[发明专利]基于三维卷积神经网络模型的木材鉴别方法、装置

说明书

本申请涉及木材鉴别技术领域，具体涉及一种基于三维卷积神经网络模型的木材鉴别方法、装置、计算机设备和存储介质。所述方法包括：获取多张木材的三维图像作为样本图像集；根据样本图像集获得验证样本集和训练样本集；创建初始三维卷积神经网络模型，根据验证样本集和训练样本集对初始三维卷积神经网络模型进行训练，得到训练好的三维卷积神经网络模型；通过X射线三维显微CT获取待鉴别木材的三维图像；根据三维卷积神经网络模型对待鉴别木材的三维图像进行处理，得到待鉴别木材的鉴别结果。本发明实施例能够提高木材的鉴别准确率。

技术领域

本申请涉及木材鉴别技术领域，特别是涉及一种基于三维卷积神经网络模型的木材鉴别方法、装置、计算机设备和存储介质。

背景技术

随着科学技术的发展，木材识别技术取得了较大的进步。目前，市场上较为先进的识别技术包括DNA检测、同位素识别以及近红外光谱检测等手段。以红木的鉴别为例，阐述木材种类的鉴别方法和鉴别系统，该鉴别方法和系统可以应用于其他的木材识别。

目前，关于红木鉴别方式主要有基于近红外光谱检测、基于基因测序的DNA检测、基于核磁共振氢谱检测、气相色谱检测和手持显微镜检测等。这些检测方法可以分为两个阶段，分别为数据获取和模式识别阶段。其中，数据获取是通过相关仪器获取木材的相关数据，模式识别则是通过一定的方法对获取的数据进行分类，得到木材的分类结果。虽然这些红木鉴别方法实现了木材的微损甚至无损检测，但仍然存在一些问题。

比如，对于基于近红外光谱的检测方式，木材所含化学成分的近红外吸收相互重叠会导致检测到的结果存在差异，进而影响最终的鉴别精度；对于基于基因测序的DNA检测方式，在提取木材样品的DNA时，木材存放的时间越长，提取DNA的难度也会增加，并且提取DNA的成本较高；对于基于核磁共振氢谱的检测方式，在检测不同种类的木材时，部分种类红木的氢谱图区别不明显，这对后期的分类要求较高，容易造成混淆；而对于气相色谱的检测方式，提取木材样品的气相色谱图受外界的人为等干扰因素影响较大，对样品的质量要求较高，其成本也相对较高；至于手持显微镜的检测方式，该检测方法在红木家具上色以后就不能检测了，而且显微镜的放大倍数没有形成统一的标准。

发明内容

本发明针对现有技术的缺点，提供了一种基于三维卷积神经网络模型的木材鉴别方法、装置、计算机设备和存储介质，本发明实施例能够提高木材的鉴别准确率。

本发明根据第一方面提供了一种基于三维卷积神经网络模型的木材鉴别方法，在一个实施例中，该方法包括：

获取多张木材的三维图像作为样本图像集；

根据样本图像集获得验证样本集和训练样本集；

创建初始三维卷积神经网络模型，根据验证样本集和训练样本集对初始三维卷积神经网络模型进行训练，得到训练好的三维卷积神经网络模型；

通过X射线三维显微CT获取待鉴别木材的三维图像；

根据三维卷积神经网络模型对待鉴别木材的三维图像进行处理，得到待鉴别木材的鉴别结果。

在一个实施例中，根据样本图像集获得验证样本集和训练样本集，包括：

从样本图像集包括的每张三维图像中提取一个预设尺寸的三维样本数据，得到多个预设尺寸的三维样本数据；

按照预设样本分配规则将得到的所有三维样本数据划分为验证样本集和训练样本集。

在一个实施例中，根据样本图像集获得验证样本集和训练样本集，包括：

从样本图像集中提取预设比例的三维图像，为提取到的每张三维图像增加椒盐噪声，得到预设比例的增强三维图像；

将样本图像集和预设比例的增强三维图像作为增强样本集，从增强样本集包括的每张三维图像中提取三个分别对应于三个方向的预设尺寸的三维样本数据，得到多个预设尺寸的三维样本数据；