期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于木材纹理图像和改进ResNet50_DTPE模型的5种红木树种识别方法
1
作者 田朔 刘美怡 +2 位作者 杨东 李文珠 徐耀飞 《木材科学与技术》 北大核心 2024年第5期77-84,共8页
针对5种常用于家具的红木用材树种:刺猬紫檀(Pterocarpus erinaceus Poir.)、大果紫檀(Pterocarpus macrocarpus Kurz)、交趾黄檀(Dalbergia cochinchinensis Pierre)、阔叶黄檀(Dalbergia latifolia Roxb.)和微凹黄檀(Dalbergia retusa... 针对5种常用于家具的红木用材树种:刺猬紫檀(Pterocarpus erinaceus Poir.)、大果紫檀(Pterocarpus macrocarpus Kurz)、交趾黄檀(Dalbergia cochinchinensis Pierre)、阔叶黄檀(Dalbergia latifolia Roxb.)和微凹黄檀(Dalbergia retusa Hemsl.),基于残差网络(residual network 50,ResNet50)与详细纹理感知引擎(detailed texture perception engine,DTPE)的改进注意力机制算法,提出一种新型木材纹理识别模型,获得快速简便且高效准确的红木树种识别方法。通过采集红木家具表面木材花纹,提取木材纹理图像构建数据集,采用稳定扩散结合控制网络技术生成额外图像扩充数据集,同时进行数据增强处理,构建ResNet50_DTPE模型,并与当前主流的卷积神经网络模型ConvNeXt和EfficientNetV2进行比较。结果显示,数据集扩充和增强提高图像数量同时增强图像质量,模型的识别准确率、召回率和F1分数均呈现上升趋势,对5种红木树种识别准确率均在90%以上;将DTPE集成到ResNet50末端,同时保持ResNet50原有网络结构,验证集最高准确率达到99.8%;通过消融试验对比验证,改进的ResNet50_DTPE模型在运行速率和识别准确率上有显著提升,训练时间为11.0 h,推理时间为24.0 ms/张,最高识别准确率为99.8%。结果验证了ResNet50_DTPE模型对5种红木树种图像识别的有效性,为木材树种识别提供了一种新的思路和解决方案。 展开更多
关键词 红木 树种识别 木材纹理图像 残差网络 详细纹理感知引擎
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部