萧嘉奕1,2,马 艳1, 2,周 竹1, 2,方益明2, 3.基于Faster R-CNN模型的木材表面节子缺陷检测[J].木材工业,2020,34(2):45-48
基于Faster R-CNN模型的木材表面节子缺陷检测
Detection of Timber Surface Knots Based on Faster R-CNN
  
DOI:
中文关键词:  深度学习;节子检测;Faster R-CNN;缺陷定位
英文关键词:Deep learning;knot detection;Faster R-CNN;defect positioning
基金项目:
作者单位
萧嘉奕1,2,马 艳1, 2,周 竹1, 2,方益明2, 3 1. 浙江农林大学信息工程学院,浙江杭州 311300;2. 浙江省林业智能监测与信息技术研究重点实验室,浙江杭州 311300; 3. 浙江双枪竹木有限公司,浙江丽水 323800 
摘要点击次数: 31
全文下载次数: 10
中文摘要:
      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。
英文摘要:
      An inspection method of timber surface knots was developed based on Faster R-CNN model. The new method made the selection of knot features data-driven, adapted variation of wood species and knot types, and improved inspection accuracy efficiently. The test results showed that the positions and sizes of the knots were detected with 94.0% of inspection accuracy. The images of the four typical samples showed that the maximum errors of knot positions and sizes were 5 pixels and 7 pixels, respectively. The Faster R-CNN method was superior to OSTU-based method in the study.
查看全文  查看/发表评论  下载PDF阅读器
关闭