基于灰度共生矩阵和模糊BP神经网络的木材缺陷识别

被引：29

作者：

牟洪波

王世伟

戚大伟

倪海明

机构：

[1] 东北林业大学理学院

来源：

森林工程 | 2017年 / 33卷 / 04期

基金：

黑龙江省自然科学基金;

关键词：

木材缺陷; 灰度共生矩阵; 特征提取; 模糊BP神经网络;

D O I：

10.16270/j.cnki.slgc.2017.04.007

中图分类号：

S781.5 [木材的缺陷]; TP183 [人工神经网络与计算];

学科分类号：

摘要：

针对当前木材资源紧缺的严重形势,提高木材缺陷检测的准确率显得尤为重要。利用X射线无损检测技术获取木材缺陷的图像,并且通过灰度共生矩阵的方法能够有效地提取图像的主要特征值即特征向量,同时将模糊数学与BP神经网络相结合设计出模糊BP神经网络(FBP),并采用最大隶属度方法对特征向量进行模式识别,从而实现木材缺陷的自动识别和分类。经多次学习训练,结果表明FBP网络的平均识别成功率在90%以上。因此,FBP神经网络对木材缺陷有较高的识别准确率,可以为缺陷识别提供重要的理论依据。

引用

页码：40 / 43+54 +54

页数：5

共 18 条

[1]

基于BP和RBF神经网络的木材缺陷检测研究.[D].牟洪波.东北林业大学.2010, 12

[2] 木材缺陷重建图像的形态学处理研究 [J].

吴彤 ;

刘嘉新 ;

丁全福 .

森林工程, 2016, 32 (02) :40-43+48

[3] 落叶松木材干燥的BP神经网络模型研究 [J].

马翔宇 ;

王晓丰 ;

段文英 .

森林工程, 2015, 31 (01) :63-65

[4] 采用图像分割方法进行木材表面缺陷的定量检测 [J].

任重昕 ;

毕剑华 ;

谢琳 ;

仉俊峰 .

液晶与显示, 2014, 29 (05) :785-792

[5] 木材缺陷的阈值分割算法研究 [J].

谢永华 ;

陈庆为 .

森林工程, 2014, 30 (02) :38-42

[6] 基于Hu不变矩和BP神经网络的木材缺陷检测 [J].

戚大伟 ;

牟洪波 .

东南大学学报(自然科学版), 2013, (S1) :63-66

[7] 基于灰度共生矩阵和聚类方法的木材缺陷识别 [J].

吴东洋 ;

业宁 ;

苏小青 .

计算机与数字工程, 2010, 38 (11) :38-41

[8] 人工神经网络在木材缺陷检测中的应用 [J].

戚大伟 ;

牟洪波 .

森林工程, 2006, (01) :21-23

[9]

Gray level co-occurrence matrix and random forest based acute lymphoblastic leukemia detection.[J].Sonali Mishra;Banshidhar Majhi;Pankaj Kumar Sa;Lokesh Sharma.Biomedical Signal Processing and Control.2017,

[10] Study on the identification of the wood surface defects based on texture features [J].

Xie YongHua ;

Wang Jin-Cong .

OPTIK, 2015, 126 (19) :2231-2235

← 1 2 →