基于卷积神经网络的木材缺陷识别 - 山东大学学报(工学版).pdfVIP

　第４３卷　第２期 山　东　大　学　学　报　（工　学　版） ２０１３年４月　 　 　　 Ｖｏｌ．４３　 Ｎｏ．２　　　　ＪＯＵＲＮＡＬＯＦＳＨＡＮＤＯＮＧＵＮＩＶＥＲＳＩＴＹ（ＥＮＧＩＮＥＥＲＩＮＧＳＣＩＥＮＣＥ） Ａｐｒ．２０１３　 　文章编号：１６７２３９６１（２０１３）０２００２３０６　　　ＤＯＩ：１０６０４０／ｊ．ｉｓｓｎ．１６７２３９６１１２０１２２１３ 基于卷积神经网络的木材缺陷识别  徐姗姗，刘应安 ，徐癉 （南京林业大学信息科学与技术学院，江苏 南京２１００３７） 摘要：为提高木材缺陷识别率，提出一种基于卷积神经网络算法的识别方法。采用渐近式学习方法来确定训练样 本数目，给出了对应的网络结构，降低了算法消耗的时间。试验结果表明，该方法无需对图像进行复杂的预处理， 能识别多种木材缺陷，精度较高且复杂度较小，具有很好的鲁棒性，也克服传统算法的诸多固有缺点。 关键词：木材缺陷；卷积神经网络；渐进式；图像处理；学习方法 中图分类号：ＴＰ３０１６　　　文献标志码：Ａ Ｗｏｏｄｄｅｆｅｃｔｓｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｔｈｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ  ＸＵＳｈａｎｓｈａｎ，ＬＩＵＹｉｎｇａｎ ，ＸＵＳｈｅｎｇ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００３７，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏｉｍｐｒｏｖｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｗｏｏｄｄｅｆｅｃｔｓｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ａｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ ｗａｓｐｒｏｐｏｓｅｄ．Ａｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｐｒｅｓｅｎｔｅｄｔｏｒｅｃｏｇｎｉｚｅｔｈｅｗｏｏｄｄｅｆｅｃｔ，ａｎｄｔｈｅｎｕｍｂｅｒｓｏｆｔｒａｉｎｉｎｇ ｓａｍｐｌｅｓｗｅｒｅｄｅｔｅｒｍｉｎｅｄｂｙａｎｉｎｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇｍｅｔｈｏｄ；ｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｗａｓｄｅｓｉｇｎｅｄ，ａｎｄｔｈｅ ｔｉｍｅｃｏｎｓｕｍｐｔｉｏｎｃｏｕｌｄｂｅｒｅｄｕｃｅｄ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｐｒｅｐｒｏｃｅｓｓｉｎｇｏｆａｃｏｍｐｌｅｘｉｍａｇｅｗａｓｎｏｔ ｎｅｅｄｅｄ，ａｎｄｔｈｅｍｕｌｔｉｃｌａｓｓｄｅｆｅｃｔｓｃｏｕｌｄｂｅｒｅｃｏｇｎｉｚｅｄｗｉｔｈｈｉｇｈａｃｃｕｒａｃｙ，ｓｍａｌｌｃｏｍｐｌｅｘｉｔｙａｎｄｇｏｏｄｒｏｂｕｓｔｎｅｓｓ， ｗｈｉｌｅｔｈｅｉｎｈｅｒｅｎｔｓｈｏｒｔｃｏｍｉｎｇｓｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌａｌｇｏｒｉｔｈｍｗｅｒｅｏｖｅｒｃａｍｅ． Ｋｅｙｗｏｒｄｓ：ｗｏｏｄｄｅｆｅｃｔｓ；ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ；ｉｎｃｒｅｍｅｎｔａｌ；ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ；ｌｅａｒｎｉｎｇｍｅｔｈｏｄｓ 是其中主要的原因之一。若在使用木材前能检测出 ０　引言 木材的缺陷，则可以大大提高木材的利用率。 我国近年来也提出了许多木材缺陷识别方法， 在木材加工生产中，木材缺陷对木材质量有很 ［１］ ［２］