• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于深度學(xué)習(xí)的木材表面缺陷圖像檢測(cè)

    2019-10-17 06:08:44陳獻(xiàn)明王阿川王春艷
    液晶與顯示 2019年9期
    關(guān)鍵詞:檢測(cè)

    陳獻(xiàn)明, 王阿川*, 王春艷

    (1. 東北林業(yè)大學(xué) 信息與計(jì)算機(jī)工程學(xué)院,黑龍江 哈爾濱 150040;2. 扎蘭屯職業(yè)學(xué)院,內(nèi)蒙古 扎蘭屯 162650)

    1 引 言

    由于木材加工自動(dòng)化程度低、缺陷識(shí)別不夠精確、鋸切方案不夠合理,我國(guó)木材原料的使用效率較低[1]。為了顯著提高木材的使用效率,國(guó)內(nèi)外學(xué)者提出了多種木材缺陷的檢測(cè)方法:如3D掃描技術(shù)分析法[2]、基于多模型融合的木材缺陷研究[3]、鉆入阻抗法檢測(cè)[4]、基于C-V模型的缺陷圖像特征提取[5]、一階統(tǒng)計(jì)特征檢測(cè)法[6]、基于快速l1和LBP算法的缺陷檢測(cè)技術(shù)[7]、改進(jìn)C-V模型與小波變換[8]等。然而,木材缺陷的形狀、顏色、尺寸、紋理等特征千差萬別,給缺陷識(shí)別與分割帶來了困難,這使得目前的木材缺陷檢測(cè)方法存在著一定的局限性,難以做到對(duì)木材缺陷進(jìn)行統(tǒng)一的識(shí)別與分割。

    近年來,基于深度學(xué)習(xí)的圖像檢測(cè)方法發(fā)展迅猛,在圖像的識(shí)別、分類和目標(biāo)檢測(cè)領(lǐng)域都取得了一些成就。針對(duì)木材缺陷的識(shí)別檢測(cè)及帶有缺陷的木材加工方案優(yōu)選問題,本文提出了將深度學(xué)習(xí)中的Faster-RCNN檢測(cè)模型[9]用于木材缺陷圖像識(shí)別與定位,結(jié)合NL-Means[10]、線性濾波等方法用于木材缺陷圖像的去噪和增強(qiáng),之后提取缺陷的邊緣特征,獲得了較好的分割效果。為了解決傳統(tǒng)缺陷加工方案木材損耗較多,而按照缺陷邊緣進(jìn)行加工,切削路線復(fù)雜的問題,本文提出了一種改進(jìn)的橢圓擬合算法擬合木材缺陷輪廓,兼顧節(jié)約木材和簡(jiǎn)化切削路線,降低了缺陷修補(bǔ)的木材填充量,提高了木材的使用效率,為自動(dòng)化加工帶有缺陷的木材提供了優(yōu)選方案。

    2 理論概述

    由于木材表面缺陷復(fù)雜多樣,因此難以取得比較好的分割和識(shí)別效果。本文利用Faster-RCNN檢測(cè)模型確定木材缺陷定位邊框及缺陷類型,再利用NL-Means、線性濾波等方法對(duì)框內(nèi)區(qū)域進(jìn)行精細(xì)化分割,解決了彩色圖像分割時(shí)容易受到復(fù)雜背景干擾,難以得到閉合輪廓曲線的問題[11],得到了比較好的結(jié)果。

    2.1 Faster-RCNN目標(biāo)檢測(cè)原理

    Faster-RCNN是一種結(jié)合Fast-RCNN[12]與區(qū)域生成網(wǎng)絡(luò)(Region Proposal Network,RPN)的新型目標(biāo)檢測(cè)模型。Faster-RCNN模型將目標(biāo)檢測(cè)的四個(gè)基本步驟: 提取特征、獲取感興趣區(qū)域(Region of Interest,ROI)、目標(biāo)識(shí)別和邊框回歸統(tǒng)一到一個(gè)深度網(wǎng)絡(luò)框架中。網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

    圖1 Faster-RCNN網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Structure of Faster-RCNN network

    RPN是一種用于產(chǎn)生高可靠性候選區(qū)域框的網(wǎng)絡(luò),它與Fast-RCNN共享卷積特征,通過滑動(dòng)窗口對(duì)提取到的特征圖滑動(dòng)卷積,得到不同尺度的錨框(Anchor)。每個(gè)滑動(dòng)窗口生成一個(gè)特征向量,這個(gè)特征向量被輸送到邊框回歸層和分類層。在邊框回歸層可以得到對(duì)應(yīng)的4個(gè)坐標(biāo)位置編碼;在分類層中可以得到ROI中物體目標(biāo)的概率。隨后將得到的坐標(biāo)編碼和判定概率輸入到ROI池化層。

    在得到預(yù)測(cè)方框的坐標(biāo)參數(shù)后,為了降低預(yù)測(cè)方框與真實(shí)方框的誤差,對(duì)坐標(biāo)參數(shù)進(jìn)行回歸調(diào)整,調(diào)整方式如式(1)、(2)所示:

    (1)

    (2)

    式中:x,y,w和h分別表示預(yù)測(cè)方框的中心坐標(biāo)點(diǎn)、寬度和高度,xa,ya,wa和ha表示生成anchor的中心坐標(biāo)、寬度和高度,x*、y*、w*和h*表示目標(biāo)真實(shí)方框的中心坐標(biāo)、寬度和高度。

    2.2 NL-Means

    NL-Means(Non-Local Means)是一種將整體圖像作為作用域的去噪方法,它以像素塊為單位,在圖像中尋找相似區(qū)域,再對(duì)這些相似的區(qū)域求平均,以達(dá)到去除圖像噪聲的目的。NL-Means的處理過程如式(3)、(4)所示:

    (3)

    (4)

    2.3 圖像增強(qiáng)

