基于深度卷积神经网络的木材表面缺陷检测系统设计

论文摘要

针对木材表面的虫眼、结节和裂缝等缺陷,采用传统的人工检测人力成本较高,而采用图像处理技术提取的各种特征取决于人工经验,且受到噪声、光照等外界因素影响较大,其实际应用具有很大的局限性,因此提出基于深度卷积神经网络的木材表面缺陷检测方法。首先构建数据库,考虑到样本有限,采用了数据增强扩充样本数量;其次以在ImageNet数据集上获得优异性能的VGG16模型为基础,采用迁移学习,基于自建的小样本数据库微调该神经网络的后三个全连接层参数;最后利用重新训练好的深度卷积神经网络对测试图像进行检测,结果表明该网络在木材表面缺陷检测上达到了很好的性能。

论文目录

• 1 基于深度学习的木材表面缺陷检测系统设计
•   1.1 算法流程
•   1.2 数据增强
•   1.3 迁移学习
• 2 实验与分析
•   2.1 VGG16模型迁移
•   2.2 实验结果
• 3 结 论

文章来源

类型: 期刊论文

作者: 项宇杰,陈月芬,卢卫国,潘佳浩

关键词: 深度卷积神经网络,木材表面缺陷,迁移学习,微调,数据增强

来源: 系统仿真技术 2019年04期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑,农业科技

专业: 轻工业手工业,林业,计算机软件及计算机应用,自动化技术

单位: 台州学院电子与信息工程学院

基金: 台州学院大学生创新训练项目(201910350128)

分类号: S781;TP391.41;TP183

DOI: 10.16812/j.cnki.cn31-1945.2019.04.008

页码: 253-257

总页数: 5

文件大小: 870K

下载量: 213