-
题名基于计算机的木材特征提取和分类识别技术研究综述
被引量：8
- 1
-
-
作者
黄鹏桂
赵璠
李晓平
关成
张严风
吴章康
-
机构
西南林业大学大数据与智能工程学院
西南林业大学国家林业和草原局木材与木竹制品质量检验检测中心
-
出处
《世界林业研究》
CSCD
北大核心
2020年第1期44-48,共5页
-
基金
国家自然科学基金项目(31870551)
西南林业大学科研启动基金项目(111807).
-
文摘
木材由于内部结构和组成成分的差异,使不同种类木材表现出完全不同的理化性质,并决定其不同的用途和商业价格,因此针对木材的分类识别研究具有重要的应用价值。木材分类识别通常经过木材特征提取和基于特征的分类识别这2个步骤。目前木材特征提取主要利用计算机视觉、光谱分析等技术。木材分类识别是基于木材特征的数字化,这一部分可利用计算机算法实现自动识别,较以往人工识别可大幅提高准确度。文中通过分析近20年来木材特征提取和分类识别的相关文献,介绍各种基于计算机的木材特征提取与分类识别技术的特点及适用范围,并结合计算机技术的发展方向探讨木材特征提取与分类识别技术的发展趋势,以期为构建更准确的木材分类识别技术提供参考。
-
关键词
木材识别
特征提取
特征识别
计算机技术
-
Keywords
wood identification
feature extraction
feature recognition
computer technology
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
S781.1
[自动化与计算机技术—计算机科学与技术]
-
-
题名卷积神经网络在红木树种识别中的应用
被引量：7
- 2
-
-
作者
黄鹏桂
赵璠
李晓平
吴章康
汤正捷
张严风
-
机构
西南林业大学大数据与智能工程学院
西南林业大学国家林业和草原局木材与木竹制品质量检验检测中心
-
出处
《浙江农林大学学报》
CAS
CSCD
北大核心
2020年第6期1200-1206,共7页
-
基金
国家自然科学基金资助项目(31870551)
西南林业大学科研启动基金(111807)。
-
文摘
【目的】不同类型的红木由于生长周期和木材特性的不同,导致商业价格差异悬殊,其中还包含有国家保护木种。本研究旨在找到能准确地识别红木种类的方法,以防止交易中的欺诈行为和保护树种。【方法】以国家林业和草原局木材与木竹制品质量检验检测中心(昆明)实际检测中累积的黄檀属Dalbergia和紫檀属Pterocarpus中的交趾黄檀D.cochinchinensis、刀状黑黄檀D. cultrata、卢氏黑黄檀D. louvelii、巴里黄檀D. bariensis、奥氏黄檀D. oliveri、大果紫檀P. macrocarpus、檀香紫檀P. santalinus等7种红木的376个样本作为基本数据,使用计算机算法扩展样本数量,提出自动化识别红木的卷积神经网络模型。【结果】该方法能够自动提取适合模型分类识别的特征,使用更为便捷,相比其他传统方法识别效果更准确的,结果证明平均识别精度达99.4%。【结论】自建的卷积神经网络可以有效识别红木树种,虽然在调参优化与训练时间大于VGG16等迁移学习方法,但泛化能力更强,证明了自建模型在红木识别应用上优于迁移学习模型。
-
关键词
红木切片
自动识别
卷积神经网络
黄檀属
紫檀属
-
Keywords
rosewood slices
automatic recognition
convolutional neural network
Dalbergia
Pterocarpus
-
分类号
S781.1
[农业科学—木材科学与技术]
-
