共查询到19条相似文献，搜索用时 158 毫秒
1.
基于多特征提取和SVM分类器的木材显微识别 总被引：1，自引：0，他引：1
《陕西林业科技》2017,(5)
将多种不同木材的显微细胞图片进行识别,对进行木材分类研究具有重大意义。通过利用支持向量机(SVM),结合图像的图像梯度方向直方图(HOG)、局部二值模式(LBP)特征以及图像均值方差,对小规模的木材细胞图像的识别分类效果进行了实验。实验结果表明,SVM分类器结合多特征融合适的特征向量会有较好的识别效果,平均最高识别率达到了98.11%。 相似文献
2.
【目的】基于处理后的木材端面细胞特征,寻找合适的机器学习方法提高木材识别准确率,以实现木材高效利用,为珍稀木材种类判别和保护提供依据。【方法】以5种木材(臭冷杉、长白落叶松、鱼鳞云杉、鹅掌楸和凹叶厚朴)端面细胞为研究对象,提取多种差异性图像作为数据集,通过图像处理提取特征信息,分别采用支持向量机(SVM)和AlexNet神经网络进行分类识别。根据木材端面细胞区分的差异性,在AlexNet神经网络架构中加入BN算法进行优化,设计一种更高效的板材识别方法提高木材识别准确率。【结果】将增强后的29 680张图像按7∶3划分,分别保存在训练集和测试集文件夹中,测试样本确定标签后均放入同一文件夹,分别对3种分类算法进行整体批量测试,支持向量机分类器测试集的整体识别准确率为84.67%, AlexNet神经网络测试集的整体识别准确率为88.76%,基于BN算法优化的AlexNet神经网络测试集的整体识别准确率为91.15%,识别效果更好。【结论】当样本量充足时,AlexNet神经网络对木材端面细胞图像的分类效果明显优于SVM分类器。基于BN算法优化的AlexNet神经网络对图像线性特征更敏感,保留... 相似文献
3.
4.
木射线作为木材显微构造中的一个重要特征,在木材构造和树种识别的研究中具有重要意义。以针叶材为研究对象,基于计算机视觉技术对木射线特征快速提取方法展开研究,最终构建一套完整的算法,从而使研究人员在向计算机传入针叶材的弦切面图像和比例尺后,即可快速得到木射线细胞数和高度的微观特征。首先对50种针叶材树种的弦切面图像数据集构建U-Net网络模型进行语义分割,对比了在不同放大倍数下木射线的分割效果,发现放大倍数大于10倍时分割效果较好;在此基础上,设计和编写计算分割后图像中的木射线最小覆盖圆算法,可以快速提取木射线的高度,进而得到射线平均高度;再将分割后的木射线图像数据集进行目标检测模型训练,实现射线细胞的目标检测及自动计数功能,并将二值图像阈值分割法和YOLOv3、YOLOv5算法进行比较。结果表明,YOLOv5对射线细胞的检测效果最好。采用本研究方法所提取的木射线高度和细胞数与人工实测结果相比,木射线高度值的偏差不超过4%,细胞计数误差不超过6%。 相似文献
5.
针对木材缺陷图像,采用基于小生境和交叉算子的粒子群算法（NCSPSO）优化支持向量机（SVM）进行图像分割,提取木材缺陷分割图。主要对NCSPSO算法进行改进,寻找最优惩罚系数C和高斯核函数中的参数,然后采用SVM方法对训练样本进行综合训练,以建立最佳分类模型,并对木材缺陷图像分割测试。与模拟退火法（SA）及原NCSPSO算法进行对比实验,从而验证改进NCSPSO算法的优越性。 相似文献
6.
7.
《林业工程学报》2021,6(3)
我国是全球林产品生产、贸易和消费第一大国,因此受到国际社会的广泛关注。在木材和木制品贸易流通环节经常出现以假乱真、以次充好的现象,为国际履约执法和林产品产业监管带来严峻挑战。基于木材解剖的传统木材树种识别方法,一般只能识别木材到"属"或"类"。近年来发展的DNA条形码、近红外光谱等木材树种识别新技术虽然可以实现木材"种"的识别,但难以在口岸、现场等多场景下对大批量样本进行自动精准识别。随着计算机技术的快速发展,计算机视觉识别技术可以从不同类别图像中提取关键特征,从而对图像进行分类,为木材树种分类带来新的途径。笔者首先介绍了基于图像采集、特征提取和树种分类的传统木材树种计算机视觉识别技术研究概况,然后从图像数据集构建、模型构建训练与测试以及系统开发等应用等方面介绍了基于深度学习的木材树种计算机视觉识别技术研究应用现状,并结合国内外研究进展对基于深度学习的计算机视觉识别技术在木材树种识别领域的应用进行了展望和提出建议,以期为木材树种自动精准识别研究提供新的思路。 相似文献
8.
