙卫民	南京林业大学信息技术学院	2	9	1.0	2.0
4	朱悠翔	南京林业大学信息技术学院	2	9	1.0	2.0
5	李若尘	南京林业大学信息技术学院	1	0	0.0	0.0
6	龚思源		1	0	0.0	0.0