林业科学

作者：邵明伟1,2,董军宇2

单位：1. 青岛理工大学信息与控制工程学院 青岛 2665202. 中国海洋大学信息科学与工程学院 青岛 266100

关键词：深度学习,优选锯,木材处理,缺陷识别,计算机视觉

基金：山东省自然科学基金项目(ZR2020QF101)

目的: 提出一种基于深度学习的木材优选锯视觉检测算法，以最大限度增加木材出材率，提高木材价值，并进一步提升木材加工行业自动化水平。方法: 通过样本训练获得木材缺陷和木材等级识别网络，视觉传感器获取需检测木材图像，由木材缺陷识别网络确定木材缺陷的具体位置；对于无缺陷木材，由木材等级识别网络确定视觉传感器视场内木材的具体等级，进而确定切除部位在图像坐标系下的位置；由事先确定的图像平面与木材物理平面之间的单应关系确定木材最终切除位置列表。结果: 在本研究试验条件下，基于深度学习的木材优选锯视觉检测算法单幅图像缺陷检测时间为123 ms，缺陷检测正确率为95.8%，单幅图像等级分类识别时间为55 ms，分类识别正确率为97.1%，平均检测时间为86 ms，平均正确率为96.5%。结论: 基于深度学习的木材优选锯视觉检测算法运行速度快、识别准确率高、鲁棒性强，可克服传统优选锯分类不佳且需要人工干预的缺点，自动化程度高，能够满足木材优选锯实时、准确检测要求。

来源：2020年第12期

《林业科学》期刊编辑部

查看林业科学杂志2020年第12期