基于计算机视觉的针叶材木射线特征提取方法

木射线作为木材显微构造中的一个重要特征，在木材构造和树种识别的研究中具有重要意义。以针叶材为研究对象，基于计算机视觉技术对木射线特征快速提取方法展开研究，最终构建一套完整的算法，从而使研究人员在向计算机传入针叶材的弦切面图像和比例尺后，即可快速得到木射线细胞数和高度的微观特征。首先对50种针叶材树种的弦切面图像数据集构建U-Net网络模型进行语义分割，对比了在不同放大倍数下木射线的分割效果，发现放大倍数大于10倍时分割效果较好；在此基础上，设计和编写计算分割后图像中的木射线最小覆盖圆算法，可以快速提取木射线的高度，进而得到射线平均高度；再将分割后的木射线图像数据集进行目标检测模型训练，实现射线细胞的目标检测及自动计数功能，并将二值图像阈值分割法和YOLOv3、YOLOv5算法进行比较。结果表明，YOLOv5对射线细胞的检测效果最好。采用本研究方法所提取的木射线高度和细胞数与人工实测结果相比，木射线高度值的偏差不超过4%,细胞计数误差不超过6%。