本發(fā)明涉及一種木材樹種分類，尤其涉及一種基于細胞分析的木材樹種分類問題。

背景技術(shù)：

木材樹種識別是通過木材的內(nèi)、外部特征來識別樹種的一種適用技術(shù)，在木材生成、流通和使用過程中起著非常重要的作用。木材識別的方法主要分為宏觀識別和微觀識別。宏觀識別是依據(jù)在肉眼或放大鏡下看到的木材宏觀構(gòu)造特征鑒定木材，這種方法準確性較差，一般只能鑒定出木材的類別。微觀識別是指在光學顯微鏡或電子顯微鏡下觀察木材細胞形態(tài)及其胞壁特征，用微觀特征來鑒定木材的方法能鑒定到木材的樹種，準確度較高。

目前木材鑒定的方式主要是通過對木材的宏觀和微觀構(gòu)造進行觀察，根據(jù)木材解剖特征(比如組成木材的細胞與組織的形態(tài)和排列方式)進行分析、檢索并做出初步判斷，然后與正確定名的木材標本或切片比對，如一致，即可將該木材鑒定到屬、類或樹種。但是由于木材市場上的木材數(shù)量較多、類別、屬、科各種各樣，還有國產(chǎn)的、進口的，這樣種類繁多，鑒別的工作量非常大、繁瑣；同時，對鑒別人員也需要有較高的要求，需要能夠準確觀察和描述木材的宏觀和微觀特征，使用輔助的識別卡片和計算機軟件、熟練地查找相關(guān)書籍與資料，才能得出準確無誤的鑒定結(jié)果。

當然，近年來隨著科學技術(shù)的發(fā)展，國外也有通過化學性質(zhì)來識別木材的，比如dna技術(shù)、近紅外技術(shù)等，但是由于其過程繁瑣、成本過高等原因，目前還不能夠進行廣泛應(yīng)用推廣。

技術(shù)實現(xiàn)要素：

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的之一在于提供一種基于細胞分析的木材樹種類別鑒別方法，其能夠解決現(xiàn)有技術(shù)中木材的樹種鑒別的工作量大、成本高、過程繁瑣的問題。

本發(fā)明的目的之二在于一種基于細胞分析的木材樹種類別鑒別系統(tǒng)，其能夠解決現(xiàn)有技術(shù)中木材的樹種鑒別的工作量大、成本高、過程繁瑣的問題。

本發(fā)明的目的之一采用如下技術(shù)方案實現(xiàn)：

一種基于細胞分析的木材樹種類別鑒別方法，包括以下步驟：

獲取步驟，獲取待分類木材的多個木材切片以及對應(yīng)的圖像；

預(yù)處理步驟，對每個木材切片的圖像進行預(yù)處理；

特征提取步驟，分別對通過預(yù)處理后的每個木材切片的圖像進行特征提取并得到對應(yīng)的特征提取結(jié)果；

識別步驟，將每個木材切片的特征提取結(jié)果與系統(tǒng)中預(yù)設(shè)的識別模型中對應(yīng)的特征提取結(jié)果進行比對并得出待分類木材的樹種類別；

顯示步驟，根據(jù)所述待分類木材的樹種類別從其所對應(yīng)的木材資料庫中獲取木材資料信息并顯示給用戶。

優(yōu)選地，木材切片的圖像是通過電子顯微鏡對每個木材切片進行放大一定倍數(shù)后得到的。

優(yōu)選地，所述木材切片分別為橫切面、弦切面以及徑切面；其中橫切面的圖像是通過電子顯微鏡對橫切面放大20倍得到，弦切面的圖像是通過電子顯微鏡對弦切面放大50倍得到，徑切面的圖像是通過電子顯微鏡對徑切面放大50倍得到。

優(yōu)選地，所述預(yù)處理步驟具體為通過質(zhì)心對齊和線性差值放大的方法，將每個木材切片的圖像進行歸一化處理，從而將每個木材切片的圖像轉(zhuǎn)換為統(tǒng)一規(guī)格的圖像。

