本報訊 記者王建蘭報道 6月2日，中國林業科學研究院木材工業研究所木材解剖學團隊何拓博士、殷亞方研究員分別以第一作者和通訊作者，在國際木材科學領域頂級學術期刊Holzforschung在線發表了木材計算機視覺識別研究標志性突破成果。本研究開發了基于構造圖像的木材識別新方法，首次實現了深度學習模型自動提取的木材圖像特征可視化，揭示了模型提取的黃檀屬和紫檀屬木材構造關鍵特征分別為管孔和軸向薄壁組織。

    瞄準木材精準識別這一世界性科技難題，該研究從417份木材標本（含黃檀屬15種、紫檀屬11種）中，共采集10237張橫切面精細構造圖像。在木材圖像數據集的基礎上，通過構建深度卷積神經網絡（CNN）對圖像大數據進行訓練學習，針對15種黃檀屬、11種紫檀屬，以及所有26個樹種分別構建了3種不同的木材識別深度學習模型。通過解析標本/圖像數量、圖像質量及圖像塊大小對模型精度的影響機制，確定了模型最優參數體系，完成了木材圖像識別特征的自動化提取，實現對口岸現場黃檀屬和紫檀屬等常見貿易瀕危珍貴木材的快速精準識別。為我國保護森林樹種生物多樣性、打擊野生植物物種非法貿易、提高瀕危野生動植物種國際貿易公約（CITES）履約執法和木材產業鏈監管水平提供了強有力的科技支撐。構建的深度學習模型，在木材“種”水平上的識別精度分別達88.4%、93.7%和99.3%。相較而言，針對相同樣本在“屬”水平的識別，國內外木材鑒別專家的識別精度僅為78.2%，且無法實現“種”水平的識別。

    近年來，木材解剖學團隊在木材精準識別技術領域取得了一系列創新性成果，開發了適用于木材貿易、流通和生產加工等環節的快速精準識別新技術并推廣應用，除木材計算機視覺識別技術外，還形成了包括木材標本庫和木材多源數據分類特征庫，iWood木材識別系統、新型木材構造圖像采集裝置、木材DNA靶向提取、木材DNA條形碼識別以及特征化合物識別等多項技術成果。

（版權歸原作者所有，若有侵權，請作者持權屬證明與本網聯系刪除）