一种基于改进YOLOv5l网络的木材表面缺陷检测方法技术

本发明专利技术涉及一种基于改进YOLOv5l网络的木材表面缺陷检测方法，该方法包括：获取公开的木材缺陷数据集作为数据集一。构建改进的YOLOv5l网络模型，利用数据集一对改进的YOLOv5l网络模型进行训练，得到训练好的网络模型model1。采集实景木材数据作为数据集二，数据集二分为训练集、验证集和测试集。采用model1对测试集进行预测，将测试集中带有缺陷的木材图像标记上标签，将大于设定预测阈值的标签作为伪标签。将数据集二中的训练集和测试集微调后来训练model1，得到model2，采用验证集在model1与model2中选择出最佳的网络模型。利用最佳网络模型对木材表面缺陷进行检测。本发明专利技术能够对各种类别的木材表面缺陷进行检测，有效提高了识别准确率和识别效率。有效提高了识别准确率和识别效率。有效提高了识别准确率和识别效率。

【技术实现步骤摘要】
一种基于改进YOLOv5l网络的木材表面缺陷检测方法


[0001]本专利技术涉及木材表面缺陷检测
，具体涉及一种基于改进YOLOv5l网络的木材表面缺陷检测方法。

技术介绍

[0002]三合板是人造板中最为常见、应用也最为广泛的板材之一。三合板是由不同的薄木板粘贴压制而成的，可以节约大量的木材。在森林资源日益缺乏的今天，使用三合板是非常好的一种节约能源的方式，但是在生产过程中，单个的薄木板表面会存在裂缝、虫眼、死结、活结等缺陷，根据国家标准可将木材缺陷分为10大类。图2给出了几种常见的木材缺陷。这些带有缺陷的木材不利于下一步的生产，会影响薄木贴面制造的进度。在生产线当中检测这种缺陷的方式大部分采用如图1所示的人工检测方式。由于人工检测标准不一、分类精度较差、效率低下等因素，会影响木材质量判定，不能保证产品的生产速度。而且随着劳动力价格的不断上升，人工检测的生产成本也会大大增加。
[0003]针对上述问题，寻找一种高精度、低成本、稳定性较强的方法来实现对木材缺陷进行检测识别，是木材生产行业需要解决的一大难题。为了不受工人主观因素的影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLOv5l网络的木材表面缺陷检测方法，其特征在于：该方法包括以下步骤：S1、获取公开的木材缺陷数据集作为数据集一，对数据集一中的图像和标签进行处理；S2、利用改进的YOLOv5l网络模型对数据集一进行预训练，先将数据集一中的图像进行统一缩放并送入改进的YOLOv5l网络模型中，YOLOv5l网络模型先根据木材缺陷图像的大小，采用自适应锚框方法选择合适的锚框，并通过Backbone层进行特征提取，提取木材缺陷图像的特征图，再通过Neck层将上层的特征图进行图像特征混合和组合，最后通过输出层对图像特征进行预测，并采用NMS方式对多个预测框进行筛选，在筛选过程当中采用NWD计算方法生成边界框和预测类别，得到训练好的网络模型model1；S3、采集实景木材数据，作为数据集二，采用滑动窗口方式，在经步骤S1处理后的数据集一中随机选取若干图像进行裁剪，将图像中的缺陷部分单独裁剪下来，将裁剪下来的缺陷部分存入到数据集二中，对数据集二进行扩充；S4、将数据集二划分为训练集、验证集和测试集，其中，训练集和验证集为已将木材图像中的缺陷标记出来、图像带有木材缺陷标签，测试集未对木材图像中的缺陷进行标记，图像不带有木材缺陷标签，采用训练好的网络模型model1对测试集进行预测，对测试集中带有缺陷的木材图像标记上标签，并将大于设定预测阈值的标签作为伪标签；S5、将数据集二中的训练集和测试集整合后，输入到网络模型model1中对网络模型model1进行训练，得到训练好的网络模型model2，并通过验证集在网络模型model1与model2中选择出最佳的网络模型best mode；S6、对网络模型best mode进行本地部署，实时采集薄木板图像输入到网络模型best mode中，网络模型best mode输出木材表面缺陷的类别和数量。2.根据权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：程大全，程广河，郝凤琦，孙瑞瑞，王星星，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：