文献类型：期刊文章

作　　者：陈献明[1] 王阿川[1] 王春艳[2]

CHEN Xian-ming;WANG A-chuan;WANG Chun-yan(College of Information and Computer Engineering,Northeast Forestry University,Harbin 150040,China;Zhalantun Vocational College,Zhalantun 162650,China)

机构地区：[1]东北林业大学信息与计算机工程学院,黑龙江哈尔滨150040 [2]扎兰屯职业学院,内蒙古扎兰屯162650

出　　处：《液晶与显示》

基　　金：黑龙江省自然科学基金(No.C201414);哈尔滨市优秀学科带头人基金项目(No.2014RFXXJ040)~~

年　　份：2019

卷　　号：34

期　　号：9

起止页码：879-887

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EBSCO、IC、INSPEC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对木材活节、死节、虫眼等缺陷图像的检测问题,本文提出了一种基于深度学习的木材缺陷图像检测方法。首先,通过对Faster-RCNN网络进行训练,得到了可以对木材缺陷定位和识别的检测模型;然后,应用NL-Means方法对图像进行去噪,通过线性滤波、调整对比度和亮度实现图像增强;再对图像进行二值化处理,根据像素值差异提取缺陷边缘特征点集,实现了对木材缺陷的精细分割;最后,对椭圆拟合方法进行了改进,实现了对木材缺陷边缘点集的椭圆拟合,提供了新的木材缺陷加工方案。实验结果表明,该算法具有较好的木材缺陷定位和分类能力,得到了较好的分割及拟合效果,可在缺陷修补这一环节减少约10%的木材填充量。

关 键 词：图像检测 深度学习  木材缺陷 边缘检测 椭圆拟合  

分 类 号：TP391.41]