[发明专利]一种基于图像识别技术的珍贵木材识别系统及方法

权利要求书

1.一种基于图像识别技术的珍贵木材识别系统，包括图像采集设备、输入层、神经网络模型INCEPTION-V3中间层、数据降维LDA模型和K-NN分类器，其特征在于：构建以神经网络模型结构包括输入层、INCEPTION-V3中间层、输出层；所述输入层依次与INCEPTION-V3中间层、输出层相连接，所述数据降维LDA模型的输入端与输出层的输出端相连接；

所述输入层用于将300×300像素进行缩放至224×224像素的图像预处理；

所述INCEPTION-V3中间层用于将预处理后的图像进行卷积、池化操作后得到多维矩阵数据；

所述输出层用于对多维数据矩阵进行数据降维，同时偏平化输出一维数组；

所述输出层为采用Python中的flatten方法构建的数据降维LDA模型，使用需要识别的25种木材的特征数据，训练出LDA的特征映射模型，用来对51200个图片的特征进行降维；

包括如下步骤：

S1:木材切面打磨；材横截面依次使用400～1000目的砂纸打磨，清理导管中的堵塞物；

S2:切面图像采集；20X的放大镜，在距离切面5mm，视野范围为7mm×7mm进行拍摄；

S3:裁剪图像中的矩形区域，并将图像缩放至300×300像素大小；

S4:输入处理好的图像inception-V3中间层提取多维矩阵数据，由数据降维LDA模型转为一维数据导出图像特征数据；

S5:由K-NN分类器选定为1-NN分类器，进行交叉训练，将上述所得到的一维数组经过1-NN分类器进行交叉训练，与训练库模型的数据进行交叉训练，比对得到最优值，识别导出木材认定结果；

在步骤S4中，输入一个300×300像素的RGB预处理图像，经输入层再处理后，将图像缩小至224×224像素，进入神经网络inception-V3中间层的卷积、池化操作后，再由输出层输出一个51200bit的多维矩阵数据，由数据降维LDA模型进行扁平化处理，转为一维数组。

2.根据权利要求1所述的一种基于图像识别技术的珍贵木材识别系统，其特征在于：所述INCEPTION-V3中间层为在开源数据库Imagenet进行训练后，在训练数据库中补充需要识别25种木材的放大图片。

3.根据权利要求1所述的一种基于图像识别技术的珍贵木材识别系统，其特征在于：在步骤S2中，选择样品木材的横切面，依次使用400目、800目、000目的砂纸打磨横切面，表面平整，没有砂痕即可，再清理打磨后的切面导管中的堵塞。

4.根据权利要求1所述的一种基于图像识别技术的珍贵木材识别系统，其特征在于：在步骤S3中，利用矩形查找算法定位矩形区域的位置，然后截取中间矩形区域，并将该区域缩放到300×300像素后保；先把图片进行二值化处理，彩色的图像将格式转化为黑白图片，利用连通域查找算法计算连通域，选择连通域中最大的一个区域，最大的白色的连通域就是目标区域，计算该连通域的最小外接矩形将得到一个矩形，以红色的边界为参考矩形四个边分别向内收缩5％，得到无边界阴影干扰的清晰的目标区域，将所述目标区域二次缩放到300×300像素后，输出图像裁剪后的结果。