计算机应用研究

作者：胡忠康,刘英,周晓林,赵乾,沈鹭翔,

单位：南京林业大学机械电子工程学院,南京210037；

关键词：缺陷识别,纹理识别,深度置信网络,自学习,局部二值模式,

基金：国家林业局“948”项目(2014-4-48)；江苏省政策引导类计划(国际科技合作)项目(BZ2016028)；；

针对在现代木材加工企业中，实木板材以缺陷及纹理为主要品质分级要素的需求，提出利用基于局部二值模式、自学习的深度置信网络与softmax分类器组合的深度学习算法，实现对实木板材缺陷及纹理的分类。首先提取实木板材的缺陷及纹理特征，在此基础上利用深度置信网络对经过局部二值化处理的特征进行训练学习，并采用可自学习的学习率算法优化收敛速度、减少训练时间，最后使用softmax分类器获取常见缺陷及直纹、花纹的分类结果。通过与BP神经网络、支持向量机、极限学习机等几种经典算法的比较，采用深度置信网络得到的实木板材缺陷及纹理识别的误差率在3.59%左右，在实木板材缺陷和纹理上取得了更好的识别效果。

来源：2019年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第12期