摘要:針對木材活節(jié)、死節(jié)、蟲眼等缺陷圖像的檢測問題,本文提出了一種基于深度學習的木材缺陷圖像檢測方法。首先,通過對Faster-RCNN網(wǎng)絡進行訓練,得到了可以對木材缺陷定位和識別的檢測模型;然后,應用NL-Means方法對圖像進行去噪,通過線性濾波、調(diào)整對比度和亮度實現(xiàn)圖像增強;再對圖像進行二值化處理,根據(jù)像素值差異提取缺陷邊緣特征點集,實現(xiàn)了對木材缺陷的精細分割;最后,對橢圓擬合方法進行了改進,實現(xiàn)了對木材缺陷邊緣點集的橢圓擬合,提供了新的木材缺陷加工方案。實驗結(jié)果表明,該算法具有較好的木材缺陷定位和分類能力,得到了較好的分割及擬合效果,可在缺陷修補這一環(huán)節(jié)減少約10%的木材填充量。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社