[发明专利]一种木材识别方法及系统有效
| 申请号： | 201810830841.3 | 申请日： | 2018-07-26 |
| 公开（公告）号： | CN109145955B | 公开（公告）日： | 2019-10-22 |
| 发明（设计）人： | 殷亚方;何拓;焦立超;张毛毛;韩刘杨;陆杨;张永刚;李仁 | 申请（专利权）人： | 中国林业科学研究院木材工业研究所 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 北京和信华成知识产权代理事务所(普通合伙) 11390 | 代理人： | 胡剑辉 |
| 地址： | 100091 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 木材 构造图像 样本图像数据 图像数据 解剖 样本 图像采集模块 样本特征向量 和弦 切面 横切面 采集 分类结果 木材树种 特征提取 算法 | ||
1.一种木材识别方法，其特征在于，所述方法包括：
通过图像采集模块采集样本木材的样本图像数据，所述样本图像数据包括所述样本木材的横切面解剖构造图像和弦切面解剖构造图像；
对所述样本木材的横切面解剖构造图像进行特征提取，得到所述样本木材的管孔特征和轴向薄壁组织特征；
对所述样本木材的弦切面解剖构造图像进行特征提取，得到所述样本木材的木射线特征；
根据所述管孔特征确定所述样本木材的管孔在所述构造图像指定坐标系中的坐标值；
根据所述轴向薄壁组织特征确定所述样本木材的轴向薄壁组织在所述构造图像指定坐标系中的坐标值；
根据所述木射线特征确定所述样本木材的木射线在所述构造图像指定坐标系中的坐标值；
根据确定出的坐标值构建数字矩阵，将所述数字矩阵确定为所述样本木材的样本特征向量；
利用设定算法对所述样本特征向量进行训练，得到木材识别模型；
通过所述图像采集模块采集待识别木材的待识别图像数据，所述待识别图像数据包括所述待识别木材的横切面解剖构造图像和弦切面解剖构造图像；
利用所述木材识别模型对所述待识别图像数据进行识别，得到所述待识别木材的分类结果。
2.根据权利要求1所述的方法，其特征在于，所述设定算法至少包括：
卷积神经网络算法。
3.根据权利要求2所述的方法，其特征在于，卷积神经网络至少包括：
输入层、卷积层、池化层和输出层。
4.根据权利要求1所述的方法，其特征在于，所述图像数据的图像分辨率为2048*2048。
5.一种木材识别系统，其特征在于，所述系统包括：
图像采集模块，用于采集样本木材的样本图像数据，所述样本图像数据包括所述样本木材的横切面解剖构造图像和弦切面解剖构造图像；
特征提取模块，用于对所述样本木材的横切面解剖构造图像进行特征提取，得到所述样本木材的管孔特征和轴向薄壁组织特征；对所述样本木材的弦切面解剖构造图像进行特征提取，得到所述样本木材的木射线特征；根据所述管孔特征确定所述样本木材的管孔在所述构造图像指定坐标系中的坐标值；根据所述轴向薄壁组织特征确定所述样本木材的轴向薄壁组织在所述构造图像指定坐标系中的坐标值；根据所述木射线特征确定所述样本木材的木射线在所述构造图像指定坐标系中的坐标值；根据确定出的坐标值构建数字矩阵，将所述数字矩阵确定为所述样本木材的样本特征向量；
模型训练模块，用于利用设定算法对所述样本特征向量进行训练，得到木材识别模型；
所述图像采集模块，还用于采集待识别木材的待识别图像数据，所述待识别图像数据包括所述待识别木材的横切面解剖构造图像和弦切面解剖构造图像；
木材分类模块，用于利用所述木材识别模型对所述待识别图像进行识别，得到所述待识别木材的分类结果。
6.根据权利要求5所述的系统，其特征在于，所述设定算法至少包括：卷积神经网络算法。
7.根据权利要求6所述的系统，其特征在于，卷积神经网络至少包括：输入层、卷积层、池化层和输出层。
8.根据权利要求5所述的系统，其特征在于，所述图像数据的图像分辨率为2048*2048。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国林业科学研究院木材工业研究所，未经中国林业科学研究院木材工业研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810830841.3/1.html，转载请声明来源钻瓜专利网。