    線性濾波和對(duì)比度、亮度調(diào)整是常見的圖像增強(qiáng)操作。卷積濾波器是一個(gè)行數(shù)和列數(shù)都是奇數(shù)的二維數(shù)組,中間的元素對(duì)應(yīng)待計(jì)算的像素點(diǎn),其它的元素對(duì)應(yīng)這個(gè)像素點(diǎn)的鄰近像素點(diǎn)。線性濾波具體操作為:每個(gè)二維圖像像素點(diǎn)的鄰域像素值和對(duì)應(yīng)卷積濾波器元素乘積之和作為該像素點(diǎn)新的值,如圖2所示。

    圖2 卷積濾波器Fig.2 Convolutional filter

    對(duì)比度是圖像中顏色間的差別程度。對(duì)比度越大,顏色間的反差越明顯,圖像顯示越清晰。亮度是顏色的相對(duì)明暗程度,它使得底層的特征諸如形狀、顏色等可以表現(xiàn)出來[13]。對(duì)圖像對(duì)比度和亮度的調(diào)整如式(5)所示:

    Gi,j=a(Ii,j-M)+b×M,

    (5)

    式中:Ii,j表示原圖像中(i,j)位置的像素值,Gi,j表示經(jīng)對(duì)比度和亮度調(diào)節(jié)之后的數(shù)值,a表示對(duì)比度系數(shù),b表示亮度系數(shù),M表示圖像的RGB像素均值。

    2.4 最小二乘橢圓擬合算法

    橢圓擬合是圖像內(nèi)幾何形狀檢測(cè)的重要部分,它在人臉識(shí)別、瞳孔識(shí)別、細(xì)胞檢測(cè)以及復(fù)雜物體的形狀表達(dá)等領(lǐng)域有著廣泛的應(yīng)用[14]。橢圓擬合的基本思想是:對(duì)于給定平面上的一組樣本點(diǎn),尋找到距離所有樣本點(diǎn)最近的橢圓。最小二乘法是較好的橢圓擬合方法[15],其基本思想是追求整體誤差的最小化。橢圓的一般方程如式(6)所示:

    x2+gxy+cy2+dx+ey+f=0,

    (6)

    由式(6)可知,當(dāng)?shù)玫叫枰獢M合的5個(gè)坐標(biāo)點(diǎn)后,即可得到一個(gè)五元一次方程組,進(jìn)而求得g、c、d、e、f。在實(shí)際應(yīng)用中得到的樣本點(diǎn)遠(yuǎn)遠(yuǎn)大于5,會(huì)得到一個(gè)超定方程,通過最小二乘法可以求出其誤差最小的解。

    根據(jù)橢圓上N個(gè)具有誤差的坐標(biāo)點(diǎn)(xi,yi),i=1,2,3...,N,將每個(gè)坐標(biāo)點(diǎn)(xi,yi)代入橢圓一般方程,假設(shè)會(huì)產(chǎn)生誤差εi,極小化方程誤差εi的平方和J如式(7)所示:

    (7)

    根據(jù)極值原則,通過求解上述方程即可求得參數(shù)(g,c,d,e,f),進(jìn)而得到橢圓的中心點(diǎn)(x0,y0)、旋轉(zhuǎn)角θ、及長(zhǎng)短軸a和b。由此得到擬合后的橢圓方程。

    2.5 改進(jìn)的最小二乘橢圓擬合算法

    基于最小二乘法擬合出的橢圓,一部分特征點(diǎn)在該橢圓外,其余特征點(diǎn)在該橢圓內(nèi),所有特征點(diǎn)到該橢圓方程的和最小。直接利用該方法擬合出的缺陷輪廓不能滿足木材缺陷加工的實(shí)際需要。因此本文提出了一種改進(jìn)的最小二乘橢圓擬合算法,以求出點(diǎn)集的優(yōu)選橢圓輪廓。其方法是:不斷淘汰對(duì)橢圓擬合影響極小的點(diǎn),當(dāng)無法繼續(xù)減小樣本點(diǎn)范圍時(shí),逐步擴(kuò)大擬合橢圓的長(zhǎng)軸和短軸,最終得到點(diǎn)集的優(yōu)選橢圓輪廓。

    橢圓的定義為:平面內(nèi)到定點(diǎn)F1、F2的距離之和等于常數(shù)的動(dòng)點(diǎn)P的軌跡,其中F1、F2是橢圓的兩個(gè)焦點(diǎn),2a是橢圓的長(zhǎng)軸長(zhǎng)。其數(shù)學(xué)表達(dá)式為:|PF1|+|PF2|=2a。根據(jù)定義可以得到:若平面上的點(diǎn)到F1、F2的距離之和大于2a,則表明該點(diǎn)在橢圓外部;若等于2a,則表明在橢圓上;若小于2a,則表明該點(diǎn)在橢圓內(nèi)部。由于點(diǎn)的位置對(duì)于橢圓的擬合至關(guān)重要,如果貿(mào)然淘汰已經(jīng)擬合的點(diǎn),將剩余點(diǎn)進(jìn)行下次迭代,會(huì)出現(xiàn)未參與下次迭代的某些點(diǎn)出現(xiàn)在新擬合橢圓外部的情況,導(dǎo)致擬合效果變差,因此本文在計(jì)算平面上的點(diǎn)到兩個(gè)焦點(diǎn)的距離之和時(shí),加入大于1的比例系數(shù)λ,新的判斷方式如式(8)所示:

    λ(|PF1|+|PF2|)=2a,

    (8)

    即:將到F1、F2距離之和放大λ倍后仍小于2a的點(diǎn)淘汰,將其余點(diǎn)參加下一次擬合計(jì)算,具體算法步驟如下:

    步驟1 :通過最小二乘法求出所有特征點(diǎn)最初的橢圓擬合方程,并計(jì)算出橢圓面積;

    步驟2 :遍歷所有保留的特征點(diǎn),根據(jù)λ倍的點(diǎn)到橢圓兩個(gè)焦點(diǎn)距離和與2a的關(guān)系,將到兩焦點(diǎn)距離之和放大λ倍后仍小于2a的點(diǎn)剔除,保留其余點(diǎn);

