中國是刨花板生產(chǎn)大國。近些年,隨著高效連續(xù)平壓機(jī)刨花板生產(chǎn)線的普遍應(yīng)用,刨花板生產(chǎn)效率大幅度提高,刨花板產(chǎn)量逐年上升,推動(dòng)了刨花板行業(yè)的發(fā)展。在連續(xù)平壓機(jī)刨花板生產(chǎn)線高速運(yùn)行生產(chǎn)過程中,緣于原料成分、原料配比、技術(shù)工藝等諸多原因,部分產(chǎn)品表面難免會(huì)出現(xiàn)瑕疵、缺陷。這些刨花板表面的缺陷會(huì)影響板材質(zhì)量、造成后續(xù)貼面困難,把控疏漏易造成刨花板優(yōu)品率下降,次品率增加。截至目前,我國企業(yè)均依靠人工肉眼識(shí)別缺陷、檢測缺陷、定級分等。此傳統(tǒng)檢測方法存在以下三個(gè)方面弊端。一方面,工人在嘈雜昏暗復(fù)雜的生產(chǎn)環(huán)境下,長時(shí)間用眼觀察高速運(yùn)行生產(chǎn)線上的刨花板,很快形成視覺疲勞,便會(huì)產(chǎn)生漏檢和誤檢,導(dǎo)致刨花板出廠質(zhì)量下降。另一方面,人工肉眼檢測速度低于刨花板出板速度,刨花板從磨砂機(jī)出板后需減速,以低速運(yùn)行模式配合人工肉眼檢測,這樣便嚴(yán)重降低了刨花板出廠效率。再一方面,行業(yè)標(biāo)準(zhǔn)-林業(yè)（CN-LY）的《船用貼面刨花板.定義和分類》標(biāo)準(zhǔn)中,刨花板表面缺陷單個(gè)面積不得超過10mm~2,且5~10mm~2面積缺陷不得超過2個(gè),人工肉眼不易捕捉。因此,研發(fā)一款準(zhǔn)確高效的刨花板表面缺陷實(shí)時(shí)檢測系統(tǒng),是緩解我國高產(chǎn)量刨花板生產(chǎn)行... 

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

刨花板分

刨花板分類定級及部分缺陷

網(wǎng)絡(luò)模型檢測流程示意圖

【參考文獻(xiàn)】：
期刊論文
[1]基于Mask R-CNN的玉米田間雜草檢測方法[J]. 姜紅花,張傳銀,張昭,毛文華,王東,王東偉.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020(06)
[2]Focal損失在圖像情感分析上的應(yīng)用研究[J]. 傅博文,唐向宏,肖濤.  計(jì)算機(jī)工程與應(yīng)用. 2020(10)
[3]基于CNN的彩色圖像引導(dǎo)的深度圖像超分辨率重建[J]. 王紫薇,鄧慧萍,向森,楊建帆.  圖學(xué)學(xué)報(bào). 2020(02)
[4]基于機(jī)器視覺的農(nóng)業(yè)機(jī)械圖像識(shí)別系統(tǒng)分析[J]. 朱丹,吳茲古力.  農(nóng)機(jī)化研究. 2020(10)
[5]基于視覺的目標(biāo)檢測方法綜述[J]. 李章維,胡安順,王曉飛.  計(jì)算機(jī)工程與應(yīng)用. 2020(08)
[6]應(yīng)用YOLO深度卷積網(wǎng)絡(luò)的軌道圖像定位算法[J]. 張雯柏,鄭樹彬,李鵬程,郭訓(xùn).  鐵道標(biāo)準(zhǔn)設(shè)計(jì). 2020(09)
[7]采用卷積核金字塔和空洞卷積的單階段目標(biāo)檢測[J]. 劉濤,汪西莉.  中國圖象圖形學(xué)報(bào). 2020(01)
[8]基于注意力機(jī)制的單階段目標(biāo)檢測錨點(diǎn)框部件感知特征表達(dá)[J]. 唐乾坤,胡瑜.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2020(08)
[9]一種小型熱風(fēng)烘干系統(tǒng)設(shè)計(jì)與溫控研究[J]. 姜利昭.  機(jī)電技術(shù). 2019(06)
[10]智能配電柜在低壓配電網(wǎng)中的應(yīng)用[J]. 趙寒,吳鈞.  中國高新科技. 2019(24)

博士論文
[1]基于機(jī)器視覺的刨花板表面缺陷在線檢測系統(tǒng)研究[D]. 郭慧.中國林業(yè)科學(xué)研究院 2019
[2]棉花加工過程中籽棉預(yù)處理關(guān)鍵技術(shù)研究[D]. 王昊鵬.山東大學(xué) 2014

碩士論文
[1]復(fù)雜氣象條件下的航拍目標(biāo)檢測[D]. 武凱利.中國人民公安大學(xué) 2019
[2]刨花板表面缺陷均值方差檢測方法研究[D]. 劉傳澤.山東建筑大學(xué) 2019
[3]雙目監(jiān)控視頻文本日志生成系統(tǒng)研究[D]. 喬邈.蘭州理工大學(xué) 2019
[4]基于深度學(xué)習(xí)的靜態(tài)手勢識(shí)別[D]. 張金.杭州電子科技大學(xué) 2019
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法其增量學(xué)習(xí)研究[D]. 王世豪.浙江大學(xué) 2019
[6]基于特征融合的小物體目標(biāo)檢測研究與應(yīng)用[D]. 王海屹.北京郵電大學(xué) 2018
[7]智能視頻安防系統(tǒng)的研究[D]. 李鵬.天津理工大學(xué) 2018
[8]基于小波變換和LBP的木材表面缺陷識(shí)別[D]. 張益翔.南京林業(yè)大學(xué) 2017
[9]基于深度卷積神經(jīng)網(wǎng)絡(luò)的腦組織分割方法研究[D]. 葛波.華中科技大學(xué) 2017
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的人體行為識(shí)別研究[D]. 劉璐璐.中國科學(xué)技術(shù)大學(xué) 2017



本文編號(hào)：3710751