林业科学

作者：刘恒1,郭浩盟1,戴蕙泽1,柴哲明2,3,李春育4,杨建华1,*

单位：1. 中国林业科学研究院木材工业研究所　北京 1000912. 哈尔滨工业大学仪器科学与工程学院　哈尔滨 1500063. 中国科学院深圳先进技术研究院　深圳 5180554. 唐县汇银木业有限公司　保定 072350

关键词：刨花板表面缺陷,目标检测,多尺度,正偏态分布,YOLO

基金：“十四五”国家重点研发计划项目（2023YFD2201500）。

目的: 针对刨花板表面缺陷尺度变化大、多尺度缺陷共存及缺陷数量随缺陷尺度呈正偏态分布导致检测精度低的问题，提出一种具备自适应感受野能力的目标检测方法（PBDNet），用于提升刨花板表面缺陷检测的精度和速度。方法: PBDNet通过引入空间分割与通道融合策略（SPDConv）作为下采样方法，将特征张量在空间上分割并在通道上拼接，减少下采样过程中的信息损失，为正偏态分布中高峰一侧的缺陷保留更多的细粒度特征，提高了检测模型对缺陷数量随缺陷尺度呈正偏态分布时的检测能力。此外，在PBDNet中提出的特征提取模块（C2f_SD），通过将可切换空洞卷积与差分卷积添加到C2f特征提取模块中，显著提高了模型对不同尺度缺陷的检测能力。结果: 对比试验及消融试验结果表明，PBDNet在mAP50值和Recall值上均优于主流缺陷检测算法。相较于YOLOv8s，PBDNet的mAP50值和Recall值分别提升4.8%和6.4%，达到0.881与0.840，同时在保持推理速度小于3 ms的情况下模型参数量减少42.2%。结论: PBDNet检测方法能够满足刨花板表面多尺度缺陷正偏态分布时的检测需求，为实时精确检测的需求刨花板表面缺陷检测产业化应用提供了一种高效、精准、可边缘部署的自动化检测方法。

来源：2025年第12期

《林业科学》期刊编辑部

查看林业科学杂志2025年第12期