期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于注意力机制的木材交叉场纹孔特征识别方法
1
作者
王新洲
李俊源
+4 位作者
王清波
席靖宇
王宇轩
衡利辰
潘彪
《林业工程学报》
北大核心
2025年第4期87-94,共8页
交叉场纹孔作为木材显微构造中的一个重要特征,在木材构造研究和树种识别中具有重要作用。以针叶材为研究对象,基于计算机视觉技术对交叉场纹孔特征快速提取方法展开研究,从而实现在向系统传入木材径切面切片图像后,即可快速得到交叉场...
交叉场纹孔作为木材显微构造中的一个重要特征,在木材构造研究和树种识别中具有重要作用。以针叶材为研究对象,基于计算机视觉技术对交叉场纹孔特征快速提取方法展开研究,从而实现在向系统传入木材径切面切片图像后,即可快速得到交叉场纹孔识别结果。首先采集48种针叶材树种的径切面图像构建数据集,通过训练并比较YOLOv4、YOLOv4-Tiny,以及主干特征提取网络更换为ResNet50和MobileNetv3的YOLOv4-Tiny模型后,选用表现较优的YOLOv4-Tiny,并将其结合SENet、ECANet、CBAM 3种注意力机制进行比较分析。研究结果表明:ECANet表现最好,对于窗格状、云杉型、柏木型、杉木型、松木型5种交叉场纹孔类型的识别准确率分别为98.2%,85.0%,88.4%,92.9%,80.0%。通过Grad-CAM可视化分析,发现模型对于窗格状和杉木型的预测框定位最为准确,而对于柏木型的预测置信度相对较低,在射线薄壁细胞与轴向管饱相交边界不明显的情况下,模型的预测效果较差。综上所述,使用YOLOv4-Tiny模型结合注意力机制进行交叉场纹孔的识别是可行的,未来的工作可以集中于对深度学习神经网络结构的进一步优化,以提高模型在复杂情况下的识别准确率。
展开更多
关键词
木材微观构造
交叉场纹孔
深度学习
目标检测
注意力机制
在线阅读
下载PDF
职称材料
基于计算机视觉的针叶材木射线特征提取方法
被引量：
4
2
作者
席靖宇
王宇轩
+4 位作者
衡利辰
潘彪
骆嘉言
石江涛
王新洲
《林业工程学报》
CSCD
北大核心
2023年第3期132-140,共9页
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...
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%。
展开更多
关键词
木材微观构造
木射线
深度学习
语义分割
目标检测
在线阅读
下载PDF
职称材料
题名
基于注意力机制的木材交叉场纹孔特征识别方法
1
作者
王新洲
李俊源
王清波
席靖宇
王宇轩
衡利辰
潘彪
机构
南京林业大学材料科学与工程学院
山东省产品质量
检验
研究院
邳州市市场监督综合检验检测中心
出处
《林业工程学报》
北大核心
2025年第4期87-94,共8页
基金
江苏省市场监督管理局科技项目(KJ2023048)。
文摘
交叉场纹孔作为木材显微构造中的一个重要特征,在木材构造研究和树种识别中具有重要作用。以针叶材为研究对象,基于计算机视觉技术对交叉场纹孔特征快速提取方法展开研究,从而实现在向系统传入木材径切面切片图像后,即可快速得到交叉场纹孔识别结果。首先采集48种针叶材树种的径切面图像构建数据集,通过训练并比较YOLOv4、YOLOv4-Tiny,以及主干特征提取网络更换为ResNet50和MobileNetv3的YOLOv4-Tiny模型后,选用表现较优的YOLOv4-Tiny,并将其结合SENet、ECANet、CBAM 3种注意力机制进行比较分析。研究结果表明:ECANet表现最好,对于窗格状、云杉型、柏木型、杉木型、松木型5种交叉场纹孔类型的识别准确率分别为98.2%,85.0%,88.4%,92.9%,80.0%。通过Grad-CAM可视化分析,发现模型对于窗格状和杉木型的预测框定位最为准确,而对于柏木型的预测置信度相对较低,在射线薄壁细胞与轴向管饱相交边界不明显的情况下,模型的预测效果较差。综上所述,使用YOLOv4-Tiny模型结合注意力机制进行交叉场纹孔的识别是可行的,未来的工作可以集中于对深度学习神经网络结构的进一步优化,以提高模型在复杂情况下的识别准确率。
关键词
木材微观构造
交叉场纹孔
深度学习
目标检测
注意力机制
Keywords
wood microstructure
cross-field grain hole
deep learning
object detection
attention mechanism
分类号
S781.1 [农业科学—木材科学与技术]
在线阅读
下载PDF
职称材料
题名
基于计算机视觉的针叶材木射线特征提取方法
被引量：
4
2
作者
席靖宇
王宇轩
衡利辰
潘彪
骆嘉言
石江涛
王新洲
机构
南京林业大学材料科学与工程学院
邳州市市场监督综合检验检测中心
出处
《林业工程学报》
CSCD
北大核心
2023年第3期132-140,共9页
基金
江苏省市场监督管理局科技项目(KJ2023048)。
文摘
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%。
关键词
木材微观构造
木射线
深度学习
语义分割
目标检测
Keywords
wood microstructure
wood ray
deep learning
semantic segmentation
target detection
分类号
S781.1 [农业科学—木材科学与技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于注意力机制的木材交叉场纹孔特征识别方法
王新洲
李俊源
王清波
席靖宇
王宇轩
衡利辰
潘彪
《林业工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于计算机视觉的针叶材木射线特征提取方法
席靖宇
王宇轩
衡利辰
潘彪
骆嘉言
石江涛
王新洲
《林业工程学报》
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
