残差神经网络模型在木质板材缺陷分类中的应用

摘要：

以虫眼、活节、死节3种缺陷的板材为研究对象,建立了小型样本库,采用数据增强方法,对图片进行旋转、平移、尺度变换、灰度变换等方式处理,使样本库扩容到10687张图片,其中7480张图片作为训练集、2137张图片作为验证集、1070张图片作为测试集;应用超分辨率测试序列(VGG)网络模型、谷歌网络模型(GoogLeNet)、残差神经网络模型(ResNet)对木质板材表面缺陷进行分类,依据分类精度,遴选识别效果较好的木质板材缺陷分类方法.结果表明:残差神经网络模型在不同的卷积层时分类精度均在80％以上,而改进的残差神经网络模型在模型结构为50层时的分类准确率高达98.63％,模型能较好地适用于木质板材表面缺陷分类.

关键词：木质板材缺陷;木材缺陷分类方法;残差神经网络模型

所属期刊栏目：49

分类号：S781.5;TP391.4(森林采运与利用)

资助基金：黑龙江省自然科学基金项目LH2020C034

在线出版日期：2021-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：111-116