基于迁移学习的竹片缺陷识别

胡峻峰，张志超，赵亚凤，陈 振

(1.东北林业大学 机电工程学院，黑龙江 哈尔滨 150040；2.东北林业大学 信息与计算机工程学院，黑龙江 哈尔滨 150040)

竹林是重要的非木质森林资源，我国现有竹子种类500余种[1]。竹席有优良的透气性、凉爽以及不卷曲等特征，竹席有许多优点，所以竹席的需求量长盛不衰[2]。竹片的常见缺陷是各竹片间的形状差异，人工检测作为传统的检测方法，虽然能直观地观测到缺陷但是仍有一些缺点。首先，当缺陷图像与背景灰度差异较小或者缺陷不是很明显或者缺陷所在图像的背景比较模糊，人工检测会产生较大的误差；其次，人工检测很难跟上工业生产中竹片的传输速率，所以对产品检测的实时性会产生影响；最后，在进行人工检测的过程中或多或少的会受到主观因素影响导致缺陷判断的标准不能百分百相同，导致无法保证检测结果统一准确，并且经过长时间的人工检测，会对人的眼睛、身体等造成疲劳，产生疾病。所以目前我们急需一种实时性好、可靠性高、智能的竹片表面缺陷检测识别分类技术[3]。

国内目前对于竹片检测的自动化设备的生产已经逐步扩大。针对竹片缺陷检测的研究，蒋贤明等[4]推出一款竹片分拣机，该机器侧重点是挑选出未炭化的竹片，对于竹片的其他缺陷检测不够准确，算法相对来说比较复杂且检测速率低。华于生等[5]提出了基于嵌入式的竹片表面缺陷监测系统，但检测速度比较慢而且硬件配置比较落后；……