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