申请/专利权人：广西大学

申请日：2023-05-22

公开（公告）日：2023-08-01

公开（公告）号：CN116524306A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/084;G06N3/048;G06N3/047

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.08.18#实质审查的生效;2023.08.01#公开

摘要：一种檀香紫檀木材的识别方法，包括如下步骤：1数据集采样：采集檀香紫檀、染料紫檀和胶漆树三种木材纵切面的宏观图像数据集，将处理后的数据集以8：2的比例划分，作为模型的训练集和测试集；2数据集预处理：使用多种图像预处理方法进行图像预处理；3网络模型选择分析：对深度学习算法进行模型选择分析，选择适用于檀香紫檀木材识别的模型；4模型优化：对选择的模型进行提升效率、精度、稳定性层面的优化。本发明结合图像预处理方法，通过深度学习算法对木材种类进行预测，探索非约束条件下模型对木材宏观图像识别的有效性。采用本发明利于海关查处非法走私等违法犯罪行为，杜绝不法商家以次充好行为，维护市场秩序和消费者的合法权益。

主权项：1.一种檀香紫檀木材的识别方法，其特征在于，包括如下步骤：1数据集采样采集檀香紫檀、染料紫檀和胶漆树三种木材纵切面的宏观图像数据集，将处理后的数据集以8：2的比例划分，作为模型的训练集和测试集；2数据集预处理使用多种图像预处理方法进行数据集预处理，所述数据集预处理是利用超分辨率算法VDSR进行木材图像增强，并对图像数据集进行数据增强；3网络模型选择分析对深度学习算法进行模型选择分析，选择适用于檀香紫檀木材识别的模型，所述模型选择分析是对7种深度学习模型进行檀香紫檀木材识别，包括深度卷积神经网络AlexNet、用于大规模识别的超深卷积网络包含16个卷积层VGGNet16、谷歌融合不同特征信息的网络GoogleNet、深度残差神经网络包含18个卷积层ResNet18、深度残差神经网络包含50个卷积层ResNet50、深度残差神经网络包含101个卷积层ResNet101和双线性卷积神经网络BilinearCNN，使用经过迁移学习方法预训练的卷积神经网络CNN模型从木材图像中提取分层信息并鉴别其特征，并对每种网络的最佳结果进行比较；4模型优化对选择的模型深度残差神经网络包含50个卷积层ResNet50进行提升效率、精度、稳定性层面的优化；5模型训练对选择的模型进行训练是指使网络模型的其他超参数和设置都保持一致，采用批量大小都为24-128，初始学习率为0.01-0.0001，构建模型前经过图像预处理，利用自适应矩估计优化器训练模型。

全文数据：

权利要求：

百度查询： 广西大学 一种檀香紫檀木材的识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD