基于YOLOv4的结构用锯材表面缺陷识别 |
| |
作者单位: | 国家林业和草原局北京林业机械研究所,北京 100029;国家林业和草原局北京林业机械研究所,北京 100029;中国林业科学研究院林业新技术研究所,北京 100091;国家林业和草原局北京林业机械研究所,北京 100029;福建省林业科学研究院,福州 350012 |
| |
基金项目: | 国家自然科学基金;中央级公益性科研院所基本科研业务费专项;国家林业;林业公益性行业科研专项 |
| |
摘 要: | 结构用锯材在使用之前进行表面质量评价、分级,对于提高木材的综合利用率具有重要作用。综合利用机器视觉技术和深度学习方法,选取国内常用的云杉结构用锯材作为研究对象,通过工业相机采集结构用锯材表面主要缺陷(节子、虫眼、裂纹),并对锯材主要缺陷进行数字化评价分析。先通过自主搭建的机器视觉图像采集装置,采集100块结构锯材正反面表面图像,共获取表面缺陷图像1 450张,其中活节缺陷图像550张、死节缺陷图像320张、裂纹缺陷图像295张、虫眼缺陷图像285张;随后搭建基于YOLOv4的深度学习缺陷检测识别框架,对缺陷图像中80%的图像进行训练,剩余20%用于测试。试验结果表明,基于YOLOv4的深度学习缺陷检测识别框架,能有效识别并准确定位锯材表面缺陷的类型和位置,平均识别率96.7%,其中活节缺陷识别率100%、死节缺陷识别率97.5%、裂纹缺陷识别率90%、虫眼缺陷识别率96.7%,可满足生产应用需求。
|
关 键 词: | 深度学习 YOLOv4 锯材表面质量 表面缺陷 质量评价 |
本文献已被 CNKI 万方数据 等数据库收录! |
|