[发明专利]一种基于构造特征图像深度学习的木材鉴别方法和系统

说明书

本发明实施例涉及一种基于构造特征图像深度学习的木材鉴别方法和系统，所述方法包括：采集木材横切面构造图像数据；将所述图像数据分割为多个大小一致的图像块；根据多个所述图像块建立所述图像数据对应的训练集和测试集；构建木材图像鉴别多层卷积神经网络；采用所述训练集对所述木材图像鉴别多层卷积神经网络进行深度学习；采用所述测试集对深度学习的模型进行测试，根据测试结果优化模型参数，生成木材图像鉴别深度学习算法模型；根据所述图像识别深度学习算法模型对待鉴别木材图像数据进行识别。由此，可以实现对待鉴别木材树种的准确快速识别。

技术领域

本发明实施例涉及计算机视觉技术，尤其涉及一种基于构造特征图像深度学习的木材鉴别方法和系统。

背景技术

随着木材资源的不断消耗和市场供需矛盾的不断加剧，受利益驱动的木材非法采伐和贸易严重影响了木材资源的可持续利用，同时对物种保护和生态环境构成巨大威胁。传统的木材识别方法，建立在木材解剖构造的基础上，只能识别木材到“属”的水平，而且周期长、成本高，过度依赖于专业的木材鉴定人员。新兴的DNA条形码技术、化学指纹图谱技术等虽然可以实现木材在“种”水平的识别，但是需要构建专业完善的数据库，耗费巨大的人力和财力，不利于在实际生产生活中得到推广应用。

木材是一种具有各向异性的天然材料，木材三个切面(横切面、径切面、弦切面)呈现不同的解剖构造特征。从木材解剖构造中提取有效的识别特征是进行木材识别的关键，但传统的木材图像识别方法通过人工提取特征，很难提取出可以鉴别不同树种木材的有效构造特征。同时，木材树种具有较大的种内变异性，同一树种的解剖构造通常具有较大的变异性，导致传统的木材构造图像识别方法准确率较低。因而，通过木材构造图像对木材树种进行识别，是一项非常复杂和具有挑战性的工作。

近年来，深度学习在计算机视觉领域得到了快速发展，已经广泛应用在人脸识别、安保安防、无人驾驶、疾病诊断等领域。通过采集木材构造特征图像数据并进行图像分割，可以获得涵盖木材变异性的大量图像块；通过构建多层卷积神经网络可以自动化提取木材构造中的识别特征，解决了传统图像识别技术中特征提取困难和识别准确率低的难题，为木材构造图像识别提供了新的思路和方法。

发明内容

本发明实施例提供了一种基于构造特征图像深度学习的木材鉴别方法和系统，可以实现对待鉴别木材树种的准确快速识别。

第一方面，本发明实施例提供一种基于构造特征图像深度学习的木材鉴别方法，包括：

采集木材横切面的构造特征图像数据；

将所述图像数据分割为多个大小一致的图像块；

根据多个所述图像块建立所述图像数据对应的训练集和测试集；

构建木材图像鉴别多层卷积神经网络；

采用所述训练集对所述木材图像鉴别多层卷积神经网络进行深度学习；

采用所述测试集对深度学习的模型进行测试，根据测试结果优化模型参数，生成所述待鉴别木材的图像识别深度学习算法模型；

采用所述图像识别深度学习算法模型对待鉴别木材构造图像数据进行识别，输出识别结果和置信度。

在一个可能的实施方式中，所述构建木材图像鉴别多层卷积神经网络，包括：构建多层卷积神经网络VGG16；采用ImageNet数据集对所述多层卷积神经网络VGG16进行预训练；根据所述预训练VGG16构建木材图像鉴别多层卷积神经网络。

在一个可能的实施方式中，所述采集待鉴别木材横切面构造特征图像数据，包括：通过图像采集模块采集500张每个树种的横切面构造特征的RGB图像；其中，所述图像的分辨率为2048*2048、深度为8位。

在一个可能的实施方式中，所述图像块为分辨率为512*512，数量为2000的图像块。