龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨理工大学
摘要：本发明涉及一种基于改进MaskR‑CNN的木材缺陷识别和分割方法，本发明的目的是为了解决缺陷识别中的数据集不平衡和数据量偏少，缺陷检测效率低的问题。过程为：1.采集数据集；2.平衡数据集样本；3.扩充数据集数量；4.将数据集进行划分并制作成所需格式；5.选定检测网络的结构；6.将数据集输入网络模型，使用Momentum优化方法，训练网络20000次；7.每训练1000次，模型对验证集进行检测，选取20次中检测精度最高的模型作为训练好的检测模型；8.使用训练好的模型对测试集进行检测，得到模型的精度和召回率以及模型的检测效果图；本发明使用人工智能的方法同时完成缺陷的分类，缺陷的位置检测和缺陷的轮廓分割，适用与木材工业加工线对木材缺陷的快速处理。
主权项：1.一种基于改进MaskR-CNN的木材缺陷识别和分割方法，其特征在于：所诉方法包括如下步骤：步骤1.采集数据集：在木材加工流水线上拍摄收集木材缺陷数据集，选择样本数量较多的裂缝，结节和虫害作为缺陷检测对象；步骤2.平衡数据集样本：使用对抗式生成网络，生成新的裂缝和虫害样本，平衡数据集样本的数量；步骤3.扩充数据集数量；步骤4.将数据集进行划分并制作成所需格式；步骤5.选定检测网络的结构：选取MaskR-CNN网络作为检测网络，包括特征提取网络，RPN网络，ROI_Algin层和检测头网络；选择在残差块之间建立分级连接，可变性卷积和组归一化的方式改进特征提取网络；步骤6.将数据集输入网络模型，使用Momentum优化方法，训练网络20000次；步骤7.每训练1000次，模型对验证集进行检测，选取20次中检测精度最高的模型作为训练好的检测模型；步骤8.使用训练好的模型对测试集进行检测，得到模型的精度和召回率以及模型的检测效果图。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 一种基于改进Mask R-CNN的木材缺陷识别和分割方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号