基于改进YOLOv4算法的结构用锯材表面缺陷检测研究

针对木结构用锯材表面缺陷人工检测效率低下、精度低等问题。提出了一种改进的YOLOv4算法用于结构用锯材表面缺陷检测研究,在原YOLOv4算法基础上加入了自适应特征融合模块(AdaptivelySpatial FeatureFusion,ASFF),解决了不同特征尺度间的不一致性。为了验证算法的有效性,论文分别采用YOLOv3、YOLOv4及改进的YOLOv4算法对1052张结构用锯材表面缺陷样本图像进行对比测试。结果表明,与YOLOv3、YOLOv4算法相比,改进的YOLOv4算法平均测试精度均值分别提高了2.36%和19.9%,对单张含有不同大小目标的图片检测结果提高了13%。

结构用锯材分等技术概述

本文主要介绍了结构用锯材的定义,概括了国内标准对结构用锯材等级的具体要求,包括目测分等要求和机械应力分等要求。对现有分等方法及原理进行了对比分析,最后总结了现有获得认证的分等设备。本文对涉及结构用锯材的优材优用和木结构设计的相关人员提供了参考。

结构用锯材表面质量优选设备的设计

为实现结构用锯材的快速无损分级,采用目测分级的方法设计了一套优选设备。该优选设备主要由输送、输出装置,图像采集装置和图像分析系统组成。通过变频器控制输入输出辊台中两个电机的转速和转向,实现两个辊台同步传动,利用编码器发出触发信号来控制上下两个线阵相机对锯材进行双面采图,得到锯材正反两面的图像,再由图像分析系统对所采集图像进行分析,实现结构用锯材表面缺陷的双面检测。利用该设备对锯材表面的节子数量进行检测,试验结果表明,该优选设备易于操作、运行平稳、工作效率高,具有广阔的推广应用前景。