摘要：深度學習是當前機器學習的研究熱點之一,針對木材表面死節缺陷圖像,提出一種基于自動編碼器(Autoencoder,AE)與長短期記憶網絡(Long Short-Term Memory,LSTM)的深度學習圖像分割方法。將RGB彩色圖像轉換成灰度圖像,對灰度圖像進行分塊,同時將塊變換成行向量,所有行向量組成矩陣并采用AE進行深度學習,通過設置多層深度學習結構,實現行向量維數約減。最后采用LSTM對約減后的死節和背景特征進行訓練與測試并得到分類結果。試驗結果表明,提出的算法的分割效果好,能很好地提取木材表面死節缺陷。