典型文献
基于深度学习的四种阔叶材材种辨识研究
文献摘要：
阔叶材材种辨识,需对其染色、制片,在显微镜下观察木材标本结构,这一过程步骤繁琐且耗时长.针对此问题,采用深度学习,实现阔叶材快速、准确检测.基于深度学习方法,分别选择YOLOv3框架以及SSD框架.试验结果表明,基于YOLOv3和SSD框架的四种阔叶材辨识的平均精度值分别为91.57％和91.17％,检测用时分别为1.185s和0.608s.这两种框架都可实现四种阔叶材材种高效、准确辨识,证明深度学习方法可以作为四种阔叶材辨识的技术手段.
文献关键词：
阔叶材辨识;CT;YOLOv3;SSD;深度学习
中图分类号：
作者姓名：
王涛;杨霄霞;高宜生;葛浙东;刘晓平;周玉成
作者机构：
山东建筑大学信息与电气工程学院,山东 济南 250101;山东建筑大学建筑城规学院
文献出处：
引用格式：
[1]王涛;杨霄霞;高宜生;葛浙东;刘晓平;周玉成-.基于深度学习的四种阔叶材材种辨识研究)[J].计算机时代,2022(11):76-80
A类：
阔叶材辨识,185s,608s
B类：
材种,制片,显微镜下,木材标本,深度学习方法,YOLOv3,SSD,平均精度值
AB值：
0.144805
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
