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。     

木材识别与鉴定技术研究综述

在查阅大量文献的基础上,介绍木材识别时的术语、木材识别辅助工具和软件、各种木材识别方法及其优缺点,包括传统木材识别、近红外光谱技术、气质联用技术、DNA法、稳定同位素法以及基于计算机视觉的识别方法,总结木材识别理念的研究现状。     

木材识别方法研究

指出了木材识别主要是从事与木材有关的行业人员,将给定的木材通过单一方法或多种方法相结合的方式把木材鉴定到属、类或种的过程。从传统与现代两个方面介绍了不同的木材识别方法,分析了传统木材识别方法与现代木材识别方法各自的优点与不足。     

降香黄檀木材识别技术研究进展

降香黄檀Dalbergia odorifera是中国特有珍贵用材树种,具有重要的经济和生态价值.文章对目前国内降香黄檀木材识别方面的研究进行了归纳,包括传统木材识别方法、色谱法/色谱-质谱联用识别方法、红外光谱识别方法和DNA识别方法,针对降香黄檀木材、家具鉴定,笔者仍推荐采用传统识别方法,降香黄檀木材独有的降香气味是...     

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。     

基于木材微观特征的BP神经网络算法红木识别研究

我国实木家具产业链发展较为成熟。作为一种珍贵木材,红木在实木家具产业中占有重要地位,我国对红木资源的进口量也在逐年增加。传统识别红木的方法主要依靠人工经验,而准确科学地识别红木种类对于红木家具产业和红木工艺品都具有重要的意义。本文提出了一种基于木材微观特征的红木识别方法,并利用BP神经网络算法,建立了识别模型,表现出较好的识别效果,可为红木树种检测提供新方法。     

基于支持向量机的木材树种识别模型

目前林业信息化正由数字林业迈向智慧林业,高效、无损的木材树种识别技术有利于推动我国林业信息化、智能化发展的进程。为了满足市场对木材高效精准识别的需求,将木材树种识别问题转化为多分类问题,开发了一种基于支持向量机结合线性降维算法的木材树种识别模型。具体而言,首先采用无监督的主成分分析和有监督的线性判别分析,分别对木材近红外高维光谱数据进行降维处理;其次将降维后的特征输入支持向量机模型中,输出各个树种类别上的概率分布。借助网格搜索法并结合5折交叉验证法选取最优核函数和核函数参数,探讨了支持向量机不同核函数对于木材树种分类效果的影响。为了评价模型的识别能力,选取准确率、混淆矩阵和ROC曲线评价提出的模型,并进一步探讨了本木材树种识别方法的可行性。实验结果表明,利用近红外光谱特征的支持向量机模型能准确且高效地识别木材树种。其中,线性判别分析结合支持向量机的模型分类准确率可达97.54%,模型运行速率为6.53 s。     

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...     

基于量化可见光特征的酸枝木类木材树种识别

以LCH颜色空间为表征系统,研究了以量化的可见光特征为依据的酸枝木类木材树种识别方法,并建立识别模型.结果表明:试验树种的L值分布范围在32.217 ～41.097之间,处在明度中等偏暗的阶段;C值分布范围在6.261～29.098之间,处在饱和度中等到低的阶段;除卢氏黑黄檀H值为22.246左右,色相偏向玫红色外,其余树种分布范围在41.679～51.674之间,基本处在大红色区域.在α=0.05差异显著性水平下,树种间明度差异显著性比例为71.5％,饱和度差异显著性比例为72.8％,色相差异显著性比例为43.8％,总体差异显著性比例92.9％.明度和饱和度是影响木材树种识别的主要因素,色相是次要因素.以量化的可见光特征为依据的酸枝木类木材树种识别方法基本可行.     

