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。     

基于图像纹理特征的木材树种识别

利用木材图像的颜色、灰度、纹理等内容实现树种的相似性匹配检索,提取色调、饱和度、亮度、对比度、二阶角矩、方差和、长行程加重因子、分形维数、小波水平能量比重共9个特征参数,依据最大相似性数学原理,基于最小差值参数判别法和综合特征阈值法来检索样本.结果显示:基于图像纹理特征能够实现木材树种的检索和识别,综合特征阈值法的检索正确率与唯一性通常要好于最小差值判别法;但当被检索样本图像的纹理较弱或不呈现纹理特征时,检索结果的唯一性并不理想.综合而言,基于图像纹理特征最大相似性的木材树种检索识别较易实现,是一种值得继续发展和应用推广的木材树种识别方法.     

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。     

福建省木材流通执法中主要木材树种的识别技能

指出了木材的树种识别是木材运输执法检查最基础的工作,为了正确鉴别福建省流通中几种主要木材树种,掌握其识别技能,结合长期从事木材运输检查监督实践,对木材的树种识别技能与福建省常见木材特征进行了总结与探讨。     

滇产榆科树种木材识别与利用初步研究

依据多年的观察研究结果，对滇产榆科树木6属23种木材的宏观识别特征及利用价值作了详尽的介绍。     

机器视觉在木材缺陷检测领域应用研究进展

为了提高木材利用率,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效率低、劳动强度大、准确率低等弊端,而且对提高木材加工企业的智能化水平具有重要意义。文中概述了机器视觉检测技术及设备的国内外研究现状,介绍基于机器视觉检测木材缺陷所涉及的相关理论和算法研究,以及相关图像处理算法的优缺点;针对机器视觉应用在木材缺陷检测领域存在的不足,提出机器视觉木材表面检测应进一步向人工智能方向发展,以提高木材缺陷检测效率及准确性。     

云南进口龙脑香科树种的木材识别与利用

从商品材名称及树种分布,木材宏观识别特征,木材的加工利用性质等3个方面,记述了云南进口的龙脑香科7属20个树种木材的识别特点及其加工利用的特征.     

国产重要树种木材特征及其出现频率的研究

研究了国产（包括引种的）６６９个重要树种的木材特征及其出现的频率。涉及裸子植物木材（或针叶树材）１６９种、木材特征１３８个，被子植物木材（阔叶树材）５００种、木材特征１７８个，并列出具有特殊木材特征的树种。     

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.     

木材识别

不同的木材，其用途和树种各有不同。正确识别术材，对于按质论价．合理经营、利用木材资源等都具有重要意义。     

基于PCA+FisherTrees特征融合的木材识别

提出一种高效的基于PCA和FisherTrees特征融合的木材识别方法,首先把训练样本分别投影到PCA和FisherTrees空间,得到PCA特征和FisherTrees特征;然后通过算术均值、交换转置均值和加权均值进行特征融合,将融合后的特征应用不同距离函数的分类器进行分类.结果表明:通过交换转置均值融合PCA和FisherTrees特征,然后使用余弦角分类器能获得最好的识别效果.     

基于机器视觉的树木图像实时采集与识别系统

研究了树木图像的实时采集与识别技术 ,以及树木图像处理及分析软件系统的开发 ,并自行设计制作了室内模拟实验系统。树木图像处理技术包括图像的获取、图像的增强、图像边缘检测、图像分割和图像的特征提取与识别。本文的研究能够为分离施药目标与非施药目标提供依据 ,有助于精确农药喷雾的实现。     

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。     

基于木材密度的34个树种组一元立木生物量模型建立

森林是陆地上最大的碳库,其固碳能力的评估必须以生物量模型作为计量基础。基于2012年研究提出的通用性生物量模型M=0.3pD7/3,利用公开发表的各树种木材基本密度数据,建立了我国全部34个树种(组)的一元地上生物量模型,再利用全国森林生物量调查建模项目的实测数据,对其中14个树种(组)的地上生物量模型进行了验证;还分别针叶树和阔叶树2个树种组建立了相容性地下生物量模型和根茎比模型,并检验了其预估效果。结果表明:所建一元立木生物量模型对各个树种(组)地上生物量和地下生物量估计的相对误差绝对值平均数均未超过其相应的允许误差10%和15%,可用于宏观层面的森林生物量估计,是近年颁布实施的生物量模型系列行业标准的重要补充。     

基于高分二号多光谱数据的树种识别方法

树种识别一直是困扰遥感研究的一个难点,而国产高分二号识别地物和树种具有巨大潜力。选取四川省甘孜州道孚县为研究区,利用高分二号4m多光谱遥感影像,并结合该县的森林资源二类调查结果数据,分别采用最大似然法和支持向量机方法,对利用高分二号数据在树种识别应用中的可能性进行探讨。研究结果表明:所采用的两种方法识别出研究区域主要树种的精度都高于80%,其中:采用最大似然法分类精度为81.79%,支持向量机方法分类精度为86.75%。在先验知识的支持下,利用高分二号多光谱影像也可用于树种识别研究中。     

基于高斯-马尔可夫随机场木材纹理特征的研究

将高斯—马尔可夫随机场(GMRF)引入木材纹理的研究,提取了二阶与五阶特征参数,并对二阶特征参数做了详细分析,得出通过θ2可以判断纹理的主方向,而结合θ1、θ2、θ3、θ4能够区分开木材的弦切和径切纹理。将五阶特征参数组成的特征向量输入给BP神经网络分类器,其分类识别率约为85%,表明了高阶GMRF参数对木材纹理描述的有效性。     

滇产另15种热带材识别与利用初步研究

就国内有关文献尚无记载或叙述不详的红果木、香港木、割舌树等滇产 15种热带木材的识别特征和用途进行了研究 ,其结果供有关方面开发利用滇产热带木材作参考     

基于XGBoost的高分二号影像树种识别

树种分布是森林资源监测的一个重要指标,也是遥感影像在森林资源监测应用中的难点之一。基于国产高分二号卫星影像数据、森林资源二类调查数据、DEM数据,结合光谱、纹理、指数及地形因子等多种特征,比较支持向量机、随机森林和XGBoost等3种分类算法,根据分类精度选择最优算法(即XGBoost)进行特征筛选,对龙泉市的阔叶树、马尾松、杉木和毛竹等4种主要优势树种进行分类。结果表明:采用XGBoost分类模型的分类总精度为83.88%,Kappa系数0.78,较支持向量机和随机森林分类方法有明显提高。经特征选择后,虽未明显提高树种分类精度,但可以减少特征的冗余,为小样本数据下特征的选取降维提供了一定的参考。