本文主要研究内容
作者陈献明,王阿川,王春艳（2019）在《基于深度学习的木材表面缺陷图像检测》一文中研究指出：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。
Abstract
zhen dui mu cai huo jie 、si jie 、chong yan deng que xian tu xiang de jian ce wen ti ,ben wen di chu le yi chong ji yu shen du xue xi de mu cai que xian tu xiang jian ce fang fa 。shou xian ,tong guo dui Faster-RCNNwang lao jin hang xun lian ,de dao le ke yi dui mu cai que xian ding wei he shi bie de jian ce mo xing ;ran hou ,ying yong NL-Meansfang fa dui tu xiang jin hang qu zao ,tong guo xian xing lv bo 、diao zheng dui bi du he liang du shi xian tu xiang zeng jiang ;zai dui tu xiang jin hang er zhi hua chu li ,gen ju xiang su zhi cha yi di qu que xian bian yuan te zheng dian ji ,shi xian le dui mu cai que xian de jing xi fen ge ;zui hou ,dui tuo yuan ni ge fang fa jin hang le gai jin ,shi xian le dui mu cai que xian bian yuan dian ji de tuo yuan ni ge ,di gong le xin de mu cai que xian jia gong fang an 。shi yan jie guo biao ming ,gai suan fa ju you jiao hao de mu cai que xian ding wei he fen lei neng li ,de dao le jiao hao de fen ge ji ni ge xiao guo ,ke zai que xian xiu bu zhe yi huan jie jian shao yao 10%de mu cai tian chong liang 。
论文参考文献
论文详细介绍
论文作者分别是来自液晶与显示的陈献明,王阿川,王春艳，发表于刊物液晶与显示2019年09期论文，是一篇关于图像检测论文,深度学习论文,木材缺陷论文,边缘检测论文,椭圆拟合论文,液晶与显示2019年09期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自液晶与显示2019年09期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。