林业科学

作者：赵子宇1,杨霄霞1,郭慧2,葛浙东1,周玉成1,2,*

单位：1. 山东建筑大学信息与电气工程学院 济南 2501012. 中国林业科学研究院木材工业研究所 北京 100091

关键词：木材辨识,卷积神经网络,微观结构,宏观结构

基金：泰山学者优势特色学科人才团队(2015162);基于X射线断层成像技术的树木年轮识别与分析(ZR2020QC174)

目的: 提出一种基于卷积神经网络模型——PWoodIDNet模型的木材宏、微观辨识方法，以有效提高木材辨识精度和速度，为海关、进出口检疫检验、家具企业等法定部门和企业提供先进的辨识方法和仪器，推动我国木材进出口检疫检验行业和木材加工制造企业的科技进步。方法: 首先，选择16种木材样本，每种样本获取50张高分辨率显微CT图像和工业相机图像，共1 600幅；然后，截取具有木射线、薄壁组织、轴向管胞、纹孔和纹理等特征的目标区域，共4 800幅，通过水平翻转、垂直翻转、镜像、亮度变换等图像增强算法后将图像集扩充至19 200幅。构建基于卷积神经网络的木材宏、微观辨识模型——PWoodIDNet模型，采用加入动量的随机梯度下降（SGDM）方法优化模型，并利用GPU优化并行运算库，对木材宏、微观结构数据集进行分类准确率对比。结果: 相比现行GoogLeNet模型，PWoodIDNet模型准确率提高1.49%，速度提高59.69%；相比现行AlexNet模型，PWoodIDNet模型准确率提高3.76%，速度提高2.63%。结论: PWoodIDNet模型突破现有辨识方法木材辨识种类范围窄、准确率低和辨识速度慢的难点，能够有效辨识木材，并可在更短的训练时间内实现最佳辨识效果，为我国木材辨识提供一种新的方法和思路。

来源：2021年第6期

《林业科学》期刊编辑部

查看林业科学杂志2021年第6期