基于YOLOv9-DSConv桉树旋切单板缺陷识别方法

摘要

在旋切单板加工过程中，对其表面缺陷的快速准确检测与分类，有助于对旋切单板进行品质分级，进而指导其后续加工，提高旋切单板使用率和成品质量。在人工林中桉树占有重要比例，其旋切单板市场占有率高。为了提高桉树旋切单板品质，需对其缺陷进行检测分级。因此，本研究通过在目标检测模型YOLOv9中引入动态蛇形卷积模块，提出了YOLOv9-DSConv缺陷识别模型，增强对细小特征捕获能力，实现了对桉树旋切单板上的死节、活节和裂纹3种最常见缺陷的准确识别。通过搭建图像数据采集系统，收集桉树旋切单板图像，并对图像数据进行预处理和数据增加，设计实验验证所提出的YOLOv9-DSConv旋切单板缺陷识别模型性能。实验结果表明，所提出的方法在测试集上整体缺陷识别精确率为95.5%,召回率为92.7%,mAP@50值(交并比超过50%的mAP平均值)为98.1%,各项性能指标均优于Faster R-CNN、SSD、YOLOv5、YOLOv7和YOLOv8模型。

关键词

缺陷识别 / 旋切单板 / YOLOv9 / 动态蛇形卷积