一种木材识别方法及系统技术方案

本发明专利技术实施例涉及一种木材识别方法及系统，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；对所述样本图像数据进行特征提取，得到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。由此，可以实现准确且快速地识别出木材树种。

【技术实现步骤摘要】
一种木材识别方法及系统
本专利技术实施例涉及图像处理
，尤其涉及一种木材识别方法及系统。
技术介绍
木材识别技术是利用木材解剖构造、化学成分以及遗传物质等可以反映出树种差异性的特征对木材进行分类和识别的一项综合性技术。传统的木材识别方法，是由鉴定人员利用专业知识和长期经验，通过对木材的解剖构造进行观察，并与木材标本的解剖构造特征进行比对，从而判断出木材的分类信息。然而，在传统的木材识别方法中，由于需要制作木材切片，而制作木材切片的技术难度较大，制作周期长，从而导致木材识别的整体难度较大；同时，对木材的判定主要依赖于鉴定人员的技术经验，其鉴定结果必于鉴定人员的技术水平相符，这将直接影响鉴定结果的准确度。基于此，近年来，基于木材化学成分的化学图谱识别技术和基于木材遗传物质的DNA识别技术得到快速发展，但这些新兴的技术都依赖于准确而庞大的木材化学图谱和DNA条形码数据库，而建立化学图谱数据库以及DNA条形码数据库需要耗费大量的人力和财力。由此可见，亟需一种可以准确且快速识别出木材树种的方法。
技术实现思路
本专利技术实施例提供了一种木材识别方法及系统，可以实现准确且快速地识别出木材树种。第一方面，本专利技术实施例提供了一种木材识别方法，该方法包括：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；对所述样本图像数据进行特征提取，得到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。在一个可能的实施方式中，所述对所述样本图像数据进行特征提取，得到所述样本木材的样本构造特征向量，包括：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、轴向薄壁组织特征和木射线特征构建所述样本木材的样本特征向量。在一可能的实施例中，所述根据所述管孔特征、轴向薄壁组织特征和木射线特征构建所述样本木材的样本特征向量，包括：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对应的坐标系中的坐标值；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对应的坐标系中的坐标值；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对应的坐标系中的坐标值；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。在一可能的实施例中，所述设定算法至少包括：卷积神经网络算法。在一可能的实施例中，卷积神经网络至少包括：输入层、卷积层、池化层和输出层。在一可能的实施例中，所述图像数据的图像分辨率为2048*2048。第二方面，本专利技术实施例提供一种木材识别系统，该系统包括：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，用于对所述样本图像数据进行特征提取，得到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。在一可能的实施例中，所述特征提取模块包括：第一提取一级子模块，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；第二提取一级子模块，用于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；特征向量构建一级子模块，用于根据所述管孔特征、轴向薄壁组织特征和木射线特征构建所述样本木材的样本特征向量。在一可能的实施例中，所述特征向量构建子模块包括：坐标值确定二级子模块，用于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对应的坐标系中的坐标值；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对应的坐标系中的坐标值；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对应的坐标系中的坐标值；矩阵构建二级子模块，用于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。在一可能的实施例中，所述设定算法至少包括：卷积神经网络算法。在一可能的实施例中，卷积神经网络至少包括：输入层、卷积层、池化层和输出层。在一可能的实施例中，所述图像数据的图像分辨率为2048*2048。本专利技术实施例提供的方法，通过图像采集模块采集样本木材的样本图像数据，该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，对样本图像数据进行特征提取，得到样本木材的样本特征向量，利用设定算法对样本特征向量进行训练，得到木材识别模型，通过图像采集模块采集待识别木材的待识别图像数据，该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；利用木材识别模型对所述待识别图像数据进行识别，得到待识别木材的分类结果，可以实现快速、准确地识别出木材的分类结果，且可适用于诸多领域，例如海关检验、实验室鉴定等领域。附图说明图1为本专利技术实施例中图像采集模块的一个示例性结构图；图2为本专利技术实施例一提供的木材识别方法的流程图；图3为本专利技术实施例二提供的木材识别系统的实施例框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为便于对本专利技术实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本专利技术实施例的限定。首先说明，本专利技术实施例提供的木材识别方法，依赖于图像采集模块，如图1所示，为本专利技术实施例中图像采集模块的一个示例性结构图，该图1所示例的图像采集模块包括光源模块、固定倍率定焦镜头、CCD工业相机、图像采集开关、蓝牙模块、供电模块等部件，在本专利技术实施例中，该图像采集模块可以下载并安装有图像采集软件，例如GreyFlyCap2图像采集软件，其通过蓝牙与计算机连接，在利用该图像采集模块采集木材的图像数据，例如木材的横切面解剖构造图像和弦切面解剖构造图像时，可以将该图像采集模块紧贴木材表面移动，选取图像采集区域后，按下图像采集开关进行图像采集，所采集到的图像数据可以通过蓝牙模块传输至计算机，并由计算机对该图像数据进行保存，其中，所采集到的图像数据的分辨率可以为2048*2048。如下，对本专利技术实施例提供的木材识别方法进行说明：图2为本专利技术实施例一提供的木材识别方法的流程图。如图2所示，所述方法具体包括以下步骤：S210，通过图像本文档来自技高网...

【技术保护点】
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；对所述样本图像数据进行特征提取，得到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。

【技术特征摘要】
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；对所述样本图像数据进行特征提取，得到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，所述对所述样本图像数据进行特征提取，得到所述样本木材的样本构造特征向量，包括：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、轴向薄壁组织特征和木射线特征构建所述样本木材的样本特征向量。3.根据权利要求2的方法，其特征在于，所述根据所述管孔特征、轴向薄壁组织特征和木射线特征构建所述样本木材的样本特征向量，包括：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。4.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。5.根据权利要求4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。6.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。7.一种木材识别系统，其特征在于，所述系统...

【专利技术属性】
技术研发人员：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，
类型：发明
国别省市：北京,11