木材直径估计的低成本机器学习方法
计算机视觉与模式识别
2025-07-24 v1 机器学习
摘要
木材加工行业，特别是像锯木厂和 MDF 生产线这样的设施，需要准确且高效地识别木材的品种和厚度。尽管传统方法高度依赖专家人工劳动，但速度慢、一致性差且容易出错，尤其在处理大批量时更为明显。本研究聚焦于实用且高性价比的机器学习框架，自动估计使用标准 RGB 图像在真实世界工作条件下捕获的木材日志直径。我们采用 YOLOv5 目标检测算法，对公开数据集（TimberSeg 1.0）进行微调，以检测单个木材日志并通过边界框尺寸估计厚度。与需要昂贵传感器或受控环境的先前方法不同，本模型是在木材交付时典型工厂棚屋中拍摄的图像进行训练的。实验结果表明，该模型在 0.5 的 [email protected] 达到 0.64，显示即使在有限计算资源下也能可靠地检测木材日志。这种轻量、可扩展的解决方案有望实际集成到现有工作流程中，包括现场库存管理和初步分类，特别适用于中小型企业。
引用
@article{arxiv.2507.17219,
title = {A Low-Cost Machine Learning Approach for Timber Diameter Estimation},
author = {Fatemeh Hasanzadeh Fard and Sanaz Hasanzadeh Fard and Mehdi Jonoobi},
journal= {arXiv preprint arXiv:2507.17219},
year = {2025}
}