卷积神经网络在红木树种识别中的应用

编号 zgly0001717524

文献类型 期刊论文

文献题名 卷积神经网络在红木树种识别中的应用

作者 黄鹏桂  赵璠  李晓平  吴章康  汤正捷  张严风 

作者单位 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 

母体文献 浙江农林大学学报 

年卷期 2020年06期

年份 2020 

分类号 S781.1 

关键词 红木切片  自动识别  卷积神经网络  黄檀属  紫檀属 

文摘内容 【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。