基于YOLO-RW模型的机器视觉原木端面识别定位

作者：曾小山; 张小波^*

来源：森林工程, 2023, 39(05): 144-153.

• 原木木材
• 端面识别
• 深度学习
• YOLO-RW
• 目标识别

在原木木材材积检测中，由于端面伐痕、开裂和阴影等因素容易影响智能检测系统的准确性和稳定性，一直以来，端面识别定位属于一个难点问题。对多个YOLO(You Only Look Once)版本模型的原理分析和试验验证，融合这些YOLO版本模型优点，在yolo3主干网络基础上，采用数据增强、特征融合和损失函数等优化手段，构建更加适用于原木检测的端到端深度学习模型YOLO-Raw Wood(YOLO-RW),用于原木木材材积图像的准确识别和定位。为检验YOLO-RW模型性能，设计多组数据试验。结果表明，同比基准模型，YOLO-RW模型具有更高的端面识别精度和鲁棒性，在准确率和召回率评价指标平均值上，分别高出基准模型6.95%和2.38%以上。研究表明，YOLO-RW模型在原木木材材积检测领域有着较好的应用价值，亦可为相关目标识别领域的研究提供借鉴。

• 单位
  江西环境工程职业学院