卷积神经网络在红木树种识别中的应用

  目的  不同类型的红木由于生长周期和木材特性的不同,导致商业价格差异悬殊,其中还包含有国家保护木种。本研究旨在找到能准确地识别红木种类的方法,以防止交易中的欺诈行为和保护树种。  方法  以国家林业和草原局木材与木竹制品质量检验检测中心(昆明)实际检测中累积的黄檀属Dalbergia和紫檀属Pterocarpus中的交趾黄檀D. cochinchinensis、刀状黑黄檀D. cultrata、卢氏黑黄檀D. louvelii、巴里黄檀D. bariensis、奥氏黄檀D. oliveri、大果紫檀P. macrocarpus、檀香紫檀P. santalinus等7种红木的376个样本作为基本数据,使用计算机算法扩展样本数量,提出自动化识别红木的卷积神经网络模型。  结果  该方法能够自动提取适合模型分类识别的特征,使用更为便捷,相比其他传统方法识别效果更准确的,结果证明平均识别精度达99.4%。  结论  自建的卷积神经网络可以有效识别红木树种,虽然在调参优化与训练时间大于VGG16等迁移学习方法,但泛化能力更强,证明了自建模型在红木识别应用上优于迁移学习模型。图7表4参23