卷积神经网络在木材缺陷检测应用中的研究进展
木材缺陷的快速检测和精准定位是实现木材加工机械化、一体化的首要条件.采用卷积神经网络(CNN)检测木材缺陷,不仅可以克服人工检测效率低、准确率低的问题,还可以节省劳动力、提高木材检测的智能化水平.本文概述了CNN的理论和典型网络模型,梳理、总结了CNN在木材缺陷图像分割、特征提取、识别分类中的研究与应用现状,并对CNN在木材缺陷检测领域的发展趋势进行展望,进一步拓展卷积神经网络在木材缺陷检测中的应用.
卷积神经网络、木材缺陷、图像处理、深度学习
35
S781.5(森林采运与利用)
中央高校基本科研业务费专项2572016CB11
2021-06-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
12-18