發(fā)布時(shí)間：2020-12-12 14:03

　　針對(duì)基于近紅外光譜的硬木表面缺陷分類檢測(cè)中,由于樣本數(shù)量有限、數(shù)據(jù)代表性不足等原因,導(dǎo)致的分類器泛化能力不足、精度仍有待提高等問題,提出適應(yīng)成分分析與深度遷移前饋神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法,有效地遷移其他樹種光譜與缺陷對(duì)應(yīng)知識(shí)至目標(biāo)分類器,提高分類器性能。以色木樣本為源域,柞木樣本為目標(biāo)域,根據(jù)近紅外光譜定性分析方法,在900～1 700 nm光譜波長范圍內(nèi)采集了色木、柞木樣本表面無瑕、活節(jié)、死節(jié)等3種近紅外光譜數(shù)據(jù)。經(jīng)過標(biāo)準(zhǔn)正態(tài)變量變換和Savitzky-Golay平滑進(jìn)行原始光譜去噪預(yù)處理后投入建立的基于適應(yīng)成分分析的深度遷移學(xué)習(xí)模型。將測(cè)試樣本投入完成的分類器進(jìn)行測(cè)試,結(jié)果表明,當(dāng)柞木訓(xùn)練集占總樣本比例超過30%后,模型對(duì)3種類型缺陷的識(shí)別率均為100%。 

【文章來源】：電機(jī)與控制學(xué)報(bào). 2020年10期 第159-166頁 北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

基于近紅外光譜的領(lǐng)域自適應(yīng)深度遷移硬木缺陷分類流程圖

樣本在波長范圍為900～1 700 nm的近紅外光譜中均勻采集512個(gè)波長點(diǎn)。色木、柞木樣本原始光譜如圖2所示�？梢钥闯觯瑹o瑕樣本與活節(jié)樣本光譜相似性較強(qiáng)，不易區(qū)分。死節(jié)光譜與無瑕、活節(jié)樣本相比，差異性更大，更易區(qū)分。同時(shí)可見原始光譜高頻噪聲較多，有明顯的光程散射。圖2 硬木表面缺陷原始光譜

硬木表面缺陷原始光譜

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的木材缺陷圖像檢測(cè)方法[J]. 程玉柱,顧權(quán),王眾輝,李趙春.  林業(yè)機(jī)械與木工設(shè)備. 2018(08)
[2]紅外熱像無損檢測(cè)技術(shù)的發(fā)展歷程、現(xiàn)狀和趨勢(shì)[J]. 劉穎韜,郭廣平,曾智,李曉麗,唐佳.  無損檢測(cè). 2017(08)
[3]基于機(jī)器視覺的鋸材表面缺陷檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 楊建華,張偉,李麗.  林產(chǎn)工業(yè). 2013(01)
[4]近紅外光譜結(jié)合SIMCA模式識(shí)別法檢測(cè)木材表面節(jié)子[J]. 楊忠,陳玲,付躍進(jìn),呂斌.  東北林業(yè)大學(xué)學(xué)報(bào). 2012(08)
[5]基于紋理特征的柳杉鋸材表面節(jié)疤缺陷的自動(dòng)識(shí)別[J]. 朱新波,王婷,李重根,胡傳雙,胡碩飛.  華南農(nóng)業(yè)大學(xué)學(xué)報(bào). 2009(03)
[6]近紅外光譜分析中光譜預(yù)處理方法的作用及其發(fā)展[J]. 尼珍,胡昌勤,馮芳.  藥物分析雜志. 2008(05)
[7]超聲波木材缺陷檢測(cè)若干問題的探討[J]. 于文勇,王立海,楊慧敏,張希棟.  森林工程. 2006(06)



本文編號(hào)：2912693