基于Adaboost与CNN的木材表面缺陷检测

论文摘要

针对木材智能下料前期需要快速获取木材表面缺陷的位置以及类别信息的要求,基于数字图像处理技术,提出了一个组合算法用于木材表面缺陷的快速识别与定位。使用了Adaboost级联分类器在图像中提取出木材表面缺陷区域的候选框,有效解决了传统分割方法对于多目标难以处理的问题。使用了具有自学习特征能力的CNN(Convolutional Neural Networks)模型对输入的候选框进行分类,克服了传统分类方法中特征难以选择的不足。基于大量样本对模型进行训练,采用200张多缺陷样本进行测试。试验结果表明:检测的召回率为94%,检测的正确率为99%,分类的准确率为97.9%。试验验证了该算法可以满足木材表面缺陷的定位与分类要求。

论文目录

文章来源

类型: 期刊论文

作者: 王红军,黎邹邹,邹湘军

关键词: 智能下料,木材表面缺陷,局部二值模式,卷积神经网络

来源: 系统仿真学报 2019年08期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 材料科学,自动化技术

单位: 华南农业大学工程学院

基金: 国家自然科学基金(51705365),广东省科技计划项目(2016A0101 02013)

分类号: TP183;TB302.5

DOI: 10.16182/j.issn1004731x.joss.17-0262

页码: 1636-1645

总页数: 10

文件大小: 723K

下载量: 221

相关论文文献

• [1].基于多步校正的改进AdaBoost算法[J]. 清华大学学报(自然科学版)网络.预览 2008(10)
• [2].基于AdaBoost级联框架的舌色分类[J]. 北京生物医学工程 2020(01)
• [3].基于CEEMDAN+RF+AdaBoost的短期负荷预测[J]. 水电能源科学 2020(04)
• [4].基于AdaBoost算法的炉芯温度预测模型[J]. 钢铁研究学报 2020(05)
• [5].基于iForest-Adaboost的核电厂一回路故障诊断技术研究[J]. 核动力工程 2020(03)
• [6].基于AdaBoost的短期边际电价预测模型[J]. 计算机与数字工程 2020(02)
• [7].基于AdaBoost的雷达剩余杂波抑制方法[J]. 电光与控制 2020(06)
• [8].基于AdaBoost集成学习的窃电检测研究[J]. 电力系统保护与控制 2020(19)
• [9].基于混合采样AdaBoost的地中海贫血数据诊断研究[J]. 数据通信 2020(05)
• [10].基于KELM-AdaBoost方法的短期风电功率预测（英文）[J]. 控制工程 2019(03)
• [11].Adaboost-SVM多因子选股模型[J]. 经济研究导刊 2019(10)
• [12].一种改进的Adaboost-BP算法在手写数字识别中的研究[J]. 大理大学学报 2019(06)
• [13].一种快速AdaBoost.RT集成算法时间序列预测研究[J]. 电子测量与仪器学报 2019(06)
• [14].一种加入动态权重的AdaBoost算法[J]. 重庆师范大学学报(自然科学版) 2019(05)
• [15].基于改进的AdaBoost算法的中压配电网断线不接地故障检测[J]. 电测与仪表 2019(16)
• [16].基于Adaboost算法的人脸检测的研究[J]. 中外企业家 2019(26)
• [17].基于Adaboost.RT算法的隧道沉降时间序列预测研究[J]. 中国计量大学学报 2019(03)
• [18].一种改进的BP-AdaBoost算法及应用研究[J]. 现代电子技术 2019(19)
• [19].AdaBoost的多样性分析及改进[J]. 计算机应用 2018(03)
• [20].基于改进Real AdaBoost算法的软件可靠性预测[J]. 空军工程大学学报(自然科学版) 2018(01)
• [21].一种基于聚类和AdaBoost的自适应集成算法[J]. 吉林大学学报(理学版) 2018(04)
• [22].基于Adaboost算法的人眼检测技术在路考系统中的应用[J]. 汽车与安全 2016(04)
• [23].基于改进Adaboost算法的人脸检测方法[J]. 科技经济导刊 2018(18)
• [24].基于Adaboost和回归树集合技术的疲劳识别研究[J]. 汕头大学学报(自然科学版) 2017(02)
• [25].基于AdaBoost算法的在线连续极限学习机集成算法[J]. 软件导刊 2017(04)
• [26].基于Adaboost的改进多元线性回归算法中长期负荷预测[J]. 太原理工大学学报 2017(05)
• [27].Adaboost人眼定位方法改进与实现[J]. 大连交通大学学报 2017(05)
• [28].基于SVM-Adaboost裂缝图像分类方法研究[J]. 公路交通科技 2017(11)
• [29].基于Adaboost算法的主客观句分类[J]. 长春大学学报 2015(12)
• [30].基于AdaBoost的极限学习机集成算法[J]. 软件导刊 2016(04)

标签：智能下料论文;  木材表面缺陷论文;  局部二值模式论文;  卷积神经网络论文;