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
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。
图像检测 深度学习 木材缺陷 边缘检测 椭圆拟合 image detection deep learning wood defects edge detection elliptic fitting
