木材树种计算机视觉识别技术发展与应用

我国是全球林产品生产、贸易和消费第一大国,因此受到国际社会的广泛关注。在木材和木制品贸易流通环节经常出现以假乱真、以次充好的现象,为国际履约执法和林产品产业监管带来严峻挑战。基于木材解剖的传统木材树种识别方法,一般只能识别木材到"属"或"类"。近年来发展的DNA条形码、近红外光谱等木材树种识别新技术虽然可以实现木材"种"的识别,但难以在口岸、现场等多场景下对大批量样本进行自动精准识别。随着计算机技术的快速发展,计算机视觉识别技术可以从不同类别图像中提取关键特征,从而对图像进行分类,为木材树种分类带来新的途径。笔者首先介绍了基于图像采集、特征提取和树种分类的传统木材树种计算机视觉识别技术研究概况,然后从图像数据集构建、模型构建训练与测试以及系统开发等应用等方面介绍了基于深度学习的木材树种计算机视觉识别技术研究应用现状,并结合国内外研究进展对基于深度学习的计算机视觉识别技术在木材树种识别领域的应用进行了展望和提出建议,以期为木材树种自动精准识别研究提供新的思路。     

基于机器视觉的木材特征提取与树种识别研究综述

我国是木材及木制品加工大国,近年来家具、装修等市场需求的快速增长推动了木材加工行业的发展。由不同树种制作而成的木材材料性质与价值大相径庭,因此准确识别木材树种具有重要意义。相较于传统人工识别,基于机器视觉的木材树种识别大幅度提高了准确率。文中通过分析近5年来木材识别领域的相关文献,总结了木材特征提取的相关技术与树种识别的各种方法,提出要深度融合木材的多个特征并加强各种算法间的配合使用;此外,针对机器视觉在木材树种识别中的应用普遍停留在学术研究阶段的问题,提出木材树种识别应向装备数字化方向发展,以期提高木材树种识别的工作效率。     

基于数字图像的木材缺陷识别研究进展

数字图像处理技术是在木材缺陷识别中应用最广泛的技术之一,具有准确、快速、无损和成本低等优点。本文阐述基于数字图像的木材缺陷识别技术的研究现状,分析图像预处理、分割、特征提取及融合、图像识别分类过程涉及的算法,并对每种方法的特点以及局限性进行总结,对未来研究的发展趋势进行展望。数字图像处理技术进一步走向自动化和智能化,还需要更深入的研究。     

基于AlexNet优化的板材材种识别方法

【目的】基于处理后的木材端面细胞特征,寻找合适的机器学习方法提高木材识别准确率,以实现木材高效利用,为珍稀木材种类判别和保护提供依据。【方法】以5种木材(臭冷杉、长白落叶松、鱼鳞云杉、鹅掌楸和凹叶厚朴)端面细胞为研究对象,提取多种差异性图像作为数据集,通过图像处理提取特征信息,分别采用支持向量机(SVM)和AlexNet神经网络进行分类识别。根据木材端面细胞区分的差异性,在AlexNet神经网络架构中加入BN算法进行优化,设计一种更高效的板材识别方法提高木材识别准确率。【结果】将增强后的29 680张图像按7∶3划分,分别保存在训练集和测试集文件夹中,测试样本确定标签后均放入同一文件夹,分别对3种分类算法进行整体批量测试,支持向量机分类器测试集的整体识别准确率为84.67%, AlexNet神经网络测试集的整体识别准确率为88.76%,基于BN算法优化的AlexNet神经网络测试集的整体识别准确率为91.15%,识别效果更好。【结论】当样本量充足时,AlexNet神经网络对木材端面细胞图像的分类效果明显优于SVM分类器。基于BN算法优化的AlexNet神经网络对图像线性特征更敏感,保留...     

