基于深度学习的高分辨率木材种类识别方法
计算机视觉与模式识别
2024-06-18 v1 人工智能
摘要
全球范围内有望推动可持续木材贸易的木材种类识别技术取得了显著进展。本文贡献于通过高分辨率木材宏观图像实现木材种类的自动识别。该问题的主要挑战在于，木材中细粒度图案对于准确识别木材种类至关重要，而这些图案无法被传统卷积神经网络 (CNN) 通过在低/中分辨率图像上训练来有效学习。我们提出了一种 Timber Deep Learning Identification with Patch-based Inference Voting 方法，简称为 TDLI-PIV 方法。该方法利用分块技术和高分辨率木材宏观图像的可用性，以克服 CNN 在木材识别中所面临的固有挑战。TDLI-PIV 方法能够捕捉木材中的细粒度图案，并且通过协作投票推理过程提升鲁棒性和预测准确率。本文还引入了名为 GOIMAI-Phase-I 的新型木材宏观图像数据集，该数据集使用光学放大技术获取，以捕捉细粒度细节，与公开available数据集形成鲜明对比。具体而言，GOIMAI-Phase-I 数据集中的图像使用配有 24 倍放大镜的智能手机拍摄。该数据集包含 2120 张木材图像，覆盖 37 个受法律保护的木材种类。我们的实验评估了 TDLI-PIV 方法的性能，涉及与文献中其他方法的比较、数据增强方法的探索以及数据集规模对 TDLI-PIV 准确率的影响。
引用
@article{arxiv.2406.11772,
title = {Deep Learning methodology for the identification of wood species using high-resolution macroscopic images},
author = {David Herrera-Poyatos and Andrés Herrera-Poyatos and Rosana Montes and Paloma de Palacios and Luis G. Esteban and Alberto García Iruela and Francisco García Fernández and Francisco Herrera},
journal= {arXiv preprint arXiv:2406.11772},
year = {2024}
}
备注
17 pages and 6 figures