基于轻量化卷积神经网络的木材横切面分类模型

• 全文链接
• 请求原文

作   者：

孙承硕;  陈语唐;  郭晓磊;  那斌; 

作者机构：

南京林业大学材料科学与工程学院; 

关键词：

卷积神经网络;  机器视觉;  木材横切面;  深度学习;  树种识别; 

期刊名称：

林产工业

i s s n：

1001-5299

年卷期：

2024 年 61 卷 012 期

页   码：

8-12,18

摘   要：

在信息化和智能化的背景下,木材识别技术正朝着智能高效的方向发展.为解决传统木材识别方法耗时长、工作量大和存在人为干扰等缺点,本研究将木材树种识别问题转化为多分类问题,提出了一种基于卷积神经网络的木材树种识别模型,通过对木材横切面图像进行分类达到树种识别的目的.本文以8种木材树种横切面图像为研究对象,采集图像后构建并扩充木材横切面数据集,基于深度学习中轻量级卷积神经网络算法,并增加倒残差结构,进而改进轻量级树种检测模型进行训练与测试.结果表明:卷积神经网络中的MobileNetV3网络模型可以准确高效地分类木材横切面图像,进而识别木材树种.其中,改进后的MobileNetV3模型具有一定的综合优势,在参数量和计算量相近的情况下,其分类准确率提升了0.43%,对木材横切面图像分类的总体准确率可达98.24%.