板材端面细胞实体检测图像的切片化处理研究

针对无损检测板材材种这个木材行业亟待解决的问题,根据木材端面细胞图像显现方便和易于检测的特点,利用计算机图像处理技术,研究并提出了依靠木材端面细胞实体检测图像进行板材材种识别的新方法和研究方向,为建立木材几何参数识别的数学模型提供了理论依据,为科学化和工业化鉴定检测板材材种提供了新的理论研究方向。     

木材树种识别技术现状、发展与展望

介绍了木材树种宏观及其与微观特征结合的识别技术、木材识别特征的术语和定义、木材识别辅助工具和软件以及命名依据;阐述了DNA标记、稳定同位素、近红外光谱分析等木材树种识别新技术的发展,及对木材树种和产地鉴定的应用前景.     

一种新的针叶材自动识别方法

提出通过横切面显微图像对针叶材树种进行计算机识别的方法。该方法通过提取图像的PCA特征,生成特征树,然后采用SVM对样本进行分类。使用8种针叶材,每种12个样本,并采用留一交叉验证,对图像的分割方法、最近邻与SVM分类算法和不同范数距离下的识别效果进行试验。结果表明通过部分木材微观的纹理结构进行木材识别的可能性。     

树种识别技术的研究进展

介绍了传统的木材识别方法、计算机数据库检索方法、数字图像识别方法以及其他木材识别方法的新成果,阐述了基于数字图像的木材识别技术,并总结了木材识别理念的更新和进展。     

基于细胞数字特征的板材材种识别技术

木材识别是合理利用木材最基本的前提。为了解决人工鉴定失误率高的问题,本文提出基于细胞数学描述理论的板材识别方法,采用木材端面细胞的显微数字图像,利用板材材种的数学仿真技术、图像处理技术、数据库管理和系统辨识方法,提取细胞轮廓形态和尺寸等参数建立基准细胞和材种识别数字化参数库。减少传统的依赖图像像素特征识别比较方法的不确定性,创新材种识别的数字化理论体系,推动板材材种识别的实用化。     

气相色谱质谱联用技术在木材识别中的应用

气相色谱质谱联用(GC-MS)技术因其高灵敏性以及分离效率高等特点,已广泛用于复杂混合物的分离。基于GC-MS技术,采用间接导入和直接导入两种不同进样方式,从化学分类的角度识别木材,为快速准确鉴定木材树种提供了新思路,并分析该技术应用于木材识别尚存在的问题及进一步研究的重点。     

木材DNA条形码鉴定研究进展

木材种属鉴定具备显著的生物学与经济意义, 但传统的以显微特征观察为主的方法已不能适应高通量和精细化鉴别的需要。DNA条形码是根据特定基因片段的序列差异, 利用生物信息学技术对生物物种进行快速分类与鉴别的方法。近年来, DNA条形码技术已被陆续应用于木本植物及相应木材的种质鉴定, 在目标基因选择、木材DNA提取及生物信息学分析等方面均取得显著进展。在使用优化的微量DNA提取技术的前提下, 干燥木材中也可提取出满足扩增要求的DNA。经过生命条形码联盟等国际机构的长期努力, 确定了rbcL+ matK组合等通用植物条形码标记及ITS2等补充标记, 并建立了BOLD等数据库系统。传统的条形码序列分析主要通过BLAST比对、遗传距离分析及系统进化分析来实现, 近年来随着生物信息学的发展, DNA条码数据库不断完善, 新的数据分析方法和软件正不断涌现。文中在总结现有研究成果和实施规范的基础上, 综述国内外应用DNA条形码技术进行木材鉴别的新进展, 并着重阐述新型序列分析方法和相应的生物信息学工具。     

基于计算机视觉的单板自动分级系统设计

论述国内外木材及单板自动分级技术的研究进展,提出基于计算机视觉的单板自动分级系统的设计方法.     

