基于YOLOv4的结构用锯材表面缺陷识别

摘要：

结构用锯材在使用之前进行表面质量评价、分级,对于提高木材的综合利用率具有重要作用.综合利用机器视觉技术和深度学习方法,选取国内常用的云杉结构用锯材作为研究对象,通过工业相机采集结构用锯材表面主要缺陷(节子、虫眼、裂纹),并对锯材主要缺陷进行数字化评价分析.先通过自主搭建的机器视觉图像采集装置,采集100块结构锯材正反面表面图像,共获取表面缺陷图像1450张,其中活节缺陷图像550张、死节缺陷图像320张、裂纹缺陷图像295张、虫眼缺陷图像285张;随后搭建基于YOLOv4的深度学习缺陷检测识别框架,对缺陷图像中80％的图像进行训练,剩余20％用于测试.试验结果表明,基于YOLOv4的深度学习缺陷检测识别框架,能有效识别并准确定位锯材表面缺陷的类型和位置,平均识别率96.7％,其中活节缺陷识别率100％、死节缺陷识别率97.5％、裂纹缺陷识别率90％、虫眼缺陷识别率96.7％,可满足生产应用需求.

关键词：深度学习、YOLOv4、锯材表面质量、表面缺陷、质量评价

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;中央级公益性科研院所基本科研业务费专项;国家林业;林业公益性行业科研专项

在线出版日期：2021-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：120-126