卷积神经网络在红木树种识别中的应用

摘要：

[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

所属期刊栏目：37

分类号：S781.1(森林采运与利用)

资助基金：国家自然科学基金资助项目;西南林业大学科研启动基金

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1200-1206