一种基于GoogLeNet卷积神经网络的木节缺陷识别方法

• 作者: 高明宇 倪海明 张博洋 陈剑峰 戚大伟 牟洪波
• 来源期刊: 森林工程
• 关键词: 卷积神经网络 GoogLeNet 木节缺陷图像 缺陷识别
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 木材科学与工程|Wood Science and Engineering
• 页码范围: 66-70
• 页数: 5页
• 分类号: S781.1|TP312
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8023.2021.04.009

摘要

为了能够对木节缺陷进行准确识别,减少木材的浪费,本研究在Pytorch深度学习框架的基础上,提出一种基于GoogLeNet卷积神经网络的木节缺陷识别方法.该方法利用GoogLeNet网络对朽节、干节和死节等7种云杉木节缺陷的RGB图像进行自动提取特征,不需要对图像进行预处理,即可实现分类识别,采用全局平均池化的方法来代替全连接层,减少网络的参量.同时为了防止网络的过拟合,在网络中使用Dropout机制.实验结果表明,利用该卷积神经网络对7种木节缺陷的识别率可以达到95.42％,在木节缺陷图像处理中,GoogLeNet模型能准确有效地识别木节缺陷.