基于Faster R-CNN模型的木材表面节子缺陷检测
Detection of Timber Surface Knots Based on Faster R-CNN作者机构：浙江农林大学信息工程学院浙江杭州311300 浙江省林业智能监测与信息技术研究重点实验室浙江杭州311300 浙江双枪竹木有限公司浙江丽水323800
出 版 物：《木材工业》 (China Wood Industry)
年 卷 期：2020年第34卷第2期
页 面：45-48页
学科分类：082902[工学-木材科学与技术] 08[工学] 0829[工学-林业工程]
基 金：浙江省基础公益研究计划项目“基于空气耦合式超声波的木材缺陷自动识别及定量检测”(LGG18F010006) 中国博士后科学基金资助项目“木材内部空气耦合式超声波传播模型及缺陷定量检测”(2019M662112)
主 题：深度学习 节子检测 Faster R-CNN 缺陷定位
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。
维普期刊数据库
同方期刊数据库