申请/专利权人:三峡大学
申请日:2024-01-12
公开(公告)日:2024-04-16
公开(公告)号:CN117893497A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/82;G06V10/774;G06V10/74;G06N3/045;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:基于改进Yolov7‑tiny网络的木板材表面缺陷检测方法,包括以下步骤:收集木材表面缺陷图像,对其筛选和预处理;对处理后的图像进行标注,标记出缺陷区域,并划分为训练集、验证集、测试集;改进Yolov7‑tiny网络模型;将训练集图像输入改进Yolov7‑tiny网络模型进行训练,使用训练后的改进Yolov7‑tiny网络模型对测试集中图像进行检测。该方法在保证体积小和检测速度快的情况下,提升现有深度学习模型关于木板材表面缺陷检测精度,提高林业检测的整体效率。
主权项:1.基于改进Yolov7-tiny网络的木板材表面缺陷检测方法,其特征在于包括以下步骤:步骤1:收集木材表面缺陷图像,对其筛选和预处理;步骤2:对步骤1处理后的图像进行标注,标记出缺陷区域,并划分为训练集、验证集、测试集;步骤3:改进Yolov7-tiny网络模型;步骤4:将训练集图像输入步骤3中改进Yolov7-tiny网络模型进行训练,使用训练后的改进Yolov7-tiny网络模型对测试集中图像进行检测。
全文数据:
权利要求:
百度查询: 三峡大学 基于改进Yolov7-tiny网络的木板材表面缺陷检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。