一种利用图像分类模型分检桉木单板的方法技术

一种利用图像分类模型分检桉木单板的方法，包括如下步骤：(1)采集桉木单板原始图像数据集并进行预处理，将数据集以7

【技术实现步骤摘要】
一种利用图像分类模型分检桉木单板的方法


[0001]本专利技术涉及计算机视觉和人造板生产
，具体是一种利用图像分类模型分检桉木单板的方法。

技术介绍

[0002]单板是由原木通过旋切或锯制方法制得的木质薄片状材料，其主要用作生产胶合板和其他胶合层积材。一般优质单板用于胶合板、细木工板等人造板的面板，品质较差的单板用作背板和芯板。因此将木材单板进行准确快速的分检，是提高人造板产品质量和生产效率的有效手段。
[0003]目前人造板生产厂家采用的单板分检方法仍以人工分检为主。然而，人类易疲劳，导致人工分检效率、精度不稳定。目前少有报道利用图像分类算法技术对木单板分检的方法，但目前领域内不乏利用计算机视觉对木单板进行缺陷检测的方法。学者们首先对基于机器学习的木材缺陷分类算法进行了研究。然而在实际生产中，不仅应做到对木材缺陷的准确分类，同时应做到对木材缺陷的准确定位，故学者们对目标检测算法应用于木材缺陷识别展开了研究。根据上述研究可知，深度学习已具备足够的能力应用于胶合板工业生产。但前人学者瞄准方向为单板缺陷的分类、识别，并未准确做到单板的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用图像分类模型分检桉木单板的方法，其特征在于，包括如下步骤：(1)采集桉木单板原始图像数据集并进行预处理，将数据集以7
‑
8:2
‑
3的比例划分，作为模型的训练集和测试集；(2)对图像分类算法进行模型选择分析，选择适用于桉木单板分检任务的模型；(3)对选择的模型进行提升效率、精度、稳定性层面的优化；(4)采用训练集对优化后的图像分类模型进行训练，并利用测试集对模型性能进行测试，利用图像分类算法对桉木单板进行分级，所述优化后的图像分类模型是在模型中添加了空间金字塔池化模块；(5)将图像分类算法封装，与生产线运动控制系统协同作业，形成一整套桉木单板智能分检系统。2.根据权利要求1所述的利用图像分类模型分检桉木单板的方法，其特征在于，步骤(1)所述桉木单板数据集预处理是采用伽马变换、拉普拉斯变换、随机裁剪、随机水平翻转、高斯模糊、高斯噪声和椒盐噪声处理进行数据增强。3.根据权利要求1所述的利用图像分类模型分检桉木单板的方法，其特征在于，步骤(2)所述的模型选择分析是对基于视觉自注意力模型架构和卷积神经网络架构的前沿算法进行对比训练，选出精度、效率优的算法应用于分检系统，该分检系统具有持续的改进通道。4.根据权利要求1所述的利用图像分类模型分检桉木单板的方法，其特征在于，步骤(3)所述的对选择的模型进行优化是指首先在移动视觉自注意力模型中引入空间注意力机制模块和通道注意力机制模块，以提高网络关注关键信息的能力，使网络自适应地聚焦感兴趣的区域，抑制不必要的特征，减少纹理对分类精度的干扰，在模型中添加空间金字塔池化模块，该模块可以忽略输入尺寸并且产生固定长度的输出，以增加图像的尺度不变，降低过拟合，其次对移动视觉自注意...

【专利技术属性】
技术研发人员：孙建平，王炳桢，尤广林，庄鹏燕，牛佳顺，
申请(专利权)人：广西大学，
类型：发明
国别省市：