APP下载

依据批归一化卷积神经网络算法的木材类别机器视觉识别方法1)

2022-08-04袁科文张贯宇刘送永杨建华卢硕辰刘后广

东北林业大学学报 2022年7期
关键词:分类模型

袁科文 张贯宇 刘送永 杨建华 卢硕辰 刘后广

(中国矿业大学,徐州,221116)

传统的木材分类方法[1]主要依靠专家的经验积累和主观人工目测,依据密度、音高、气味或颜色等特性进行辨别木材类别[2]。由于专家鉴别存在个体差异,所以分类的准确性很大程度上取决于专家的知识和经验积累[3]。除此之外,木材行业每年花费巨大的资金进行木材种类鉴别,许多工业部门也急需一种高效、自动识别木材种类的方法[4]。近年来,随着深度学习和人工智能技术的不断发展,尤其是卷积神经网络开始应用在各行各业[5-7],越来越多的研究者将卷积神经网络应用于木材种类的分类识别[8-12]。这些方法都证明利用卷积神经网络进行木材种类识别是可行的;但是卷积神经网络模型,参数量大、收敛时间长、不易使用以及保证模型的泛化能力[13]。

为此,本研究以巴西植物区系的树种为研究对象,提出一种依据批归一化的卷积神经网络算法的木材类别视觉识别方法;以VGG-16[14-15]模型为基础,构建一个依据优化后的全连接层和SoftMax分类层相结合的新型木材种类识别模型(该模型包括卷积层、批归一化层、激活层、池化层、全连接层、SoftMax分类层);通过批归一化对输入数据进行处理,调整卷积神经网络的中间输出参数,提高模型的收敛速度;考虑到VGG-16的权重参数量大,并且基本集中在3个全连接层,提出以2个全连接层替换VGG-16模型原全连接层。由于本研究具体针对5种木材类别,而VGG-16是针对1 000个分类类别设计的,所以使用5标签的SoftMax分类器替换原SoftMax分类器,以提高模型的识别精度和效率。……

登录APP查看全文

猜你喜欢

分类模型
一半模型
分类算一算
垃圾分类的困惑你有吗
重尾非线性自回归模型自加权M-估计的渐近分布
教你一招:数的分类
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
给塑料分分类吧
一个相似模型的应用