基于CNN的典型木材缺陷图像识别研究 |
| |
引用本文: | 张瑞峰,夏坡坡.基于CNN的典型木材缺陷图像识别研究[J].现代化农业,2019(1). |
| |
作者姓名: | 张瑞峰 夏坡坡 |
| |
作者单位: | 浙江农林大学工程学院 |
| |
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。
|
关 键 词: | CNN神经网络 木材缺陷 渐进式 识别 |
本文献已被 CNKI 等数据库收录! |
|