【摘要】：對木材缺陷的識別和鑒定是木材物理學與木材環(huán)境學的重要組成部分,它具有重要的科學研究意義和實用價值,如何高效準確的對木材缺陷進行識別,這成為一直困擾木材學界的一個難題。采用傳統(tǒng)的人工目視檢測以及圖像處理方法已經(jīng)難以勝任,所以尋找一種可以替代傳統(tǒng)方法的技術,對木材缺陷的識別和分類研究具有重要的意義和應用價值。為了深入研究關于木材缺陷的圖像處理及模式識別問題,針對木材缺陷的特征性和圖像提取問題,采用卷積神經(jīng)網(wǎng)絡算法對木材缺陷的圖像進行識別和分析,引入卷積神經(jīng)網(wǎng)絡來解決這一難題具有理論和實踐的雙重可行性。本文針對木材的缺陷識別問題,采用卷積神經(jīng)網(wǎng)絡算法對木材的缺陷圖像進行識別,做出的工作如下:首先,由于選取的樹木的種類很多,且缺陷各不相同,使得每一種樣本的數(shù)量較少,想要對每一種樣本進行識別,采用傳統(tǒng)的卷積神經(jīng)網(wǎng)絡方法是難以做到的。針對這一問題,提出了一種跨層的卷積神經(jīng)網(wǎng)絡模型,該模型與傳統(tǒng)卷積神經(jīng)網(wǎng)絡的不同之處在于,該模型可以將網(wǎng)絡的低層次特征加入到分類器中,使卷積神經(jīng)網(wǎng)絡的識別效率變的更高。其次,對木材缺陷的識別,由于缺陷圖像過于復雜,包含的參數(shù)過多,使得識別過程緩慢。針對這一問題,采用改進的隨機梯度下降法對卷積神經(jīng)網(wǎng)絡進行優(yōu)化,使網(wǎng)絡的學習率隨著網(wǎng)絡的變化而自適應的改變,優(yōu)化后的網(wǎng)絡能準確的識別出圖像中的缺陷,提高識別效率。最后,將改進的隨機梯度下降算法應用到跨層卷積神經(jīng)網(wǎng)絡模型當中,可以進一步優(yōu)化網(wǎng)絡,引入跨層思想提高了改進卷積神經(jīng)網(wǎng)絡的準確率。優(yōu)化的算法能提高網(wǎng)絡的收斂速度,將這兩種方法進行結合,可以更加有效地對木材缺陷進行識別。實驗結果表明:根據(jù)木材表面缺陷圖像特征,運用改進的卷積神經(jīng)網(wǎng)絡,來解決木材表面缺陷識別問題,使網(wǎng)絡在識別精度上達到更高的水平。
【學位授予單位】：長春工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：S781.5;TP391.41

【參考文獻】

相關期刊論文 前4條

1 阮炳輝;楊六一;;淺析木材檢驗工作的重要性[J];科技致富向導;2012年33期

2 戴天虹;邱筱斐;;基于形態(tài)學的木材缺陷檢測[J];機電產(chǎn)品開發(fā)與創(chuàng)新;2011年05期

3 高程程;惠曉威;;基于灰度共生矩陣的紋理特征提取[J];計算機系統(tǒng)應用;2010年06期

4 陳志林;傅峰;葉克林;;我國木材資源利用現(xiàn)狀和木材回收利用技術措施[J];中國人造板;2007年05期

相關碩士學位論文 前1條

1 王輝;基于灰度共生矩陣木材表面紋理模式識別方法的研究[D];東北林業(yè)大學;2007年

，

本文編號：2709374