期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器视觉的智能破竹分片系统设计与验证
1
作者
叶建华
刘贯飞
+3 位作者
刘柏林
罗奋翔
韦铁平
林记宗
《中南林业科技大学学报》
CAS
CSCD
北大核心
2024年第8期159-168,共10页
【目的】破竹分片是影响竹材出材率的重要基础工序。针对竹段的直径大小跨度大、壁厚不等、圆度不一的个体化特性,提出基于机器视觉的智能分片方法,以提高竹材的出材率。【方法】基于竹段的天然特性和破竹工艺要求,以竹段的真实截面轮...
【目的】破竹分片是影响竹材出材率的重要基础工序。针对竹段的直径大小跨度大、壁厚不等、圆度不一的个体化特性,提出基于机器视觉的智能分片方法,以提高竹材的出材率。【方法】基于竹段的天然特性和破竹工艺要求,以竹段的真实截面轮廓为基础,以刀盘可分片的数量为约束,建立出材率计算模型。通过工业相机采集竹段的截面图像,在Canny算子的基础上引入多尺度细节增强算法来消除竹材图像内、外径间的干扰信息,并通过融合迭代阈值与梯度直方图分析法自适应获取双阈值,以提升竹段截面轮廓提取的鲁棒性。采用边界排序生长算法快速计算剖分竹片的最大内接矩形。在智能破竹机上开展生产试验验证。【结果】改进的轮廓提取算法,有效去除了竹材截面图像的伪边缘特征,能获得完整的边缘轮廓特征,计算获得的竹材内外径与真实尺寸的平均误差为0.9%。同一随机剖分角度下,本研究方法计算的出料率与最大出材率相比平均偏差为1.3%,小于圆模型的6.3%和椭圆模型的1.6%。通过生产试验,验证了基于机器视觉的破竹机智能分片系统的出材率平均可达73%,高于传统破竹机出材率。【结论】设计的基于机器视觉的智能分片系统,能快速获取竹段的真实截面轮廓,精准确定剖分份数,有效提高了竹材的利用率。
展开更多
关键词
机器视觉
竹材剖分
智能破竹
竹轮廓提取
下载PDF
职称材料
基于改进MobileNet的咖啡豆缺陷检测
被引量:
1
2
作者
叶建华
唐辉
+2 位作者
罗奋翔
徐欢
徐帅龙
《福建工程学院学报》
CAS
2023年第3期257-263,共7页
针对现有咖啡豆缺陷检测方法鲁棒性、实时性不高的问题,提出基于改进MobileNet的咖啡豆缺陷检测方法,构建以MobileNet为核心的轻量级检测网络。对咖啡豆检测样本进行采集和增强,构建包含5种类型的咖啡豆缺陷检测数据集。通过卷积通道数...
针对现有咖啡豆缺陷检测方法鲁棒性、实时性不高的问题,提出基于改进MobileNet的咖啡豆缺陷检测方法,构建以MobileNet为核心的轻量级检测网络。对咖啡豆检测样本进行采集和增强,构建包含5种类型的咖啡豆缺陷检测数据集。通过卷积通道数和卷积模块的优化调整,压缩模型参数以匹配分类任务和满足边缘设备的部署要求。引入Mish激活函数和学习率的自适应调整方法,提升模型的收敛性能。利用迁移学习的方式优化模型参数,进一步提升模型识别准确率。实验表明,改进模型在自建咖啡豆分类检测数据集上的平均准确率为96.13%,较原模型平均准确率的93.17%提升了2.96%;模型参数则从3.21×10^(6)减少到了0.15×10^(6),不到原模型的5%。相比于VGG16_bn、ResNet50、SqueezeNet和MobileNet,改进模型准确率分别高出0.65%、1.39%、2.39%、2.96%。在提升精度的同时,该方法在参数量、内存占用量和浮点运算量上表现也为最优,能为相关农产品的缺陷检测提供参考。
展开更多
关键词
图像识别
卷积神经网络
深度学习
MobileNet
缺陷检测
咖啡豆
下载PDF
职称材料
题名
基于机器视觉的智能破竹分片系统设计与验证
1
作者
叶建华
刘贯飞
刘柏林
罗奋翔
韦铁平
林记宗
机构
福建理工大学机械与汽车工程学院
福建理工大学材料科学与工程学院
出处
《中南林业科技大学学报》
CAS
CSCD
北大核心
2024年第8期159-168,共10页
基金
福建省自然科学基金项目(2023J01929)
福建省科技计划创新资金项目(2022C0063)
+1 种基金
福建省科技计划对外合作项目(2023I1013)
