基于注意力机制的木材交叉场纹孔特征识别方法

摘要

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