基于FasterR-CNN模型的木材表面节子缺陷检测

• 作者: 周竹 方益明 萧嘉奕 马艳
• 来源期刊: 木材工业
• 学科: 农学
• 关键词: 深度学习 节子检测 FasterR-CNN 缺陷定位
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 应用技术
• 页码范围: 45-48
• 页数: 4页
• 分类号: S781.5|TS67
• 字数: 1860字
• 语种: 中文
• DOI: 10.19455/j.mcgy.20200211

摘要

研究基于Faster R-CNN模型的木材表面节子缺陷检测方法,解决现有方法存在的特征选取困难、不能适应木材以及节子的多样性变化、检测精度不高等问题,而且能够给出节子缺陷的位置以及图像的大小.小样本集测试结果表明,该方法能够取得较高的检测精度,准确率为94.0％;对其中4个典型样本进行分析,位置检测最大误差仅为5个像素,大小检测最大误差仅为7个像素;相比OSTU方法具有更好的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周竹	浙江农林大学信息工程学院	12	64	4.0	8.0
3	马艳	浙江农林大学信息工程学院	7	21	3.0	4.0
5	萧嘉奕	浙江农林大学信息工程学院	1	0	0.0	0.0