    步驟3:將保留的點(diǎn)再次進(jìn)行最小二乘法擬合,計(jì)算擬合后橢圓的面積,并與上一次擬和的面積進(jìn)行對(duì)比,如果面積增大轉(zhuǎn)步驟2,否則轉(zhuǎn)步驟4;

    步驟4:逐步擴(kuò)大最后一步擬合出橢圓的長(zhǎng)軸和短軸,直至滿足要求為止,結(jié)束迭代,得到了特征點(diǎn)集的優(yōu)選橢圓輪廓。

    3 算法實(shí)現(xiàn)

    3.1 相關(guān)基礎(chǔ)

    本文算法分為缺陷的定位和識(shí)別、缺陷的精細(xì)分割以及缺陷的邊緣擬合3個(gè)步驟。在實(shí)現(xiàn)缺陷的定位與識(shí)別時(shí)主要使用Faster-RCNN檢測(cè)模型,F(xiàn)aster-RCNN檢測(cè)模型包括深度神經(jīng)網(wǎng)絡(luò)層、RPN、全連接層3部分:其中深度神經(jīng)網(wǎng)絡(luò)層用來提取卷積特征,RPN用來提取感興趣區(qū)域,最后的全連接層用來進(jìn)行分類和邊框校正;在實(shí)現(xiàn)缺陷的精細(xì)分割時(shí)主要采用各種圖像增強(qiáng)方法:其中通過NL-Means對(duì)原圖像去除噪聲,通過線性濾波和對(duì)比度、亮度調(diào)整提升圖像目標(biāo)與背景區(qū)域反差,再進(jìn)行二值化等操作,隨后對(duì)缺陷邊緣進(jìn)行提取。在實(shí)現(xiàn)缺陷的邊緣擬合時(shí),使用本文改進(jìn)的算法擬合所提取的缺陷邊緣即可。

    3.2 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集

    本文實(shí)驗(yàn)硬件環(huán)境為CPU:i5-8400,2.8 GHz,8 GB內(nèi)存;GPU: GTX 1060,6 G顯存;軟件環(huán)境為:Windows 10;編程語(yǔ)言為Python,python語(yǔ)言有強(qiáng)大的類庫(kù),是一種解釋型、交互式、面向?qū)ο蟮哪_本程序設(shè)計(jì)語(yǔ)言,具有廣泛的應(yīng)用;算法實(shí)現(xiàn)依托的工具為TensorFlow機(jī)器學(xué)習(xí)框架和PyCharm集成開發(fā)環(huán)境。TensorFlow是一個(gè)采用數(shù)據(jù)流圖,用于數(shù)值計(jì)算的開源軟件庫(kù),被廣泛用于機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)方面的研究。木材缺陷圖像數(shù)據(jù)集樣本總數(shù)為1 139幅,其中死節(jié)(437幅),蟲眼(342幅),活節(jié)(360幅)3類,每個(gè)樣本尺寸為400 pixel×500 pixel。

    3.3 算法實(shí)現(xiàn)流程

    本文選用死節(jié)、蟲眼和活節(jié)3種典型木材缺陷圖像進(jìn)行檢測(cè)。蟲眼和死節(jié)圖像的目標(biāo)和背景差異較明顯,在圖像平滑后使用線性濾波可使圖像背景區(qū)域像素值提高,與目標(biāo)區(qū)域差異變大,更接近白色?;罟?jié)圖像在節(jié)子和木材背景之間差異較小,整體像素值較大,因此不需要使用線性濾波處理圖像來提升像素值。具體算法步驟如下:

    圖3 算法實(shí)現(xiàn)流程圖Fig.3 Flow chart of algorithm implementation

    步驟1:利用標(biāo)注好的木材缺陷圖像對(duì)Faster-RCNN深度網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到具有對(duì)木材缺陷圖像定位和分類能力的檢測(cè)模型;

    步驟2:使用訓(xùn)練好的模型對(duì)原始圖像進(jìn)行檢測(cè),獲取木材缺陷邊框及缺陷類別;

    步驟3:使用NL-Means方法對(duì)原始木材缺陷圖像去除噪聲;

    步驟4:根據(jù)Faster-RCNN檢測(cè)模型識(shí)別出的缺陷類型,決定是否對(duì)去噪后的圖像使用線性濾波方法對(duì)圖像進(jìn)行增強(qiáng)處理,擴(kuò)大木材缺陷邊界與背景之間差異;

    步驟5:對(duì)線性濾波處理后的圖像提升對(duì)比度和亮度,之后再進(jìn)行二值化操作,使背景區(qū)域的像素值達(dá)到最大,通過截?cái)嗖僮?,區(qū)分背景區(qū)域與前景區(qū)域;

    步驟6:對(duì)二值化處理后的圖像,在Faster-RCNN所確定的邊框內(nèi),消除離散點(diǎn),根據(jù)像素差異提取邊緣,并獲取木材缺陷的邊緣特征點(diǎn)集;

    步驟7:使用改進(jìn)的橢圓擬合算法求出木材缺陷的優(yōu)選輪廓。

    算法流程如圖3所示。

    4 實(shí)驗(yàn)及結(jié)果分析

    4.1 實(shí)驗(yàn)與結(jié)果

    本文選取死節(jié)、蟲眼、活節(jié)3種典型的彩色木材缺陷圖像對(duì)其進(jìn)行實(shí)驗(yàn),木材表面缺陷圖像如圖4所示。其中(a)和(b)分別是不帶紋理和帶紋理的死節(jié)圖像,(c)和(d)分別是缺陷區(qū)域和背景差異較小和缺陷區(qū)域和背景差異較大的蟲眼圖像,(e)和(f)分別是活節(jié)與背景相似程度較大和活節(jié)與背景相似程度較小的活節(jié)圖像。

    圖4 木材表面缺陷圖像Fig.4 Defect images of wood surface

    使用訓(xùn)練好的Faster-RCNN網(wǎng)絡(luò)對(duì)實(shí)驗(yàn)樣本進(jìn)行檢測(cè),檢測(cè)結(jié)果如圖5所示。從圖5可以看出,本文算法不但可以準(zhǔn)確對(duì)缺陷進(jìn)行定位,而且將缺陷的全部區(qū)域標(biāo)定出來,具有較好的缺陷識(shí)別能力。

