-
题名基于改进深度置信网络的木板表面缺陷检测模型
被引量：2
- 1
-
-
作者
李馥颖
杨大为
黄海
-
机构
沈阳理工大学艺术设计学院
沈阳理工大学信息科学与工程学院
-
出处
《南京理工大学学报》
CAS
CSCD
北大核心
2022年第6期728-734,共7页
-
基金
辽宁省教育厅项目(LG201915)。
-
文摘
为了提高木板表面缺陷检测精度,采用连续型深度置信网络(DBN)建立木板表面缺陷检测模型。首先,对待检测的木板图片进行关键特征提取,并建立DBN检测模型。然后,将木板图片特征输入DBN的多个受限玻尔兹曼机(RBM)层进行深度训练,从而利用DBN的深度优势来获得木板表面缺陷检测结果。最后,引入人工蜂群(ABC)算法对DBN的权重参数进行优化从而缩短训练时间。实例测试实验结果表明:选择学习速率为0.075时,ABC-DBN算法在划痕、刮痕、裂缝、崩缺4类样本集中的均方根误差(RMSE)均值性能更优。采用卷积神经网络(CNN)、快速区域卷积神经网络(Faster R-CNN)、自适应增强卷积神经网络(AdaBoost-CNN)和ABC-DBN算法分别进行检测准确率对比实验。结果显示,ABC-DBN算法检测准确率RMSE为5.067×10^(-2),是最优结果,Adaboost-CNN算法次之,CNN算法最差。
-
关键词
深度置信网络
木板表面
缺陷检测
受限玻尔兹曼机
人工蜂群算法
卷积神经网络
快速区域卷积神经网络
自适应增强卷积神经网络
-
Keywords
deep belief network
wooden surface
defect detection
restricted Boltzmann machine
artificial bee colony algorithm
convolution neural network
faster area convolution neural network
adaptive enhanced convolutional neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合ViT卷积神经网络的木板表面缺陷识别
被引量：8
- 2
-
-
作者
郭文龙
刘芳华
吴万毅
李冲
肖鹏
刘朝
-
机构
江苏科技大学机械工程学院
-
出处
《计算机科学》
CSCD
北大核心
2022年第S02期609-614,共6页
-
基金
国家自然科学基金青年科学基金(51905228)
-
文摘
由于需要通过木板表面缺陷对木板分级,而人工检测存在一定问题。为解决木板表面缺陷识别问题,提出一种融合ViT的卷积神经网络模型,用于提高缺陷识别的准确率。为此,收集裂缝、虫眼、节子和纹理4种木板表面缺陷图片,其中裂缝和虫眼图片数量远少于节子和纹理。为解决模型训练时样本不均衡问题,利用ProGAN对裂缝和虫眼图片进行训练并生成同类型缺陷图片,以增加其数量,使4种图片数量保持平衡,并在实验前对缺陷图片进行数据增强并添加椒盐噪声,整理得到所需图片数据集。基于融合ViT的卷积神经网络模型,利用数据集验证两种不同激活函数的模型,结果表明使用GELU作为激活函数的模型性能更高。并测试不同的transformer深度时模型的性能,得到的模型缺陷识别的最高准确率可达到98.54%。实验结果表明,融合ViT的卷积神经网络模型是可行的,为木板表面缺陷自动检测提供了新思路。
-
关键词
木板表面缺陷
ProGAN
VIT
卷积神经网络
深度学习
-
Keywords
Wood surface defects
ProGAN
ViT
Convolutional neural network
Deep learning
-
分类号
S781.5
[农业科学—木材科学与技术]
TP183
[农业科学—林学]
TP391.41
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于图像融合的木板表面缺陷特征提取方法研究
被引量：6
- 3
-
-
作者
肖宾杰
殳伟群
-
机构
同济大学控制科学与工程系
-
出处
《计算机科学》
CSCD
北大核心
2011年第4期282-285,共4页
-
基金
德国博世公司基金资助
-
文摘
木材和实木家具表面在生产过程中有时会出现裂纹、凹点等缺陷,不同纹理背景和油漆反光会给缺陷识别带来很大困难。为了识别木板表面缺陷,通过光源对同一木板表面在4个不同角度照明并获取相应的4幅图像,组成图像序列,以获得更丰富的细节信息。提出一种基于主元分析法的图像序列融合方法,其融合了一组图像序列所包括的4幅图像的互补性信息,获取的融合结果可使缺陷特征更加明显。该方法引入了主元子空间之间的概念,可以在保留原有数据信息特征的基础上,提取主要信息。实验结果表明,基于主元分析方法的图像序列融合能更好地提取木板表面缺陷特征。所获得的特征图像可用于下一步对缺陷进行自动识别和分类。
-
关键词
木板表面缺陷
融合理论
主元分析法
图像序列融合
特征提取
-
Keywords
Defects on wood surfaces
Image fusion
Principal component analysis
Image series fusion
Feature extraction
-
分类号
TP391.7
[自动化与计算机技术—计算机应用技术]
-
