基于YOLO-RW模型的机器视觉原木端面识别定位

摘要：

在原木木材材积检测中,由于端面伐痕、开裂和阴影等因素容易影响智能检测系统的准确性和稳定性,一直以来,端面识别定位属于一个难点问题.对多个YOLO(You Only Look Once)版本模型的原理分析和试验验证,融合这些YOLO版本模型优点,在yolo3 主干网络基础上,采用数据增强、特征融合和损失函数等优化手段,构建更加适用于原木检测的端到端深度学习模型YOLO-Raw Wood(YOLO-RW),用于原木木材材积图像的准确识别和定位.为检验YOLO-RW模型性能,设计多组数据试验.结果表明,同比基准模型,YOLO-RW模型具有更高的端面识别精度和鲁棒性,在准确率和召回率评价指标平均值上,分别高出基准模型 6.95%和 2.38%以上.研究表明,YOLO-RW模型在原木木材材积检测领域有着较好的应用价值,亦可为相关目标识别领域的研究提供借鉴.

关键词：原木木材、端面识别、深度学习、YOLO-RW、目标识别

所属期刊栏目：39

分类号：S776(森林工程、林业机械)

资助基金：江西省教育厅科学技术研究项目GJJ2205420

在线出版日期：2023-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：144-153