    對(duì)比多次試驗(yàn)效果,本文算法各步驟參數(shù)值選擇如下:在對(duì)圖片進(jìn)行分割時(shí),首先,使用NL-Means方法對(duì)圖像進(jìn)行去噪,式(4)中濾波系數(shù)h取值為50;然后利用線性濾波方法實(shí)現(xiàn)圖像增強(qiáng),當(dāng)識(shí)別結(jié)果是死節(jié)和蟲眼時(shí),圖2中參數(shù)m5取值為11,其他參數(shù)值取值為-1;當(dāng)識(shí)別結(jié)果為活節(jié)時(shí),m5取值為1,其他參數(shù)值取值為0;其次,對(duì)圖像進(jìn)行增大對(duì)比度和亮度操作,式(5)中對(duì)比度系數(shù)a取5,亮度系數(shù)b取2.5,保存像素值在250~255的點(diǎn),并進(jìn)行二值化處理,若像素周圍與它像素值相同的點(diǎn)的數(shù)量小于5,將它作為離散點(diǎn)并消除;最后,使用Sobel算子根據(jù)像素差異提取缺陷邊緣特征點(diǎn)集,選擇定位邊框內(nèi)最大的連通域,并對(duì)點(diǎn)逐個(gè)判斷,保留距離連通域較近的點(diǎn)作為缺陷邊緣,實(shí)現(xiàn)了對(duì)木材缺陷圖像的精細(xì)分割。

    圖5 缺陷分類及定位結(jié)果Fig.5 Defect classification and location results

    圖6 木材表面缺陷分割過程Fig.6 Segmentation of wood surface defects

    4.2 分割效果分析

    將提取的缺陷邊緣內(nèi)部進(jìn)行填充,填充后的圖像如圖7所示。從圖7中可以看出,采用本文算法分割后的圖像,受背景區(qū)域影響較小,輪廓曲線比較平滑,沒有過分分割的情況,達(dá)到了比較好的效果。

    圖7 木材表面缺陷分割結(jié)果Fig.7 Segmentation of wood surface defects

    為了評(píng)價(jià)本文提出算法對(duì)木材缺陷分割的效果,將本文方法分割出的圖像與人工分割出的理想目標(biāo)[16]進(jìn)行對(duì)比,以漏分率(Leakage Rate,LR)、錯(cuò)分率(Misclassification Rate,MR)和相似率(Similarity Rate,SR)作為評(píng)價(jià)標(biāo)準(zhǔn)。定義的標(biāo)準(zhǔn)目標(biāo)圖像和本文分割圖像分別為Igold-truth、Isegmented。

    漏分率LR定義如式(9)所示:

    (9)

    錯(cuò)分率MR定義如式(10)所示:

    (10)

    相似率SR定義如式(11)所示:

    (11)

    利用式(9)~式(11)對(duì)分割后圖像進(jìn)行計(jì)算,缺陷圖像分割評(píng)價(jià)結(jié)果如表1所示,從表1中可以看出,本文算法分割后的圖像具有較小的漏分率和錯(cuò)分率,具有較大的相似率,分割效果較好。

    4.3 缺陷修補(bǔ)填充量減少效果分析

    在實(shí)際生產(chǎn)中,一般只對(duì)死節(jié)和蟲眼等對(duì)木材結(jié)構(gòu)性能影響較大的缺陷進(jìn)行加工,對(duì)活節(jié)這種影響較小的缺陷不做處理。為保持板材較大的幅面,對(duì)木材缺陷比較好的處理方法是先將缺陷部分切除,隨后填充相應(yīng)大小的優(yōu)質(zhì)木料,如果切除區(qū)域過多,相應(yīng)填充區(qū)域也較大。

    表1 木材缺陷圖像分割性能評(píng)價(jià)Tab.1 Evaluation of wood defect image segmentation performance (%)

    對(duì)缺陷的邊緣特征點(diǎn)集采用改進(jìn)的橢圓擬合方法進(jìn)行橢圓擬合,式(8)中參數(shù)λ取值為1.005,為了評(píng)價(jià)所獲取的優(yōu)選擬合輪廓效果,與木材加工企業(yè)采用的人工劃線方法識(shí)別木材表面缺陷確定的方案進(jìn)行對(duì)比,將缺陷輪廓上下左右的4個(gè)極值所確定的矩形作為原方案,則可減少的木材填充率(Reduced Filling Rate,RFR)如式(12)所示:

    (12)

    式中:wi和hi分別為第i個(gè)樣本矩形框的寬和高,ai和bi分別為第i個(gè)樣本橢圓擬合后的長(zhǎng)軸和短軸長(zhǎng)。原始方案與新方案填充區(qū)域如圖8所示,通過對(duì)比可以看出,采用本文方法擬合的輪廓不但包含全部缺陷部分,還大大降低了木材的切削量,對(duì)每個(gè)實(shí)驗(yàn)圖像測(cè)算RFR結(jié)果如表2所示,可以看出本文方法大大降低了死節(jié)缺陷和活節(jié)缺陷在加工時(shí)的木材消耗,在一定程度上降低了蟲眼缺陷加工時(shí)的木材消耗。結(jié)合實(shí)際生產(chǎn)情況,進(jìn)一步對(duì)全部樣本中死節(jié)和蟲眼樣本進(jìn)行測(cè)算,可在缺陷修補(bǔ)這一步減少約10%的木材填充量。

    圖8 優(yōu)選分割方案與原方案對(duì)比Fig.8 Comparing of the optimum segmentation scheme with the original scheme

    死節(jié)(a)死節(jié)(b)蟲眼(c)蟲眼(d)活節(jié)(e)活節(jié)(f)RFR10.9917.045.544.5919.7012.09

