基于深度学习的刨花板表面缺陷实时检测系统研究

发布时间：2022-12-06 01:17

　　中国是刨花板生产大国。近些年,随着高效连续平压机刨花板生产线的普遍应用,刨花板生产效率大幅度提高,刨花板产量逐年上升,推动了刨花板行业的发展。在连续平压机刨花板生产线高速运行生产过程中,缘于原料成分、原料配比、技术工艺等诸多原因,部分产品表面难免会出现瑕疵、缺陷。这些刨花板表面的缺陷会影响板材质量、造成后续贴面困难,把控疏漏易造成刨花板优品率下降,次品率增加。截至目前,我国企业均依靠人工肉眼识别缺陷、检测缺陷、定级分等。此传统检测方法存在以下三个方面弊端。一方面,工人在嘈杂昏暗复杂的生产环境下,长时间用眼观察高速运行生产线上的刨花板,很快形成视觉疲劳,便会产生漏检和误检,导致刨花板出厂质量下降。另一方面,人工肉眼检测速度低于刨花板出板速度,刨花板从磨砂机出板后需减速,以低速运行模式配合人工肉眼检测,这样便严重降低了刨花板出厂效率。再一方面,行业标准-林业（CN-LY）的《船用贴面刨花板.定义和分类》标准中,刨花板表面缺陷单个面积不得超过10mm~2,且5~10mm~2面积缺陷不得超过2个,人工肉眼不易捕捉。因此,研发一款准确高效的刨花板表面缺陷实时检测系统,是缓解我国高产量刨花板生产行... 

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

刨花板分

刨花板分类定级及部分缺陷

网络模型检测流程示意图

【参考文献】：
期刊论文
[1]基于Mask R-CNN的玉米田间杂草检测方法[J]. 姜红花,张传银,张昭,毛文华,王东,王东伟.  农业机械学报. 2020(06)
[2]Focal损失在图像情感分析上的应用研究[J]. 傅博文,唐向宏,肖涛.  计算机工程与应用. 2020(10)
[3]基于CNN的彩色图像引导的深度图像超分辨率重建[J]. 王紫薇,邓慧萍,向森,杨建帆.  图学学报. 2020(02)
[4]基于机器视觉的农业机械图像识别系统分析[J]. 朱丹,吴兹古力.  农机化研究. 2020(10)
[5]基于视觉的目标检测方法综述[J]. 李章维,胡安顺,王晓飞.  计算机工程与应用. 2020(08)
[6]应用YOLO深度卷积网络的轨道图像定位算法[J]. 张雯柏,郑树彬,李鹏程,郭训.  铁道标准设计. 2020(09)
[7]采用卷积核金字塔和空洞卷积的单阶段目标检测[J]. 刘涛,汪西莉.  中国图象图形学报. 2020(01)
[8]基于注意力机制的单阶段目标检测锚点框部件感知特征表达[J]. 唐乾坤,胡瑜.  计算机辅助设计与图形学学报. 2020(08)
[9]一种小型热风烘干系统设计与温控研究[J]. 姜利昭.  机电技术. 2019(06)
[10]智能配电柜在低压配电网中的应用[J]. 赵寒,吴钧.  中国高新科技. 2019(24)

博士论文
[1]基于机器视觉的刨花板表面缺陷在线检测系统研究[D]. 郭慧.中国林业科学研究院 2019
[2]棉花加工过程中籽棉预处理关键技术研究[D]. 王昊鹏.山东大学 2014

硕士论文
[1]复杂气象条件下的航拍目标检测[D]. 武凯利.中国人民公安大学 2019
[2]刨花板表面缺陷均值方差检测方法研究[D]. 刘传泽.山东建筑大学 2019
[3]双目监控视频文本日志生成系统研究[D]. 乔邈.兰州理工大学 2019
[4]基于深度学习的静态手势识别[D]. 张金.杭州电子科技大学 2019
[5]基于卷积神经网络的目标检测算法其增量学习研究[D]. 王世豪.浙江大学 2019
[6]基于特征融合的小物体目标检测研究与应用[D]. 王海屹.北京邮电大学 2018
[7]智能视频安防系统的研究[D]. 李鹏.天津理工大学 2018
[8]基于小波变换和LBP的木材表面缺陷识别[D]. 张益翔.南京林业大学 2017
[9]基于深度卷积神经网络的脑组织分割方法研究[D]. 葛波.华中科技大学 2017
[10]基于卷积神经网络的人体行为识别研究[D]. 刘璐璐.中国科学技术大学 2017



本文编号：3710751