数字图像技术在木材科学中的应用

随着现代计算机技术的快速发展,计算机数字图像处理技术已成为当前追逐的热点,并广泛应用在木材科学领域中。数字图像技术所具备的现性好、精度高、灵活性强等优势,为木材科学的发展提供了新手段。文中基于数字图像处理技术从木材宏观与微观方面对木材缺陷、木材纹理、细胞特征等进行综述,同时分析了木材科学研究中主要用到的数字图像处理技术,并对数字图像处理技术在木材科学中的研究方向及发展趋势进行展望。     

基于计算机技术的竹种分类研究进展

竹类植物种类繁多，如何科学准确地进行竹种分类对竹子的材性和加工利用研究至关重要。文章总结了计算机技术在竹种分类领域中的应用。分析显示，从最初的人工标记特征至后来的智能提取特征，基于计算机技术的竹种分类不断纳新，方法逐渐脱离人工，向着智能化方向迈进，既节省了大量人力物力，也可避免人为主观判断带来的偏差，将成为今后竹子分类识别的研究热点。     

Feature Extraction of defects on wood surface

IntroductionAtpresent,usingthecomputerimageprocessil1gsys-temtofinishthefeatureextractiol1ofw0oddefectsisi11anexpIorat0rystage.ThismetI1odmaydecreasetI1ellmitati0noftl1eexperilnel1talcol1ditions,suChasIights,instrumentsandsomespccialmateriaIs.Itiscol1venic11ttousethiswayandthegoodresuItswilIbeacI1ieved.TherearethreetypicaIwo0dsurfacedefectst0bestudiedintheexperiment,whicI1arekn0t,boreI1oleal1ddecayofLarixandBeIlIlu.Tl1eworkist0separatetl1edefectsfromthewoodsurfaceimagesandprovideagoodba…     

基于Faster R-CNN的实木板材缺陷检测识别系统

我国木材资源有限,为了提高木材的利用率,采用机器视觉来实现木材缺陷快速而稳定的检测,不仅可以克服人工检测的低效率和木材缺陷识别的低准确率,而且对提高木材加工企业的智能化水平具有重要意义。为了高效、快速、准确地进行无损检测,采用深度学习方法,建立了一种基于快速深度神经网络的实木板材缺陷识别模型。首先采用Resnet V2结构对采集到的实木板材缺陷图像进行特征提取,然后应用该模型对节子、孔洞等实木板材缺陷进行训练学习,最后构建了Faster R-CNN检测框架,并使用tensorflow开发平台对节子、孔洞等实木板材缺陷进行预测输出。具体选取了2 000块杉木样本,通过旋转对原始的实木板材图像进行数据扩充,扩充后图像的80%作为训练集,20%作为验证集来进行仿真。仿真结果表明,该模型对实木板材节子缺陷检测正确率为98%,对实木板材孔洞缺陷检测正确率为95%,验证了将深度学习算法应用于实木板材缺陷检测中的有效性。     

基于数字图像处理技术实现木材横纹压缩过程中构造学形态特征的研究

根据计算机视觉技术,结合横纹压缩木材构造形态特征,提出了适合于木材横纹压缩过程中构造形态特征的图像处理方法。对图像质量的完善较全面地进行了量化,充分表露出计算机视觉技术在实现木材横纹压缩过程中构造学形态特征动态变化分析中的优越性,实现了木材细胞边缘轮廓的跟踪,形态特征的提取,为木材科学的再发展奠定了理论基础。     

数字图像模式识别技术在植物叶片识别中的应用

植物分类鉴别是森林资源及林下中药资源清查和保护工作的基础, 但现在植物的鉴别主要依靠人为进行, 效率低、主观性强, 且专业人才较少。随着数字信息化技术的发展, 构建计算机化的植物模式识别体系已经成为植物鉴别过程中强有力的工具,可为植物学的定种工作提供便捷、准确的保障。文中从叶片特征选择、常用叶片识别方法及图像识别在手机系统上的应用3个方面综述了叶片模式识别的相关研究成果,并探讨了利用计算机视觉辅助植物分类方面的问题和展望,以期为数字图像模式识别技术在植物叶片识别中的应用和进一步研究提供参考。     

基于DNA的木材识别新技术发展与应用

介绍了基于DNA方法的木材识别新技术在国内外的研究进展,在分析现存技术问题的基础上,提出完善DNA方法在木材识别领域应用的建议.为开辟木材识别的新途径,保护木材资源、推进木材合法贸易提供技术支撑.