    4.4 算法運(yùn)行時(shí)間分析

    本文算法中邊框檢測(cè)、圖像分割、輪廓擬合所需時(shí)間如表3所示,結(jié)合表3與圖像可以看出,每個(gè)樣本邊框檢測(cè)和輪廓擬合兩個(gè)步驟所耗費(fèi)時(shí)間相對(duì)較少,而圖像分割所耗費(fèi)的時(shí)間占總流程耗費(fèi)時(shí)間比重較大,圖像分割耗費(fèi)的時(shí)間與缺陷區(qū)域面積呈正相關(guān)。當(dāng)缺陷區(qū)域較小時(shí),耗費(fèi)時(shí)間較少,當(dāng)缺陷區(qū)域較大時(shí),耗費(fèi)時(shí)間相對(duì)較多??傮w來說,本文算法花費(fèi)時(shí)間較少,可以在較短的時(shí)間實(shí)現(xiàn)木材缺陷的識(shí)別與定位、分割和輪廓擬合,可以在較短的時(shí)間內(nèi)獲取木材缺陷的加工方案。

    表3 木材缺陷圖像處理時(shí)間Tab.3 Image processing time of wood defects (s)

    5 結(jié) 論

    本文結(jié)合Faster-RCNN目標(biāo)檢測(cè)模型、NL-Means方法和線性濾波等方法,實(shí)現(xiàn)了對(duì)木材死節(jié)、蟲眼、活節(jié)的識(shí)別與分割。實(shí)驗(yàn)表明,本文算法可以準(zhǔn)確識(shí)別出缺陷類型、確定缺陷的定位邊框。該算法不僅對(duì)具有較明顯邊緣的死節(jié)、蟲眼有很好的分割效果,而且對(duì)邊緣不明顯的活節(jié)也具有很好的分割效果,降低了噪聲對(duì)分割的影響,使缺陷的輪廓更為平滑清晰。采用改進(jìn)的最小二乘法擬合橢圓可以較好地?cái)M合缺陷輪廓,相比傳統(tǒng)人工劃線方法確定方案,使用本文方案通過銑削方式加工木材缺陷不但提高了加工的自動(dòng)化水平,還在缺陷修補(bǔ)這一環(huán)節(jié),平均可減少約10%的木材填充量,節(jié)省了大量的木材。本文提出方法可為木材企業(yè)加工生產(chǎn)以及相關(guān)研究提供相應(yīng)的理論參考。

