基于特征重建的无监督木材图像异常检测
摘要
本研究针对木材工业中的缺陷检测问题，提出了一种基于无监督学习的木材图像异常检测方 法。通过构建 MVTec Wood AD、Wood Defect AD 和 Wood Surface AD 三个数据集，设计了 IRNet 模 型，并引入了记忆模块和融合模块，以提高检测的精度和鲁棒性。实验结果表明，IRNet 在图像级和 像素级的 AUROC 评分上均显著优于现有方法，尤其在处理复杂纹理和多样化异常时表现突出。这一 方法为提高木材工业中的缺陷检测效率和产品质量控制提供了重要的技术支持。
关键词
木材图像异常检测；无监督学习；深度特征重建； 多尺度特征生成
全文:
PDF参考
谢佳利，亢新刚，孔雷，等.2020 年我国的木材需求预
刘强，袁云梅，夏雪，等.基于人工智能的木材缺陷检 测研究进展[J].世界林业研究，2022，35（03），12-18.
赖菲，罗廷芳，丁锐，等. 图像处理技术在木材表面缺 陷检测中的应用[J].林业机械与木工设备，2021，49（02）： 16-21.
范佳楠，刘英，杨雨图，等.机器视觉在木材缺陷检测 领域应用研究进展[J].世界林业研究，2020，33（03）：32-37.
姚建平，肖江，闫磊，等.基于 3D 结构激光的木材表面 缺陷检测的研究[J].林业机械与木工设备，2017，45（03）： 20-25.
肖雨晴，杨慧敏，王柯欣，等.卷积神经网络在木材缺 陷检测应用中的研究进展[J].木材科学与技术，2021，35（03）： 12-18.
DOI: https://doi.org/10.12238/jpm.v5i10.7324
Refbacks
- 当前没有refback。
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。