基于CNN的典型木材缺陷图像识别研究

基于CNN的典型木材缺陷图像识别研究

论文摘要

为提高木材缺陷的正确识别率,该研究基于卷积神经网络算法的识别方法,提出了一种采用渐近式学习方法来确定训练样本数目的识别算法,文中给出对应的神经网络结构图。在Matlab2010a进行试验,结果表明:该算法不需要对原始图像进行复杂的预处理,便能够识别多种木材缺陷的类型,算法精度较高且复杂度比较小,能够节约算法的时间,具有更好的鲁棒性,也克服了传统算法中的诸多固有缺点。该研究与采用径向基核函数的支持向量机算法相比较,渐近方式的CNN,识别木材缺陷的正确率更高,能够达到90%以上,可为进一步的木材识别开发提供技术支持。

论文目录

  • 0 引言
  • 1 试验材料与方法
  •   1.1 试验材料
  •   1.2 试验方法
  •     1.2.1 木材缺陷识别流程
  •     1.2.2 图像采集
  •     1.2.3 特征提取与选择
  •   1.3 数据分析
  •     1.3.1 图像判别分析
  •     1.3.2 CNN神经网络
  • 2 试验结果与分析
  •   2.1 支持向量机分类
  •   2.2 CNN神经网络分类
  • 3 结论
  • 文章来源

    类型: 期刊论文

    作者: 张瑞峰,夏坡坡

    关键词: 神经网络,木材缺陷,渐进式,识别

    来源: 现代化农业 2019年01期

    年度: 2019

    分类: 农业科技,工程科技Ⅰ辑,信息科技

    专业: 轻工业手工业,林业,计算机软件及计算机应用

    单位: 浙江农林大学工程学院

    分类号: S781.5;TP391.41

    页码: 37-40

    总页数: 4

    文件大小: 191K

    下载量: 194

    相关论文文献

    • [1].基于深度学习的木材缺陷图像的识别与定位[J]. 数据采集与处理 2020(03)
    • [2].基于深度强化学习的木材缺陷图像重构及质量评价模型研究[J]. 湖北农业科学 2020(13)
    • [3].木材缺陷重建图像的多核模型研究[J]. 黑龙江大学自然科学学报 2017(01)
    • [4].用于木材缺陷双面检测的自动翻转机构设计[J]. 制造业自动化 2015(12)
    • [5].如何提高木材缺陷的检验技术[J]. 现代园艺 2013(20)
    • [6].基于深度强化学习的木材缺陷图像识别及分割模型研究[J]. 电子测量技术 2020(17)
    • [7].木材缺陷检测技术研究概况与发展趋势[J]. 林业机械与木工设备 2019(01)
    • [8].基于深度学习的木材缺陷图像检测方法[J]. 林业机械与木工设备 2018(08)
    • [9].基于图像处理的木材缺陷的阈值设定研究[J]. 黑龙江科技信息 2015(19)
    • [10].木材缺陷声发射信号的小波包分析处理[J]. 计算机工程与应用 2010(11)
    • [11].木材缺陷的评定及捡量方法[J]. 科技创新与应用 2013(12)
    • [12].用材林合理整枝技术[J]. 农村科技 2011(07)
    • [13].5种小波阈值去噪法处理木材缺陷图像的仿真比较[J]. 江苏农业科学 2013(05)
    • [14].应用兰德韦伯算法的木材缺陷图像重建[J]. 东北林业大学学报 2019(12)
    • [15].基于迁移学习的木材缺陷近红外识别方法研究[J]. 电机与控制学报 2020(10)
    • [16].木材缺陷的调查研究及修补方案[J]. 淮阴工学院学报 2017(03)
    • [17].基于模糊聚类分析的木材缺陷CT图像分割[J]. 森林工程 2014(03)
    • [18].基于形态学梯度算法的木材缺陷图像边缘检测[J]. 林业机械与木工设备 2008(09)
    • [19].谈木材缺陷的一般规律[J]. 知识经济 2011(18)
    • [20].基于RGB颜色分量线性关系的木材缺陷分割研究[J]. 大庆师范学院学报 2018(06)
    • [21].主元分析法在木材缺陷轮廓特征提取中的应用研究[J]. 林业机械与木工设备 2010(11)
    • [22].基于LBP特征提取的木材缺陷快速识别算法研究[J]. 电子元器件与信息技术 2019(10)
    • [23].基于深度学习的木材表面缺陷图像检测[J]. 液晶与显示 2019(09)
    • [24].基于Otsu算法的木材缺陷图像分割[J]. 计算机与数字工程 2012(10)
    • [25].木材缺陷识别方法的研究[J]. 森林工程 2008(04)
    • [26].基于3D扫描技术的木材缺陷定量化分析[J]. 农业工程学报 2017(07)
    • [27].基于应力波和支持向量机的木材缺陷识别分类方法[J]. 南京林业大学学报(自然科学版) 2015(03)
    • [28].木材缺陷对木材利用的影响[J]. 科技信息(科学教研) 2008(24)
    • [29].基于分数阶CV模型的木材缺陷图像分割算法[J]. 林业机械与木工设备 2018(04)
    • [30].利用局部二值模式和方向梯度直方图融合特征对木材缺陷的支持向量机学习分类[J]. 东北林业大学学报 2019(06)

    标签:;  ;  ;  ;  

    基于CNN的典型木材缺陷图像识别研究
    下载Doc文档

    猜你喜欢