    猜你喜歡
    檢測(cè)
    QC 檢測(cè)
    “不等式”檢測(cè)題
    “一元一次不等式”檢測(cè)題
    “一元一次不等式組”檢測(cè)題
    “幾何圖形”檢測(cè)題
    “角”檢測(cè)題
    “有理數(shù)的乘除法”檢測(cè)題
    “有理數(shù)”檢測(cè)題
    “角”檢測(cè)題
    “幾何圖形”檢測(cè)題
    日韩熟女老妇一区二区性免费视频| 欧美日韩亚洲国产一区二区在线观看 | 亚洲国产av影院在线观看| 亚洲成人免费av在线播放| 精品久久蜜臀av无| 高清视频免费观看一区二区| 午夜日韩欧美国产| 成人国语在线视频| 涩涩av久久男人的天堂| 亚洲精品久久成人aⅴ小说| 国产欧美日韩综合在线一区二区| 丰满饥渴人妻一区二区三| 91麻豆av在线| 在线看a的网站| 丝袜美足系列| 久久久久精品人妻al黑| 少妇猛男粗大的猛烈进出视频| 欧美黄色片欧美黄色片| 如日韩欧美国产精品一区二区三区| av有码第一页| 91成人精品电影| 国产1区2区3区精品| 后天国语完整版免费观看| 80岁老熟妇乱子伦牲交| 色播在线永久视频| 久久久国产一区二区| 国产精品亚洲av一区麻豆| 18在线观看网站| 蜜桃国产av成人99| 丰满少妇做爰视频| 夫妻午夜视频| 在线天堂中文资源库| 成年人午夜在线观看视频| 这个男人来自地球电影免费观看| 日本欧美视频一区| 久久人人爽av亚洲精品天堂| 久久精品91无色码中文字幕| 嫩草影视91久久| 窝窝影院91人妻| 最近最新中文字幕大全免费视频| 超碰97精品在线观看| 自拍欧美九色日韩亚洲蝌蚪91| kizo精华| 在线 av 中文字幕| 欧美日韩福利视频一区二区| 人人妻人人爽人人添夜夜欢视频| 久久国产亚洲av麻豆专区| 国产精品av久久久久免费| 亚洲五月色婷婷综合| 最近最新中文字幕大全电影3 | 美女高潮到喷水免费观看| 国产aⅴ精品一区二区三区波| 一级,二级,三级黄色视频| 国产欧美日韩精品亚洲av| 亚洲色图av天堂| 黄色丝袜av网址大全| 免费观看a级毛片全部| 精品人妻熟女毛片av久久网站| 国产一区二区在线观看av| 人人妻人人爽人人添夜夜欢视频| 精品国产亚洲在线| 国产aⅴ精品一区二区三区波| 高清毛片免费观看视频网站 | 精品福利观看| 久久久久精品国产欧美久久久| 亚洲av欧美aⅴ国产| 91成人精品电影| 999久久久精品免费观看国产| 精品久久蜜臀av无| 天堂中文最新版在线下载| 久久精品熟女亚洲av麻豆精品| 成人永久免费在线观看视频 | 99精国产麻豆久久婷婷| 久热爱精品视频在线9| 国产精品偷伦视频观看了| 中文字幕av电影在线播放| 如日韩欧美国产精品一区二区三区| 1024香蕉在线观看| 老熟妇仑乱视频hdxx| 久久久久网色| svipshipincom国产片| 18禁美女被吸乳视频| 无遮挡黄片免费观看| 下体分泌物呈黄色| 国产又爽黄色视频| a在线观看视频网站| a级片在线免费高清观看视频| 99国产极品粉嫩在线观看| 婷婷丁香在线五月| 日韩视频一区二区在线观看| 搡老岳熟女国产| 午夜激情av网站| 美女扒开内裤让男人捅视频| cao死你这个sao货| 精品人妻在线不人妻| 在线观看www视频免费| 精品第一国产精品| 男人操女人黄网站| 五月开心婷婷网| 久久婷婷成人综合色麻豆| 极品少妇高潮喷水抽搐| 在线观看舔阴道视频| 精品少妇久久久久久888优播| 国产色视频综合| 欧美黄色片欧美黄色片| 午夜精品国产一区二区电影| 亚洲精品久久午夜乱码| 大码成人一级视频| 久久人妻熟女aⅴ| 成人av一区二区三区在线看| 亚洲午夜精品一区,二区,三区| 人人澡人人妻人| e午夜精品久久久久久久| 18禁国产床啪视频网站| 色播在线永久视频| 9色porny在线观看| 777米奇影视久久| 一级片免费观看大全| 老汉色∧v一级毛片| 2018国产大陆天天弄谢| 免费观看av网站的网址| 丝袜在线中文字幕| 蜜桃国产av成人99| 在线十欧美十亚洲十日本专区| 久久久久国产一级毛片高清牌| 欧美黑人欧美精品刺激| 久久久国产欧美日韩av| 亚洲精品国产区一区二| 九色亚洲精品在线播放| 我要看黄色一级片免费的| 国产精品亚洲av一区麻豆| 一区二区日韩欧美中文字幕| 欧美日韩黄片免| 国产成人精品久久二区二区免费| 亚洲av日韩在线播放| 新久久久久国产一级毛片| xxxhd国产人妻xxx| 免费久久久久久久精品成人欧美视频| 国产免费福利视频在线观看| 少妇精品久久久久久久| 一级毛片女人18水好多| 成年女人毛片免费观看观看9 | 国产免费av片在线观看野外av| 热re99久久精品国产66热6| 美国免费a级毛片| 中文字幕另类日韩欧美亚洲嫩草| 亚洲av美国av| 国产精品亚洲一级av第二区| 欧美亚洲日本最大视频资源| 精品亚洲成国产av| 纯流量卡能插随身wifi吗| 亚洲精品国产区一区二| 韩国精品一区二区三区| 在线观看66精品国产| 一二三四在线观看免费中文在| 日日摸夜夜添夜夜添小说| 99国产精品一区二区三区| 岛国在线观看网站| 亚洲五月色婷婷综合| 亚洲精品久久成人aⅴ小说| 日韩精品免费视频一区二区三区| 免费少妇av软件| 日韩精品免费视频一区二区三区| 日韩精品免费视频一区二区三区| 日本撒尿小便嘘嘘汇集6| 最近最新免费中文字幕在线| 国产黄色免费在线视频| 天天添夜夜摸| 日本黄色日本黄色录像| 久久天堂一区二区三区四区| 黄色视频不卡| 中文字幕另类日韩欧美亚洲嫩草| 日韩人妻精品一区2区三区| 日韩有码中文字幕| 精品久久久久久久毛片微露脸| 中文字幕人妻丝袜一区二区| 亚洲精品久久成人aⅴ小说| 一区二区三区激情视频| 国产精品av久久久久免费| 日韩视频一区二区在线观看| 免费观看人在逋| 电影成人av| 国产精品偷伦视频观看了| 一边摸一边抽搐一进一小说 | 亚洲欧美精品综合一区二区三区| 老司机亚洲免费影院| 亚洲国产欧美网| 欧美人与性动交α欧美软件| 国产精品久久久久久精品电影小说| 欧美日韩国产mv在线观看视频| 亚洲午夜理论影院| 