研究目的
研究利用近红外光谱(NIRS)检测和分类实木板材表面缺陷,比较不同预处理方法和分类模型。
研究成果
BPNN模型取得了最高的分类准确率(校准集为97.92%,预测集为97.50%),证明了近红外光谱结合机器学习在实木板材缺陷快速精准检测中的潜力。采用导数和Savitzky-Golay预处理方法效果最佳。未来研究应扩展至更多缺陷类型和木材树种。
研究不足
本研究仅限于红松木材及四种缺陷类型;针对更多缺陷类型和不同树种还需进一步研究。这些模型可能需要进行优化才能应用于工业生产。
研究目的
研究利用近红外光谱(NIRS)检测和分类实木板材表面缺陷,比较不同预处理方法和分类模型。
研究成果
BPNN模型取得了最高的分类准确率(校准集为97.92%,预测集为97.50%),证明了近红外光谱结合机器学习在实木板材缺陷快速精准检测中的潜力。采用导数和Savitzky-Golay预处理方法效果最佳。未来研究应扩展至更多缺陷类型和木材树种。
研究不足
本研究仅限于红松木材及四种缺陷类型;针对更多缺陷类型和不同树种还需进一步研究。这些模型可能需要进行优化才能应用于工业生产。
加载中....
您正在对论文“近红外光谱检测实木板材表面缺陷的潜力”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期