共查询到17条相似文献，搜索用时 593 毫秒
1.
2.
3.
基于优化卷积神经网络的木材缺陷检测 总被引：1，自引：0，他引：1
针对深度学习中的卷积神经网络算法,在木材无损检测过程中存在缺陷定位不准确、缺陷轮廓和边界信息不完整、识别精度需进一步提高等问题,利用非下采样剪切波变换最优稀疏表示特性,以及简单线性迭代聚类算法能很好地保持像素紧凑度和图像边界轮廓的优点,设计了一种优化的卷积神经网络算法,以提高木材无损检测的准确率。首先采用非下采样剪切波变换对采集的木材图像进行简单预处理,保留木材图像的缺陷特征不丢失,降低图像处理的复杂度以及运算量;然后利用卷积神经网络对木材图像实现深层次的算法设计,同时应用简单线性迭代聚类算法对初步模型进行增强改进,提取出相对准确的木材缺陷轮廓;最后通过反复调整参数和调试优化器,优化卷积神经网络算法的收敛速度,提高学习和运算效率,完善卷积神经网络对木材缺陷轮廓的提取,在降低运算复杂度的同时,提高其精度,具有良好的鲁棒性。相比径向基函数(RBF)神经网络、向后反馈-径向基函数(BP-RBF)混合神经网络和卷积神经网络,本算法对木材缺陷具有更好的识别效果,其识别准确率达到98.6%左右,且识别时间相对更短。 相似文献
4.
基于Faster R-CNN的实木板材缺陷检测识别系统 总被引：1，自引：0，他引：1
我国木材资源有限,为了提高木材的利用率,采用机器视觉来实现木材缺陷快速而稳定的检测,不仅可以克服人工检测的低效率和木材缺陷识别的低准确率,而且对提高木材加工企业的智能化水平具有重要意义。为了高效、快速、准确地进行无损检测,采用深度学习方法,建立了一种基于快速深度神经网络的实木板材缺陷识别模型。首先采用Resnet V2结构对采集到的实木板材缺陷图像进行特征提取,然后应用该模型对节子、孔洞等实木板材缺陷进行训练学习,最后构建了Faster R-CNN检测框架,并使用tensorflow开发平台对节子、孔洞等实木板材缺陷进行预测输出。具体选取了2 000块杉木样本,通过旋转对原始的实木板材图像进行数据扩充,扩充后图像的80%作为训练集,20%作为验证集来进行仿真。仿真结果表明,该模型对实木板材节子缺陷检测正确率为98%,对实木板材孔洞缺陷检测正确率为95%,验证了将深度学习算法应用于实木板材缺陷检测中的有效性。 相似文献
5.
6.
基于模糊聚类分析的木材缺陷CT图像分割 总被引：1，自引：0，他引：1
为了提高木材的利用率,在木材加工之前对木材缺陷CT图像进行分割,将节子和空洞等缺陷分割出来,通过观察缺陷的位置便于工人师傅下锯。利用计算机断层扫描（CT）技术获取木材缺陷图像,将数字图像处理技术与模糊聚类算法相结合,在标准的模糊C均值算法的基础上改进,采用半模糊聚类的分析方法对木材缺陷图像进行分割检测。实验结果表明：基于半模糊聚类的图像检测方法在木材图像检测上取得了较好的效果,缺陷边缘处很平滑,细节保留完整,更多的保留了边缘上的信息。从而证明了半模糊聚类分析法在木材缺陷CT图像处理方面具有可行性。 相似文献
7.
基于OTSU算法与数学形态学的木材缺陷图像分割 总被引：3，自引：0，他引：3
在木材分选过程中,图像缺陷分割技术占有重要的地位,能否精确提取缺陷轮廓会直接影响到分选的准确率.本文讨论提取木材表面缺陷图像的方法,应用OTSU算法与数学形态学相结合的方法对缺陷图像进行分割,最终提取出缺陷边缘.实验表明,经过OTSU算法和数学形态学进行图像分割,最后得到的木材缺陷图像更加清晰、连贯,提高了图像的可视性和准确性. 相似文献
8.
9.