夜夜骑夜夜射夜夜干| 精品少妇内射三级| 国产亚洲精品一区二区www | 国产日韩一区二区三区精品不卡| 中文字幕色久视频| 久久久久国产一级毛片高清牌| 日本撒尿小便嘘嘘汇集6| 老司机午夜福利在线观看视频 | 亚洲精品久久午夜乱码| 久久午夜综合久久蜜桃| 怎么达到女性高潮| 亚洲午夜理论影院| 欧美激情久久久久久爽电影 | 久久久精品94久久精品| 午夜福利视频精品| netflix在线观看网站| 黄色成人免费大全| 精品国内亚洲2022精品成人 | 1024香蕉在线观看| 精品免费久久久久久久清纯 | 黄频高清免费视频| 中文字幕人妻丝袜制服| 中亚洲国语对白在线视频| 免费在线观看黄色视频的| 老司机福利观看| 亚洲国产欧美网| 欧美日韩av久久| 男男h啪啪无遮挡| 精品乱码久久久久久99久播| 午夜福利在线免费观看网站| 丝袜人妻中文字幕| 国产熟女午夜一区二区三区| av福利片在线| 久久久久视频综合| 黄色怎么调成土黄色| 最近最新中文字幕大全电影3 | 淫妇啪啪啪对白视频| 亚洲欧美精品综合一区二区三区| 搡老岳熟女国产| 日韩精品免费视频一区二区三区| 亚洲精品一二三| 91av网站免费观看| 精品熟女少妇八av免费久了| 老司机午夜福利在线观看视频 | 国产成人免费无遮挡视频| 黄色视频在线播放观看不卡| 久久婷婷成人综合色麻豆| 啦啦啦免费观看视频1| 宅男免费午夜| 99re6热这里在线精品视频| 五月开心婷婷网| 欧美精品人与动牲交sv欧美| 热99re8久久精品国产| av又黄又爽大尺度在线免费看| 国产黄频视频在线观看| 日本wwww免费看| www.精华液| 精品少妇内射三级| 国产精品98久久久久久宅男小说| 国产亚洲一区二区精品| 在线亚洲精品国产二区图片欧美| 国产亚洲精品第一综合不卡| 十八禁网站免费在线| 亚洲一区二区三区欧美精品| 欧美日韩福利视频一区二区| 一区二区av电影网| 成人国产av品久久久| 美国免费a级毛片| 麻豆成人av在线观看| tube8黄色片| 美女高潮到喷水免费观看| 久久久久国内视频| 亚洲国产中文字幕在线视频| 两个人看的免费小视频| 一本大道久久a久久精品| 国产精品1区2区在线观看. | 国产激情久久老熟女| 9191精品国产免费久久| 欧美日韩国产mv在线观看视频| 亚洲精品一卡2卡三卡4卡5卡| 新久久久久国产一级毛片| 国产三级黄色录像| 欧美乱妇无乱码| 黄色怎么调成土黄色| 99国产精品一区二区三区| 少妇 在线观看| 岛国在线观看网站| 韩国精品一区二区三区| 国产一区二区激情短视频| 欧美日韩成人在线一区二区| 黄色丝袜av网址大全| 又紧又爽又黄一区二区| 另类亚洲欧美激情| 免费在线观看完整版高清| 俄罗斯特黄特色一大片| 亚洲人成电影免费在线| 一级毛片电影观看| 精品高清国产在线一区| 老司机靠b影院| 搡老岳熟女国产| 久久人妻熟女aⅴ| 日本一区二区免费在线视频| 黑人欧美特级aaaaaa片| kizo精华| 天堂动漫精品| 国产伦理片在线播放av一区| 美女高潮喷水抽搐中文字幕| 啪啪无遮挡十八禁网站| svipshipincom国产片| 老司机深夜福利视频在线观看| 麻豆成人av在线观看| 好男人电影高清在线观看| 日韩三级视频一区二区三区| 免费在线观看黄色视频的| 国产精品久久电影中文字幕 | 亚洲国产成人一精品久久久| 国产在线观看jvid| 大陆偷拍与自拍| 91av网站免费观看| 日本wwww免费看| 国产日韩一区二区三区精品不卡| 国产精品久久久久成人av| 999久久久精品免费观看国产| 亚洲 国产 在线| 成人亚洲精品一区在线观看| 亚洲人成伊人成综合网2020| 日本av手机在线免费观看| 老熟妇乱子伦视频在线观看| 91成人精品电影| 国产免费现黄频在线看| 如日韩欧美国产精品一区二区三区| 夜夜夜夜夜久久久久| 国产精品一区二区免费欧美| 美女国产高潮福利片在线看| av天堂在线播放| 大香蕉久久网| 欧美精品一区二区免费开放| 大码成人一级视频| 在线观看免费高清a一片| 在线观看人妻少妇| av有码第一页| 久久精品亚洲av国产电影网| 午夜成年电影在线免费观看| 两性午夜刺激爽爽歪歪视频在线观看 | 侵犯人妻中文字幕一二三四区| 伊人久久大香线蕉亚洲五| 一个人免费在线观看的高清视频| 国产成人精品无人区| 十分钟在线观看高清视频www| 亚洲情色 制服丝袜| 婷婷成人精品国产| 成人免费观看视频高清| 99久久国产精品久久久| 国产高清videossex| 欧美激情久久久久久爽电影 | 动漫黄色视频在线观看| 免费在线观看完整版高清| tocl精华| 成人精品一区二区免费| 男女午夜视频在线观看| 满18在线观看网站| 国产精品一区二区在线不卡| 一级a爱视频在线免费观看| 在线永久观看黄色视频| 欧美精品一区二区免费开放| 搡老乐熟女国产| 大片免费播放器 马上看| 欧美国产精品va在线观看不卡| 亚洲av成人不卡在线观看播放网| 亚洲视频免费观看视频| 波多野结衣一区麻豆| 黄色毛片三级朝国网站| 18禁观看日本| 亚洲av美国av| 欧美乱妇无乱码| 日本av手机在线免费观看| 国产欧美日韩一区二区三区在线| 80岁老熟妇乱子伦牲交| 亚洲国产精品一区二区三区在线| 熟女少妇亚洲综合色aaa.