森林工程
森林工程
삼림공정
FOREST ENGINEERING
2013年
6期
56-58
,共3页
白雪冰%祝贺%张庭亮%王再尚%张娜
白雪冰%祝賀%張庭亮%王再尚%張娜
백설빙%축하%장정량%왕재상%장나
木材表面缺陷%高斯-马尔可夫随机场%BP神经网络
木材錶麵缺陷%高斯-馬爾可伕隨機場%BP神經網絡
목재표면결함%고사-마이가부수궤장%BP신경망락
为了识别死节、活节和虫眼三种木材表面缺陷类型,本文采用高斯-马尔可夫随机场模型提取木材表面缺陷图像的纹理参数,结合缺陷区域的矩形度和伸长度两个几何特征,形成14维特征向量.设计三层BP神经网络来识别缺陷的类型.试验表明,三种缺陷的整体识别正确率达到96.67%,验证了该方法的有效性.
為瞭識彆死節、活節和蟲眼三種木材錶麵缺陷類型,本文採用高斯-馬爾可伕隨機場模型提取木材錶麵缺陷圖像的紋理參數,結閤缺陷區域的矩形度和伸長度兩箇幾何特徵,形成14維特徵嚮量.設計三層BP神經網絡來識彆缺陷的類型.試驗錶明,三種缺陷的整體識彆正確率達到96.67%,驗證瞭該方法的有效性.
위료식별사절、활절화충안삼충목재표면결함류형,본문채용고사-마이가부수궤장모형제취목재표면결함도상적문리삼수,결합결함구역적구형도화신장도량개궤하특정,형성14유특정향량.설계삼층BP신경망락래식별결함적류형.시험표명,삼충결함적정체식별정학솔체도96.67%,험증료해방법적유효성.