近日，《木材研究》在线发表了一项木材计算机视觉识别研究方面的标志性成果。中国林业科学研究院木材工业研究所开发了基于构造图像的木材识别新方法，首次实现了深度学习模型自动提取的木材图像特征可视化，揭示了模型提取的黄檀属和紫檀属木材构造关键特征分别为管孔和轴向薄壁组织。
木材精准识别是一个世界性科技难题。论文第一作者何拓介绍，他们利用木材识别系统从417份木材标本（含黄檀属15种、紫檀属11种）中采集了10237张横切面精细构造图像。在木材图像数据集的基础上，通过构建深度卷积神经网络对图像大数据进行训练学习。针对15种黄檀属、11种紫檀属，以及所有26个树种分别构建了3种不同的木材识别深度学习模型；并通过解析标本/图像数量、图像质量及图像块大小对模型精度的影响机制，确定了模型最优参数体系，完成了木材图像识别特征的自动化提取，实现了对口岸现场黄檀属和紫檀属等常见贸易濒危珍贵木材的快速精准识别。
该研究构建的深度学习模型，在木材“种”水平上的识别精度分别达88.4%、93.7%和99.3%。相较而言，针对相同样本在“属”水平的识别，国内外木材鉴别专家的识别精度仅为78.2%，且无法实现“种”水平的识别。
论文通讯作者、研究员殷亚方说，这项研究为我国保护森林树种生物多样性、打击野生植物物种非法贸易、提高《濒危野生动植物种国际贸易公约》履约执法和木材产业链监管水平提供了强有力的科技支撑。