發(fā)布時(shí)間：2021-07-19 13:31

　　語(yǔ)義分割是機(jī)器視覺(jué)中一項(xiàng)具有挑戰(zhàn)性的任務(wù),利用深度學(xué)習(xí)提高語(yǔ)義分割性能是當(dāng)前研究的熱點(diǎn)之一。針對(duì)木材缺陷圖像語(yǔ)義分割問(wèn)題,提出一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）的木材缺陷圖像語(yǔ)義分割方法。首先,回顧C(jī)NN的幾種典型的網(wǎng)絡(luò)結(jié)構(gòu)及其發(fā)展歷程;然后,總結(jié)了圖像語(yǔ)義分割方法的分類(lèi),并提出了改進(jìn)的CNN圖像語(yǔ)義分割方法;最后構(gòu)建木材缺陷圖像數(shù)據(jù)庫(kù),對(duì)模型進(jìn)行訓(xùn)練和測(cè)試�；�于TensorFlow與OpenCV的測(cè)試結(jié)果表明,設(shè)置合適的通道數(shù)和網(wǎng)絡(luò)層數(shù)等參數(shù),算法能夠?qū)崿F(xiàn)木材缺陷的圖像分割。 

【文章來(lái)源】：林業(yè)和草原機(jī)械. 2020,1(06)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

CNN的圖像語(yǔ)義分割

訓(xùn)練樣本示例

利用訓(xùn)練好的模型對(duì)50幅測(cè)試圖片檢測(cè)，得到結(jié)果。選取了三類(lèi)典型代表圖片，得到分割結(jié)果圖，如圖5所示。上排為RGB彩圖木材缺陷圖，下排為對(duì)應(yīng)的測(cè)試結(jié)果圖。3 結(jié)果分析

【參考文獻(xiàn)】：
期刊論文
[1]基于深度敏感空間金字塔池化的RGBD語(yǔ)義分割[J]. 楊勝杰,仇振安,高小寧,李建勛.  電光與控制. 2020(12)
[2]基于中智集的木材缺陷圖像檢測(cè)方法[J]. 周宇,潘世豪,劉偉嘉,于音什,周仲凱,劉軍.  林業(yè)機(jī)械與木工設(shè)備. 2020(10)
[3]基于深度強(qiáng)化學(xué)習(xí)的木材缺陷圖像識(shí)別及分割模型研究[J]. 張旭中,翟道遠(yuǎn),陳俊.  電子測(cè)量技術(shù). 2020(17)
[4]木材節(jié)子缺陷圖像分割方法比較研究[J]. 張浩然,東佳毅,張岱,武登科,周鵬程,劉軍.  林業(yè)機(jī)械與木工設(shè)備. 2020(08)
[5]機(jī)器視覺(jué)在木材缺陷檢測(cè)領(lǐng)域應(yīng)用研究進(jìn)展[J]. 范佳楠,劉英,楊雨圖,緱斌麗.  世界林業(yè)研究. 2020(03)
[6]基于RCDA的家具表面死節(jié)缺陷圖像分割[J]. 周宇,周仲凱,于音什,劉偉嘉,劉軍.  林業(yè)機(jī)械與木工設(shè)備. 2019(08)
[7]木材缺陷檢測(cè)技術(shù)研究概況與發(fā)展趨勢(shì)[J]. 丁偉彪,王寶金.  林業(yè)機(jī)械與木工設(shè)備. 2019(01)
[8]應(yīng)用改進(jìn)分水嶺算法對(duì)木材表面缺陷圖像分割試驗(yàn)[J]. 王金聰,宋文龍,張彭濤.  東北林業(yè)大學(xué)學(xué)報(bào). 2018(10)
[9]基于圖割算法的木材表面缺陷圖像分割[J]. 白雪冰,李潤(rùn)佳,許景濤,宋恩來(lái).  林業(yè)工程學(xué)報(bào). 2018(02)
[10]木材缺陷的圖像分割提取技術(shù)綜述[J]. 賈壯,戴天虹,李昊.  西部林業(yè)科學(xué). 2015(05)

碩士論文
[1]木材表面缺陷的圖像分割方法研究[D]. 許景濤.東北林業(yè)大學(xué) 2017



本文編號(hào)：3290788