随机森林算法在树木年轮图像分割中的应用 总被引：1，自引：0，他引：1
年轮图像早晚材的准确分割是树木年轮计数和间距测量的前提条件。为解决年轮本身生长的复杂性、采伐过程中的锯痕干扰、早晚材图像灰度差别较小等因素造成的分割难题,提出了一种基于随机森林(random forest,RF)算法的分类模型,可实现年轮图像的准确分割。首先,通过变换图像的颜色域空间,提取出样本图像在RGB、HSV和L*a*b*模型下的9个颜色分量,基于灰度共生矩阵提取样本图像的对比度、相关性、能量和熵的均值与标准差共8个纹理特征。然后,根据早晚材颜色与纹理特征的差异,基于随机森林算法构建像素分类器,实现年轮图像的早晚材的初步分割。为了提高分割图像的质量和准确度,对分割后的图像使用形态学方法消除孤立和黏连噪声,以得到最终分割图像。最后,将该方法与K-均值聚类(K-means)算法和支持向量机(support vector machine,SVM)算法进行对比。结果表明:所采用基于RF算法的分类模型分割年轮晚材的正确识别率为95%左右,错误识别率在6%左右,图像分割效果明显优于其他两种算法。 相似文献
9.
基于空间灰度共生矩阵木材纹理分类识别的研究 总被引：1，自引：2，他引：1
以10种木材纹理样本为对象,研究了木材纹理参数体系的建立方法,并进行了分类识别的仿真实验。首先,针对木材纹理特点并结合类别可分性判据,构造了适于描述木材的空间灰度共生矩阵,并在此基础上提取了木材的11个纹理特征参数。其次,借助相关性分析对参数进行了特征选择,进而建立了能直接与人的感官对应的木材纹理参数体系。最后,利用 BP 神经网络分类器对木材样本进行了分类识别研究,识别率为87.50%,验证了参数体系的有效性,表明用本文提出的纹理参数体系对木材进行分类识别是可行的。 相似文献
10.
11.
IntroductionAtpresent,usingthecomputerimageprocessil1gsys-temtofinishthefeatureextractiol1ofw0oddefectsisi11anexpIorat0rystage.ThismetI1odmaydecreasetI1ellmitati0noftl1eexperilnel1talcol1ditions,suChasIights,instrumentsandsomespccialmateriaIs.Itiscol1venic11ttousethiswayandthegoodresuItswilIbeacI1ieved.TherearethreetypicaIwo0dsurfacedefectst0bestudiedintheexperiment,whicI1arekn0t,boreI1oleal1ddecayofLarixandBeIlIlu.Tl1eworkist0separatetl1edefectsfromthewoodsurfaceimagesandprovideagoodba… 相似文献
12.
An automated wood texture recognition system of 48 tropical wood species is presented. For each wood species, 100 macroscopic texture images are captured from different timber logs where 70 images are used for training while 30 images are used for testing. In this work, a fuzzy pre-classifier is used to complement a set of support vector machines (SVM) to manage the large wood database and classify the wood species efficiently. Given a test image, a set of texture pore features is extracted from the image and used as inputs to a fuzzy pre-classifier which assigns it to one of the four broad categories. Then, another set of texture features is extracted from the image and used with the SVM dedicated to the selected category to further classify the test image to a particular wood species. The advantage of dividing the database into four smaller databases is that when a new wood species is added into the system, only the SVM classifier of one of the four databases needs to be retrained instead of those of the entire database. This shortens the training time and emulates the experts’ reasoning when expanding the wood database. The results show that the proposed model is more robust as the size of wood database is increased. 相似文献
13.
