基于树皮外形的树木节疤预测研究
计算机视觉与模式识别
2020-10-08 v1 机器学习
图像与视频处理
摘要
在工业中，原木的价值强烈依赖于其内部构造，更具体地取决于树木内部节疤的分布。如今，CT扫描仪是获取树木内部构造精确图像的主流工具。然而，CT扫描仪昂贵且缓慢，使其在大多数工业应用中不切实际。知晓树木内部节疤的位置可通过减少浪费并提升原木副产品品质来改善整个树木产业的效率。本文中，我们评估了不同的基于深度学习的架构，以根据树木外形预测其内部节疤分布，这是此前从未做过的工作。我们将研究三类基于卷积神经网络（CNN）的技术。这些架构在真实与合成CT扫描树木上进行了测试。通过这些实验，我们证明了CNN可用于基于树木外表面预测内部节疤分布。其目的在于表明这些廉价且快速的方法可用来替代CT扫描仪。此外，我们考察了若干现成目标检测器在CT扫描图像中检测节疤的性能。该方法用于自主标注我们部分真实CT扫描树木，从而缓解了对整幅图像进行人工分割的需求。
引用
@article{arxiv.2010.03173,
title = {A Study on Trees's Knots Prediction from their Bark Outer-Shape},
author = {Mejri Mohamed and Antoine Richard and Cedric Pradalier},
journal= {arXiv preprint arXiv:2010.03173},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2002.04571