基于深度学习的木材缺陷图像检测方法 总被引：3，自引：0，他引：3
针对木材活节、虫眼、死节等缺陷,提出一种深度学习的木材缺陷图像检测算法。首先构建训练数据库及测试数据库,同时设定卷积神经网络(CNN)的输入层、中间层、输出层等参数,并利用区域建议网络(RPN)反复训练CNN,然后利用训练好的CNN对测试图像进行检测,得到缺陷所在的矩形区域。将此区域作为初始分割范围,再利用CV模型进行图像精细分割。试验结果表明,提出的算法目标定位能力强,能很好地提取木材缺陷目标。 相似文献
10.
11.
经济林作为重要森林资源，其种植面积及产品产量逐年增加。随着科学技术的不断创新与升级，经济林产品加工产业快速发展、衍伸产品日趋增多，急需智能化检测、采收与分选技术与装备。深度融合人工智能技术与经济林产品加工产业，是实现高效化、精准化、智能化发展的重要手段之一。文中综合比较了深度学习技术中不同卷积神经网络算法及模型的优缺点，综述了其在经济林产品检测与分选中的研究进展，并针对研究应用过程中存在的问题提出了进一步深入研究建议，以期为经济林产品检测与分选的智能化发展提供参考。 相似文献
12.
人工神经网络在林业上的应用研究进展 总被引：2，自引：1，他引：1
在目前的林业生产中,林业作业机械化、自动化与智能化的程度存在着一定的不足,在林业作业中借助人工神经网络技术优化作业系统可以有效地提高作业效率和精度。文中概述了国内外人工神经网络在林业作业应用中的研究现状以及人工神经网络在林业作业应用中的优势,介绍了人工神经网络在植树造林、森林监测、森林采伐、木材加工4个方面的应用现状,在分析林业作业应用人工神经网络存在问题的基础上,提出了人工神经网络在林业作业应用中未来的发展方向,以期提高林业作业的智能性和准确性。 相似文献
13.
近红外光谱技术在木材无损检测中应用研究综述 总被引：3，自引：2，他引：1
近红外光谱技术作为一种先进的检测技术,具有操作简便,预测快速、准确、成本低廉和对样品全面无损等优点,已在农业、石油化工、食品、生物技术与医药等领域得到了广泛的应用,本文主要介绍近红外光谱技术的基本原理和特点,在近红外光谱分析中的常用化学计量学方法及国内外近红外光谱在预测木材化学性质、物理力学性质和木材缺陷等方面的研究成果及应用。 相似文献
14.
Marcus Vinicius Vieira Borges Janielle de Oliveira Garcia Tays Silva Batista Alexsandra Nogueira Martins Silva Fabio Henrique Rojo Baio Carlos Ant?nio da Silva Junior Gileno Brito de Azevedo Glauce Taís de Oliveira Sousa Azevedo Larissa Pereira Ribeiro Teodoro Paulo Eduardo Teodoro 《林业研究》2022,(2):591-599
In forest modeling to estimate the volume of wood, artificial intelligence has been shown to be quite effi-cient, especially using artificial neural networks (A... 相似文献
15.
16.
随着人工智能及仿智能设备技术的快速发展,人造板设备制造技术、控制技术及板材质量水平明显得到提升。概述了自动化计算机控制系统,探讨了自动化计算机控制系统在人造板设备中的4方面应用:控制系统应用,PLC技术应用,机、电、计算机一体化模式以及人工智能模式,并对自动化计算机控制系统在人造板设备中应用效果进行了深入分析和探讨。 相似文献
17.
随着人工智能技术的飞速发展，林区智能化水平开始逐步提升。与传统的人工林区作业相比，利用攀爬机器人来完成林木剪枝、果实采摘和树木损伤检测等工作，可以短时间、高效率、高准确性地完成任务，满足智能林业建设的需求，其应用前景受到各国学者的广泛关注，大量林业攀爬机器人样机脱颖而出。文中对国内外不同攀爬方式的林业攀爬机器人进行总结，在此基础上详细介绍攀爬机器人在林业领域中的应用，并对其3大关键技术问题进行详细探讨，最后对林业攀爬机器人的发展趋势进行展望，以期为攀爬机器人在林业领域中的进一步发展与应用提供参考。 相似文献