我国是木材及木制品加工大国,近年来家具、装修等市场需求的快速增长推动了木材加工行业的发展。由不同树种制作而成的木材材料性质与价值大相径庭,因此准确识别木材树种具有重要意义。相较于传统人工识别,基于机器视觉的木材树种识别大幅度提高了准确率。文中通过分析近5年来木材识别领域的相关文献,总结了木材特征提取的相关技术与树种识别的各种方法,提出要深度融合木材的多个特征并加强各种算法间的配合使用;此外,针对机器视觉在木材树种识别中的应用普遍停留在学术研究阶段的问题,提出木材树种识别应向装备数字化方向发展,以期提高木材树种识别的工作效率。 相似文献
14.
适于木材种类识别颜色空间的研究 总被引：2，自引：0，他引：2
为了确定适合木材种类识别的颜色空间,分别在RGB、HSV、L^＊a^＊b^＊、I1I2I3和归一化T五个常用颜色空间中,获取了木材样本的颜色直方图和颜色矩特征,并进行了识别试验。结果表明,HSV是最适合木材种类识别的颜色空间。 相似文献
15.
基于图像纹理特征的木材树种识别 总被引：7，自引：0，他引：7
利用木材图像的颜色、灰度、纹理等内容实现树种的相似性匹配检索,提取色调、饱和度、亮度、对比度、二阶角矩、方差和、长行程加重因子、分形维数、小波水平能量比重共9个特征参数,依据最大相似性数学原理,基于最小差值参数判别法和综合特征阈值法来检索样本.结果显示:基于图像纹理特征能够实现木材树种的检索和识别,综合特征阈值法的检索正确率与唯一性通常要好于最小差值判别法;但当被检索样本图像的纹理较弱或不呈现纹理特征时,检索结果的唯一性并不理想.综合而言,基于图像纹理特征最大相似性的木材树种检索识别较易实现,是一种值得继续发展和应用推广的木材树种识别方法. 相似文献
16.
在用X射线检测木材缺陷的过程中,很重要的一步就是对图像中的缺陷的提取和分割,其处理的效果直接影响到后面的缺陷识别的正确性。主要是针对木材X射线图像对比度差的特点和固有的模糊性,利用模糊C均值聚类的方法对木材X射线图像进行分割处理,为后续的提取出木材缺陷工作打下基础。 相似文献
17.
Núbia Rosa da Silva Maaike De Ridder Jan M. Baetens Jan Van den Bulcke Mélissa Rousseau Odemir Martinez Bruno Hans Beeckman Joris Van Acker Bernard De Baets 《Annals of Forest Science》2017,74(2):30
?Key message
Pattern recognition has become an important tool to aid in the identification and classification of timber species. In this context, the focus of this work is the classification of wood species using texture characteristics of transverse cross-section images obtained by microscopy. The results show that this approach is robust and promising.?Context
Considering the lack of automated methods for wood species classification, machine vision based on pattern recognition might offer a feasible and attractive solution because it is less dependent on expert knowledge, while existing databases containing high-quality microscopy images can be exploited.?Aims
This work focuses on the automated classification of 1221 micro-images originating from 77 commercial timber species from the Democratic Republic of Congo.?Methods
Microscopic images of transverse cross-sections of all wood species are taken in a standardized way using a magnification of 25 ×. The images are represented as texture feature vectors extracted using local phase quantization or local binary patterns and classified by a nearest neighbor classifier according to a triplet of labels (species, genus, family).?Results
The classification combining both local phase quantization and linear discriminant analysis results in an average success rate of approximately 88% at species level, 89% at genus level and 90% at family level. The success rate of the classification method is remarkably high. More than 50% of the species are never misclassified or only once. The success rate is increasing from the species, over the genus to the family level. Quite often, pattern recognition results can be explained anatomically. Species with a high success rate show diagnostic features in the images used, whereas species with a low success rate often have distinctive anatomical features at other microscopic magnifications or orientations than those used in our approach.?Conclusion
This work demonstrates the potential of a semi-automated classification by resorting to pattern recognition. Semi-automated systems like this could become valuable tools complementing conventional wood identification.18.
ntroductionPattern recognition is one of importsnt embranchments in artificial nit6lliGence, and is a 11ew absolutesubjed that has become one of significant fields ofhigh-tech study and application nowadays. Imageseqmentstion mathod of pattern recognition is usedby wOOd across compression in this paper By usingcomput6r disposal tO cell image, pattern recognitioncan be achieved for which the aim of studying celldeformation regularity at different compression rateand quanhtstive analysis can be… 相似文献