iWood:基于卷积神经网络的濒危珍贵树种木材自动识别系统

S781.1; [目的] 构建基于卷积神经网络的木材识别系统,实现木材树种在多场景条件下的自动精准识别,为我国提升 CITES履约执法能力、加强林产品产业链监管以及保障木材安全提供科技支撑.[方法] 采集 15种黄檀属和11种紫檀属木材标本横切面构造特征图像,建立图像数据集 Rosewood-26; 构建 AlexNet、VGG16、DenseNet-121和 ResNet-50 共4种卷积神经网络模型,基于 ImageNet图像数据集对模型进行迁移学习,采用 Rosewood-26图像数据集训练、测试和比较模型,优选识别性能较好的卷积神经网络模型,并进行木材树种分类; 在此基础上,构建包含15种黄檀属和11种紫檀属树种的木材自动识别系统 iWood,利用市场木材样品对系统进行应用测试和评价.[结果] 在构建的 4 种卷积神经网络模型中,ResNet-50 模型表现出最高的识别精度( 98. 33%) 、最少的权重数量和较低的模型复杂性,适用于木材树种准确快速识别; ResNet-50 模型对 9 种黄檀属和 3 种紫檀属木材的识别精度达100% ,并可成功鉴别构造特征极其相似的檀香紫檀和染料紫檀; 基于 ResNet-50 模型构建的木材自动识别系统iWood,在"属"和"种"水平的识别精度分别为91. 8%和77. 3% .[结论] 基于卷积神经网络的木材识别系统iWood适用于海关执法、木材贸易和质量监督检验等多场景下的木材自动精准识别,能够为我国提升 CITES 履约执法能力、加强林产品产业链监管以及保障木材安全提供科技支撑.