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.     

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.     

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。     

层次支持向量机在色木孔洞缺陷检测中的应用

针对现有木材无损检测中存在的问题,提出根据木材的声脉冲响应特点,通过自制的声波信号采集装置提取含有孔洞缺陷木材的声脉冲响应信号,再分别从时域和频域对信号进行处理,提取相关的统计信息作为识别特征,再输入到层次支持向量机（SVM）中进行识别的方法.结果表明,该方法对色木孔洞位置的识别准确率在95％以上,具有需构造的SVM分类器数量少、不存在不可识别域、训练和识别速度快的优点.对基于支持向量机的木材孔洞缺陷识别进行探讨,并对其有效性进行验证.     

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。     

基于高斯-马尔可夫随机场的木材表面缺陷类型识别

为了识别死节、活节和虫眼三种木材表面缺陷类型,本文采用高斯-马尔可夫随机场模型提取木材表面缺陷图像的纹理参数,结合缺陷区域的矩形度和伸长度两个几何特征,形成14维特征向量.设计三层BP神经网络来识别缺陷的类型.试验表明,三种缺陷的整体识别正确率达到96.67％,验证了该方法的有效性.     

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.     

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。     

适于木材种类识别颜色空间的研究

为了确定适合木材种类识别的颜色空间,分别在RGB、HSV、L^＊a^＊b^＊、I1I2I3和归一化T五个常用颜色空间中,获取了木材样本的颜色直方图和颜色矩特征,并进行了识别试验。结果表明,HSV是最适合木材种类识别的颜色空间。     

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.     

基于红外光谱的5种红木树种识别探讨

以大果紫檀、刺猬紫檀、微凹黄檀、交趾黄檀和柬埔寨黄檀5个树种的木材为试材,比较分析了抽提处理前后的木粉质量、红外光谱的变化,及其差谱中特征吸收峰所代表的化合物种类,探讨了基于红外光谱的木材树种识别的可行性.结果表明:经抽提试验后,木粉质量减少27.09％ ～40.23％;5个树种有显著不同的特征吸收峰,在烃类化合物红外光谱波段尤为明显;此外,还有脂类化合物、不饱和脂肪酸、酮类化合物、脂肪族和芳香族化合物等的变化.由此可见,基于红外光谱特征的木材树种识别是基本可行的.     

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...     

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。     

7种俗称“胡桃（核桃）木”的木材识别及比较全文替换

核桃木是市场上常见的家具用材,本文针对7种俗称“胡桃（核桃）木”的木材,从宏观及微观构造特征方面进行比较分析,总结这些木材的识别要点,帮助行业相关从业人员及消费者准确识别,进而规范木材市场秩序,维护木材贸易环境。     

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。     

基于物联网的木材管理系统设计

介绍了物联网及其核心射频识别技术,对基于物联网的木材管理系统体系、功能结构以及工作流程进行设计.物联网技术在木材管理系统中的应用将实现木材管理系统的智能化识别、跟踪和监控,实现木材的集约化和现代化管理.     

人工神经网络在木材缺陷检测中的应用

采用射线作为检测手段，对木材进行无损检测。在无损检测信号处理和特征构造的基础上。运用特征参数建立了缺陷识别的数学模型，针对无损检测信号的特征，构造了人工神经网络。选用反向传播神经网络模型（BP网络），网络识别所需要的特征参数能够反映木材缺陷的全部特征。     

iWood：基于卷积神经网络的濒危珍贵树种木材自动识别系统

【目的】构建基于卷积神经网络的木材识别系统,实现木材树种在多场景条件下的自动精准识别,为我国提升CITES履约执法能力、加强林产品产业链监管以及保障木材安全提供科技支撑。【方法】采集15种黄檀属和11种紫檀属木材标本横切面构造特征图像,建立图像数据集Rosewood-26;构建AlexNet、VGG16、DenseNet-121和ResNet-50共4种卷积神经网络模型,基于ImageNet图像数据集对模型进行迁移学习,采用Rosewood-26图像数据集训练、测试和比较模型,优选识别性能较好的卷积神经网络模型,并进行木材树种分类;在此基础上,构建包含15种黄檀属和11种紫檀属树种的木材自动识别系统iWood,利用市场木材样品对系统进行应用测试和评价。【结果】在构建的4种卷积神经网络模型中,ResNet-50模型表现出最高的识别精度(98.33%)、最少的权重数量和较低的模型复杂性,适用于木材树种准确快速识别;ResNet-50模型对9种黄檀属和3种紫檀属木材的识别精度达100%,并可成功鉴别构造特征极其相似的檀香紫檀和染料紫檀;基于ResNet-50模型构建的木材自动识别系统iWood,在"属"和"种"水平的识别精度分别为91.8%和77.3%。【结论】基于卷积神经网络的木材识别系统iWood适用于海关执法、木材贸易和质量监督检验等多场景下的木材自动精准识别,能够为我国提升CITES履约执法能力、加强林产品产业链监管以及保障木材安全提供科技支撑。     

基于多特征提取和SVM分类器的木材显微识别

将多种不同木材的显微细胞图片进行识别,对进行木材分类研究具有重大意义。通过利用支持向量机(SVM),结合图像的图像梯度方向直方图(HOG)、局部二值模式(LBP)特征以及图像均值方差,对小规模的木材细胞图像的识别分类效果进行了实验。实验结果表明,SVM分类器结合多特征融合适的特征向量会有较好的识别效果,平均最高识别率达到了98.11%。     

云南8种阔叶材的识别与利用研究

继云南6种阔叶材的识别与利用研究之后,又就1989年从西双版纳普文林区采集到的窄序崖豆树、亮叶围诞树、假樱叶杜英、鹅掌柴、幌伞枫、镰尖蕈树、滇西蒲桃和簇花蒲桃的木材标本,对滇产的这8种树种的木材识别特征及利用途径进行了研究.依据研究结果,对这些树种的木材宏观构造、微观构造及物理力学性质作了报道,提出了它们的利用价值.