6月11日消息，国际木材科学期刊Holzforschung在线发表了木材计算机视觉识别研究标志性突破成果。朝阳宏达中国林业科学研究院木材工业研究所木材解剖学团队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。
木质素是植物木质部细胞壁的主要成分，它和纤维素与半纤维素一起构成了木质纤维生物质——地球上最为丰富、人类必需的可再生资源，但这一丰富的生物资源目前还未能获得有效利用。如何协调木质素合成与植物生长是一个广受关注但仍未解决的关键问题。
论文第一作者何拓介绍，他们从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（CNN）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。
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《华盛顿公约》（CITES，即《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。
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。
据了解，近年来，该团队在木材精准识别技术领域取得了一系列创新性成果，开发了适用于木材贸易、流通和生产加工等环节的快速精准识别新技术并推广应用。除木材计算机视觉识别技术外，他们还取得了木材标本库、木材多源数据分类特征库、iWood木材识别系统、新型木材构造图像采集装置、木材DNA靶向提取、木材DNA条形码识别以及特征化合物识别等多项技术成果。