数字图像处理技术用于木材微观分析的研究概况

随着现代计算机技术的飞速发展,计算机数字图像处理技术已经在很多行业和科研领域中得到了广泛的应用,而木材微观分析是木材科研领域中重要的基础研究,与以往木材微观科研利用光学显微仪器加上人眼进行观察测量的研究手段相比较,利用计算机数字图像处理技术对木材进行微观结构分析具有客观、准确、高效等诸多优点,成为木材微观科研领域中一项崭新的课题和本领域未来科研的发展方向。本文概括国内外计算机数字图像处理技术在木材微观分析中的研究进展、应用现状并对现有处理方法和已经进行的研究的优缺点进行阐述和分析。针对现有图像处理方法和现有的科研程度对计算机数字图像处理技术用于木材微观科研领域的前景和主要发展方向做了展望。     

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...     

木结构建筑构件三维数字化设计研究

木结构建筑构件设计方法多种多样,但仍有标准化、模块化和信息化等亟待解决的问题。文中通过分析木结构建筑构件及三维数字化设计现状,指出现存木构件设计存在的问题,论述基于三维数字化技术的木构件设计优势及对木结构研究与发展的积极影响;总结木结构建筑构件三维数字化设计方法及流程,在一定规则和标准下采用三维绘图技术完善设计体系,通过对木构件进行三维建模、模块化设计和有限元分析及优化,以提高生产效率并促进行业发展。     

基于计算机的木材特征提取和分类识别技术研究综述

木材由于内部结构和组成成分的差异,使不同种类木材表现出完全不同的理化性质,并决定其不同的用途和商业价格,因此针对木材的分类识别研究具有重要的应用价值。木材分类识别通常经过木材特征提取和基于特征的分类识别这2个步骤。目前木材特征提取主要利用计算机视觉、光谱分析等技术。木材分类识别是基于木材特征的数字化,这一部分可利用计算机算法实现自动识别,较以往人工识别可大幅提高准确度。文中通过分析近20年来木材特征提取和分类识别的相关文献,介绍各种基于计算机的木材特征提取与分类识别技术的特点及适用范围,并结合计算机技术的发展方向探讨木材特征提取与分类识别技术的发展趋势,以期为构建更准确的木材分类识别技术提供参考。     

木材缺陷识别方法的研究

主要研究运用数字图像处理技术对木材表面缺陷的纹理特征进行具体研究的理论方法和可行性,并通过分析比较,探索一个分形理论和小波结合的的处理方案,完善和丰富木材科学理论,提高木材的利用率。     

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.     

Application of conductive polymer analysis for wood and woody plant identifications

An electronic aroma detection (EAD) technology known as conductive polymer analysis (CPA) was evaluated as a means of identifying and discriminating woody samples of angiosperms and gymnosperms using an analytical instrument (electronic nose) that characterizes the aroma profiles of volatiles released from excised wood into sampled headspace. The instrument measures electrical-resistance changes generated by adsorption of volatiles to the surface of electroactive, polymer-coated sensors. Unique digital electronic fingerprints of wood aromas, derived from multisensor-responses to distinct mixtures of wood volatiles, were obtained from woods of individual tree species. A reference library containing aroma signature patterns for 23 tree species was constructed for identifications of unknown samples using pattern-recognition algorithms. The 32-sensor array used with an Aromascan A32S instrument was sensitive to a wide diversity of organic compounds and produced outputs of distinct electronic aroma signature patterns in response to wood volatiles that effectively identified unknown samples from individual tree species included in the reference library. Some potential applications of CPA methods for research in ecology, forestry, plant taxonomy, and related disciplines were identified with some significant advantages and limitations. Other applications of this technology were discovered for the management of forested stands and ecosystems based on the identification of roles that wood-inhabiting organisms play in stand dynamics and long-term ecosystem functions. Results pertaining to tree systematics and phylogeny are discussed in the context of prevailing opinions of oak taxonomy.     

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。     

促进绿色未来的全球木材科学与技术研究进展——国际林联第25届世界大会木材议题综述

国际林业研究组织联盟（IUFRO）第25届世界大会于2019年在巴西召开。文中从木材生长、木材性质与质量、木材识别、木材加工利用和木文化5个方面分别论述了这次大会在木材科学与技术领域的国际最新研究热点与进展,以反映全球木材科学的研究现状,并梳理学科发展方向。木材形成、木材质量、木材高附加值利用、木材识别新技术等议题依然是木材科学与技术领域的未来研究热点。