| 残差神经网络模型在木质板材缺陷分类中的应用 |
| |
| 引用本文： | 凌嘉欣,谢永华.残差神经网络模型在木质板材缺陷分类中的应用[J].东北林业大学学报,2021,49(8):111-116. |
| |
| 作者姓名： | 凌嘉欣 谢永华 |
| |
| 作者单位： | 东北林业大学,哈尔滨,150040 |
| |
| 摘 要： | 以虫眼、活节、死节3种缺陷的板材为研究对象,建立了小型样本库,采用数据增强方法,对图片进行旋转、平移、尺度变换、灰度变换等方式处理,使样本库扩容到10687张图片,其中7480张图片作为训练集、2137张图片作为验证集、1070张图片作为测试集;应用超分辨率测试序列(VGG)网络模型、谷歌网络模型(GoogLeNet)、残差神经网络模型(ResNet)对木质板材表面缺陷进行分类,依据分类精度,遴选识别效果较好的木质板材缺陷分类方法.结果表明:残差神经网络模型在不同的卷积层时分类精度均在80％以上,而改进的残差神经网络模型在模型结构为50层时的分类准确率高达98.63％,模型能较好地适用于木质板材表面缺陷分类.
|
| 关 键 词： | 木质板材缺陷 木材缺陷分类方法 残差神经网络模型 |
Residual Neural Network Model in Wood Plate Defect Classification |
| |
| Ling Jiaxin,Xie Yonghua.Residual Neural Network Model in Wood Plate Defect Classification[J].Journal of Northeast Forestry University,2021,49(8):111-116. |
| |
| Authors: | Ling Jiaxin Xie Yonghua |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