福建省财政厅(自科)项目(KY030456)。
文摘
【目的】破竹分片是影响竹材出材率的重要基础工序。针对竹段的直径大小跨度大、壁厚不等、圆度不一的个体化特性,提出基于机器视觉的智能分片方法,以提高竹材的出材率。【方法】基于竹段的天然特性和破竹工艺要求,以竹段的真实截面轮廓为基础,以刀盘可分片的数量为约束,建立出材率计算模型。通过工业相机采集竹段的截面图像,在Canny算子的基础上引入多尺度细节增强算法来消除竹材图像内、外径间的干扰信息,并通过融合迭代阈值与梯度直方图分析法自适应获取双阈值,以提升竹段截面轮廓提取的鲁棒性。采用边界排序生长算法快速计算剖分竹片的最大内接矩形。在智能破竹机上开展生产试验验证。【结果】改进的轮廓提取算法,有效去除了竹材截面图像的伪边缘特征,能获得完整的边缘轮廓特征,计算获得的竹材内外径与真实尺寸的平均误差为0.9%。同一随机剖分角度下,本研究方法计算的出料率与最大出材率相比平均偏差为1.3%,小于圆模型的6.3%和椭圆模型的1.6%。通过生产试验,验证了基于机器视觉的破竹机智能分片系统的出材率平均可达73%,高于传统破竹机出材率。【结论】设计的基于机器视觉的智能分片系统,能快速获取竹段的真实截面轮廓,精准确定剖分份数,有效提高了竹材的利用率。
关键词
机器视觉
竹材剖分
智能破竹
竹轮廓提取
Keywords
machine vision
bamboo splitting
intelligence breaks bamboo
bamboo contour extraction
分类号
S781.9 [农业科学—木材科学与技术]
TS64 [轻工技术与工程]
下载PDF
职称材料
题名
基于改进MobileNet的咖啡豆缺陷检测
被引量:
1
2
作者
叶建华
唐辉
罗奋翔
徐欢
徐帅龙
机构
福建工程学院机械与汽车工程学院
出处
《福建工程学院学报》
CAS
2023年第3期257-263,共7页
基金
福建省自然科学基金(2021J011052)
福建省科技计划星火项目(2021S0026)
文摘
针对现有咖啡豆缺陷检测方法鲁棒性、实时性不高的问题,提出基于改进MobileNet的咖啡豆缺陷检测方法,构建以MobileNet为核心的轻量级检测网络。对咖啡豆检测样本进行采集和增强,构建包含5种类型的咖啡豆缺陷检测数据集。通过卷积通道数和卷积模块的优化调整,压缩模型参数以匹配分类任务和满足边缘设备的部署要求。引入Mish激活函数和学习率的自适应调整方法,提升模型的收敛性能。利用迁移学习的方式优化模型参数,进一步提升模型识别准确率。实验表明,改进模型在自建咖啡豆分类检测数据集上的平均准确率为96.13%,较原模型平均准确率的93.17%提升了2.96%;模型参数则从3.21×10^(6)减少到了0.15×10^(6),不到原模型的5%。相比于VGG16_bn、ResNet50、SqueezeNet和MobileNet,改进模型准确率分别高出0.65%、1.39%、2.39%、2.96%。在提升精度的同时,该方法在参数量、内存占用量和浮点运算量上表现也为最优,能为相关农产品的缺陷检测提供参考。
关键词
图像识别
卷积神经网络
深度学习
MobileNet
缺陷检测
咖啡豆
Keywords
image recognition
convolutional neural network
deep learning
MobileNet
defect detection
coffee bean
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器视觉的智能破竹分片系统设计与验证
叶建华
刘贯飞
刘柏林
罗奋翔
韦铁平
林记宗
《中南林业科技大学学报》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于改进MobileNet的咖啡豆缺陷检测
叶建华
唐辉
罗奋翔
徐欢
徐帅龙
《福建工程学院学报》
CAS
2023
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部