基于FasterR-CNN模型的木材表面节子缺陷检测

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.

关键词：深度学习、节子检测、FasterR-CNN、缺陷定位

所属期刊栏目：34

分类号：S781.5;TS67(森林采运与利用)

资助基金：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";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"

在线出版日期：2020-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：45-48