| 国产精品免费视频内射| 考比视频在线观看| 欧美日韩成人在线一区二区| 国产在线精品亚洲第一网站| 成人av一区二区三区在线看| 叶爱在线成人免费视频播放| 亚洲免费av在线视频| 一本大道久久a久久精品| 欧美在线黄色| 亚洲熟女精品中文字幕| 久久久久久久久免费视频了| 亚洲三区欧美一区| 国产精品九九99| 久久久精品国产亚洲av高清涩受| 欧美中文综合在线视频| 亚洲欧美精品综合一区二区三区| 国产日韩欧美亚洲二区| 日韩欧美免费精品| 男女高潮啪啪啪动态图| 一级黄色大片毛片| 18禁国产床啪视频网站| 男人操女人黄网站| 亚洲精品av麻豆狂野| 日本五十路高清| 高清黄色对白视频在线免费看| 日韩一卡2卡3卡4卡2021年| 亚洲自偷自拍图片 自拍| 精品视频人人做人人爽| 欧美在线一区亚洲| 色视频在线一区二区三区| 国产成人免费无遮挡视频| 精品人妻1区二区| 国产成人精品无人区| 黄色丝袜av网址大全| 超碰97精品在线观看| 亚洲精品一二三| 最新的欧美精品一区二区| 天堂8中文在线网| 水蜜桃什么品种好| 天天影视国产精品| av超薄肉色丝袜交足视频| av又黄又爽大尺度在线免费看| 黄色毛片三级朝国网站| 久久国产精品男人的天堂亚洲| 亚洲av欧美aⅴ国产| 国产一区二区 视频在线| 涩涩av久久男人的天堂| 久久中文看片网| 精品福利永久在线观看| 午夜免费鲁丝| 999久久久精品免费观看国产| 精品人妻熟女毛片av久久网站| 免费在线观看黄色视频的| 在线 av 中文字幕| 一本一本久久a久久精品综合妖精| 少妇裸体淫交视频免费看高清 | 啦啦啦免费观看视频1| 久久精品91无色码中文字幕| 美女扒开内裤让男人捅视频| 97人妻天天添夜夜摸| 午夜福利,免费看| 日韩一卡2卡3卡4卡2021年| 老司机亚洲免费影院| 国产欧美日韩精品亚洲av| 成人三级做爰电影| 久久久精品区二区三区| 久久精品人人爽人人爽视色| 成人国产av品久久久| 日韩欧美国产一区二区入口| 69av精品久久久久久 | 一级黄色大片毛片| 黄色视频不卡| 中文字幕最新亚洲高清| 欧美日韩亚洲高清精品| 50天的宝宝边吃奶边哭怎么回事| 国产高清视频在线播放一区| 午夜福利在线免费观看网站| 午夜成年电影在线免费观看| 久久久久久久大尺度免费视频| 久久国产精品大桥未久av| 午夜激情久久久久久久| 一级黄色大片毛片| 天堂中文最新版在线下载| 我的亚洲天堂| av欧美777| 夜夜夜夜夜久久久久| 亚洲精品国产区一区二| 免费观看av网站的网址| 国产成人av教育| 午夜激情av网站| 女人久久www免费人成看片| 成人国语在线视频| 欧美成人午夜精品| av有码第一页| 国产精品久久电影中文字幕 | 久9热在线精品视频| 国产在视频线精品| 国产xxxxx性猛交| 亚洲熟女精品中文字幕| 少妇猛男粗大的猛烈进出视频| 丝袜喷水一区| a在线观看视频网站| 欧美日韩国产mv在线观看视频| 久久精品熟女亚洲av麻豆精品| 这个男人来自地球电影免费观看| 99精品在免费线老司机午夜| 色在线成人网| 制服诱惑二区| 免费在线观看视频国产中文字幕亚洲| 精品人妻在线不人妻| 免费在线观看黄色视频的| 国产精品98久久久久久宅男小说| 日韩三级视频一区二区三区| 午夜激情久久久久久久| 亚洲 国产 在线| 青草久久国产| 国产精品99久久99久久久不卡| 久久精品人人爽人人爽视色| 成人18禁高潮啪啪吃奶动态图| 精品亚洲乱码少妇综合久久| 国内毛片毛片毛片毛片毛片| 久久久久久久久免费视频了| 丁香欧美五月| 日本wwww免费看| av免费在线观看网站| 狠狠婷婷综合久久久久久88av| 欧美久久黑人一区二区| 亚洲国产看品久久| 夜夜夜夜夜久久久久| 欧美日韩亚洲高清精品| 精品免费久久久久久久清纯 | 国产麻豆69| 老司机靠b影院| 汤姆久久久久久久影院中文字幕| 欧美日韩国产mv在线观看视频| 久久天堂一区二区三区四区| 99久久精品国产亚洲精品| 亚洲五月色婷婷综合| 99国产综合亚洲精品| 国产激情久久老熟女| 久久久国产欧美日韩av| 国产国语露脸激情在线看| 亚洲三区欧美一区| 夜夜爽天天搞| 久久精品亚洲熟妇少妇任你| 99精国产麻豆久久婷婷| 成人影院久久| 欧美精品高潮呻吟av久久| 女警被强在线播放| 久久久精品区二区三区| 亚洲一区二区三区欧美精品| 亚洲国产欧美网| 亚洲成人国产一区在线观看| 老司机福利观看| 精品人妻1区二区| 18禁黄网站禁片午夜丰满| 亚洲三区欧美一区| 1024视频免费在线观看| 九色亚洲精品在线播放| 99国产精品一区二区蜜桃av | e午夜精品久久久久久久| 黄色 视频免费看| 国产精品偷伦视频观看了| 午夜福利影视在线免费观看| 18禁国产床啪视频网站| 国产亚洲午夜精品一区二区久久| av线在线观看网站| 后天国语完整版免费观看| 亚洲三区欧美一区| 18在线观看网站| 又紧又爽又黄一区二区| 亚洲一区二区三区欧美精品| 国产在视频线精品| 成年人免费黄色播放视频| 制服人妻中文乱码| 欧美变态另类bdsm刘玥| 亚洲伊人久久精品综合| 亚洲五月色婷婷综合| 一级,二级,三级黄色视频| 手机成人av网站| 最近最新中文字幕大全免费视频| 91九色精品人成在线观看| www.999成人在线观看| 国产高清videossex| 精品人妻在线不人妻| 久久久国产一区二区| 99国产极品粉嫩在线观看| 国产成人av教育| 好男人电影高清在线观看| 国产极品粉嫩免费观看在线| 欧美 日韩 精品 国产| 精品福利永久在线观看| 在线 av 中文字幕| 叶爱在线成人免费视频播放| 丰满少妇做爰视频| 国产午夜精品久久久久久| 91老司机精品| 男女床上黄色一级片免费看| 黑人欧美特级aaaaaa片| 国产精品二区激情视频| 亚洲欧美日韩高清在线视频 | 亚洲人成电影免费在线| 另类精品久久| 国产色视频综合| 国产亚洲一区二区精品| 一级片免费观看大全| 9热在线视频观看99| 纵有疾风起免费观看全集完整版| 精品高清国产在线一区| 国产精品九九99| 日日摸夜夜添夜夜添小说| 亚洲熟妇熟女久久| 脱女人内裤的视频| 国产欧美日韩精品亚洲av| 怎么达到女性高潮| 捣出白浆h1v1| 在线观看免费高清a一片| 午夜福利免费观看在线| 香蕉久久夜色| 99国产精品一区二区蜜桃av | 一级毛片电影观看| 美女午夜性视频免费| 2018国产大陆天天弄谢| 激情视频va一区二区三区| 国产黄频视频在线观看| 亚洲色图av天堂| 桃红色精品国产亚洲av| 可以免费在线观看a视频的电影网站| 伊人久久大香线蕉亚洲五| 国产成人av教育| 精品人妻1区二区| 欧美黄色淫秽网站| 涩涩av久久男人的天堂| 日韩一卡2卡3卡4卡2021年| 97在线人人人人妻| 色婷婷av一区二区三区视频| 黑人巨大精品欧美一区二区蜜桃| 欧美激情高清一区二区三区| 无限看片的www在线观看| 电影成人av| 在线观看www视频免费| 最黄视频免费看| 男人舔女人的私密视频| 国产成人免费观看mmmm|