一种基于混合特征的木材计数方法技术

一种基于混合特征的木材计数方法，涉及人工智能检测领域，包括以下步骤：先构建木材实例分割数据集，再构建实例分割网络模型并进行训练，使用训练好的最优实例分割网络模型处理待分割的原木横截面图像，得到木材实例的掩膜结果与坐标框位置信息；根据木材实例分割结果进行识别判断，筛选出形状规则且没有粘连的木材、形状规则且粘连的木材、形状不规则且没有粘连的木材和形状不规则且粘连的木材；对粘连木材进行后处理分离成单个木材实例；统计筛选出的形状规则且没有粘连的木材、形状不规则且没有粘连的木材及处理后的粘连木材，得到最终计数结果。本发明专利技术解决了粘连木材和形状不规则木材的计数问题，泛化能力强，检测精度高，检测效率高。效率高。效率高。

【技术实现步骤摘要】
一种基于混合特征的木材计数方法


[0001]本专利技术涉及人工智能检测
，具体涉及一种基于混合特征的木材计数方法。

技术介绍

[0002]木材计数是进行森林资源管理的基础。通过采集原木横截面图像并进行实时计数，可以评估森林中的木材资源量与变化情况。根据情况制定合理的森林经营计划和采伐方案。这有助于进行及时的资源管理和调整，确保可持续利用木材资源。
[0003]现有木材计数检测方法主要依赖于基于深度神经网络的实例分割技术，将木材计数问题转化为图像领域的任务，通过构建专门的木材分割数据集，并利用这些数据集进行实例分割网络模型的训练，可以获得木材的掩膜信息，进而进行计数。这种方法在处理不同光照、不同场景下的木材，以及形状和大小各异的木材方面具有很强的泛化能力，能够有效地将木材从背景中准确分离出来。然而，在实际应用中，受到木材树皮的有无、厚度、材端面遮挡和阴影等因素的影响，木材轮廓边界相互粘连的情况时常存在，这种情况对于精确的木材计数来说是一个挑战，因此提供一种通用的、鲁棒的木材计数方法成为本领域技术人员亟待解决的技术问题。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合特征的木材计数方法，其特征在于，包括以下步骤：步骤S1：木材实例分割；先构建木材实例分割数据集，再构建实例分割网络模型并进行训练，使用训练好的最优实例分割网络模型处理待分割的原木横截面图像，得到木材实例的掩膜结果与坐标框位置信息；步骤S2：根据木材实例分割结果进行识别判断，筛选出形状规则且没有粘连的木材、形状规则且粘连的木材、形状不规则且没有粘连的木材和形状不规则且粘连的木材；步骤S3：对粘连木材进行后处理分离成单个木材实例；步骤S4：统计步骤S2中筛选出的形状规则且没有粘连的木材、形状不规则且没有粘连的木材以及步骤S3中处理后的粘连木材，得到最终的计数结果。2.根据权利要求1所述的一种基于混合特征的木材计数方法，其特征在于，步骤S1的具体操作流程如下：步骤S1.1获取原木横截面真实数据图像，标注单个木材实例的轮廓，构建木材实例分割数据集，将此木材实例分割数据集按照数量比为8:1:1的比例划分为训练集、验证集和测试集；步骤S1.2构建实例分割网络模型；步骤S1.3基于木材实例分割数据集训练所述实例分割网络模型，选用SGD优化器和余弦退火学习率调整算法，根据训练结果不断调整训练超参数得到最优实例分割网络模型；步骤S1.4使用训练好的最优实例分割网络模型对待分割的原木横截面图像进行木材实例分割，得到木材实例的掩膜结果与坐标框位置信息。3.根据权利要求2所述的一种基于混合特征的木材计数方法，其特征在于，步骤S1.1中，在训练阶段，使用数据增强算法将多幅原木横截面真实数据图像经过裁剪、旋转、翻转变换后组合参与训练。4.根据权利要求2所述的一种基于混合特征的木材计数方法，其特征在于，步骤S1.2中，所述实例分割网络模型为MaskRCNN、PANet、SOLO或Mask2Former。5.根据权利要求2所述的一种基于混合特征的木材计数方法，其特征在于，步骤S2的具体操作流程如下：步骤S2.1从最优实例分割网络模型得到的木材实例掩膜结果中提取出每个木材实例的轮廓信息；步骤S2.2根据提取的木材实例轮廓信息，计算每个木材实例的圆形度e：e＝(4πS)/C2其中，S表示木材实例轮廓的面积，C表示木材实例轮廓的周长；步骤S2.3将计算得到的圆形度与预先设定的阈值进行比较，判断该木材实例的形状是否规则；如果圆形度高于预设阈值，则判断该木材实例为形状规则的木材，则先执行步骤S2.4，再执行步骤S2.5；如果圆形度不满足条件，则判断该木材实例为形状不规则的木材，则执行步骤S2.5；步骤S2.4对于所有形状规则的木材进行混合特征计算，即通过计算连...

【专利技术属性】
技术研发人员：曲达明，黄艳金，王生杰，
申请(专利权)人：中林信达北京科技信息有限责任公司，
类型：发明
国别省市：