基于Faster R-CNN的实木板材缺陷检测识别系统

摘要：

我国木材资源有限,为了提高木材的利用率,采用机器视觉来实现木材缺陷快速而稳定的检测,不仅可以克服人工检测的低效率和木材缺陷识别的低准确率,而且对提高木材加工企业的智能化水平具有重要意义.为了高效、快速、准确地进行无损检测,采用深度学习方法,建立了一种基于快速深度神经网络的实木板材缺陷识别模型.首先采用Resnet V2结构对采集到的实木板材缺陷图像进行特征提取,然后应用该模型对节子、孔洞等实木板材缺陷进行训练学习,最后构建了Faster R-CNN检测框架,并使用tensorflow开发平台对节子、孔洞等实木板材缺陷进行预测输出.具体选取了2 000块杉木样本,通过旋转对原始的实木板材图像进行数据扩充,扩充后图像的80％作为训练集,20％作为验证集来进行仿真.仿真结果表明,该模型对实木板材节子缺陷检测正确率为98％,对实木板材孔洞缺陷检测正确率为95％,验证了将深度学习算法应用于实木板材缺陷检测中的有效性.

关键词：实木板材、板材缺陷识别、深度学习、Faster R-CNN、无损检测

所属期刊栏目：4

分类号：TP391(计算技术、计算机技术)

资助基金：国家林业局“948”项目2014-4-48;江苏省政策引导类计划国际科技合作项目BZ2016028

在线出版日期：2019-08-02（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：112-117