優(yōu)選地，所述特征提取步驟具體為首先將每個木材切片的圖像劃分為m*n的方格區(qū)域，然后計算每個方格中點的密度分布，最終得到每個木材切片的m*n維特征向量。

優(yōu)選地，所述識別步驟具體為當每個木材切片的特征向量與系統(tǒng)中預(yù)設(shè)的識別模型中其中一種樹種的對應(yīng)木材切片的特征向量的相似度均達到80％以上時，待分類木材的類別為對應(yīng)樹種的類別。

優(yōu)選地，所述m＝n＝5。

優(yōu)選地，所述識別模型為預(yù)先建立的每個樹種對應(yīng)的所有木材切片的特征向量庫。

本發(fā)明的目的之二采用如下技術(shù)方案實現(xiàn)：

一種基于細胞分析的木材樹種類別鑒別系統(tǒng)，包括：

獲取模塊，用于獲取待分類木材的多個木材切片以及對應(yīng)的圖像；

預(yù)處理模塊，用于對每個木材切片的圖像進行預(yù)處理；

特征提取模塊，用于分別對通過預(yù)處理后的每個木材切片的圖像進行特征提取并得到對應(yīng)的特征提取結(jié)果；

識別模塊，用于將每個木材切片的特征提取結(jié)果與系統(tǒng)中預(yù)設(shè)的識別模型中對應(yīng)的特征提取結(jié)果進行比對并得出待分類木材的樹種類別；

顯示模塊，用于根據(jù)所述待分類木材的樹種類別從其所對應(yīng)的木材資料庫中獲取木材資料信息并顯示給用戶。

相比現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：

本發(fā)明通過利用圖像識別技術(shù)，通過機器來學習各類木材的標本和切片，建立木材樹種識別庫，實現(xiàn)對各種木材所屬樹種自動識別分類，有效提高了木材樹種識別的效率和準確率，縮短了人工比對檢索時間，大大降低了木材的樹種鑒別的人力物力成本。

附圖說明

圖1為本發(fā)明提供的基于細胞分析的木材樹種類別鑒別方法的方法流程圖；

圖2為本發(fā)明提供的基于細胞分析的木材樹種類別鑒別系統(tǒng)的系統(tǒng)模塊圖；

圖3為本發(fā)明提供的鐵杉的木材的橫切面放大20倍的細胞分布圖；

圖4為本發(fā)明提供的鐵杉的木材的弦切面放大50倍的細胞分布圖；

圖5為本發(fā)明提供的鐵杉的木材的徑切面放大50倍的細胞分布圖。

具體實施方式

下面，結(jié)合附圖以及具體實施方式，對本發(fā)明做進一步描述，需要說明的是，在不相沖突的前提下，以下描述的各實施例之間或各技術(shù)特征之間可以任意組合形成新的實施例。

一種基于細胞分析的木材樹種類別鑒別方法，如圖1所示，包括以下步驟：

s1、獲取待分類木材的多個木材切片以及對應(yīng)的圖像。

首先將待分類木材處理為多個木材切片，木材切片分別為橫切面、弦切面和徑切面。然后通過電子顯微鏡將每個木材切片放大一定倍數(shù)后得到木材切片的對應(yīng)圖像。比如，如圖3所示，橫切面是經(jīng)過電子顯微鏡放大20倍；如圖4所示，弦切面經(jīng)過電子顯微鏡放大50倍；如圖5所示，徑切面經(jīng)過電子顯微鏡放大50倍。

s2、對每個木材切片的圖像進行預(yù)處理；

在對木材切片進行識別前，首先對每個木材切片的圖像進行預(yù)處理，來提高系統(tǒng)對木材切片的圖像的識別性能。預(yù)處理的過程是根據(jù)對木材切片的圖像設(shè)置合理的閾值，將圖像二值化、去除干擾點。也即是通過質(zhì)心對其和線性差值放大的方法，將木材切片圖像歸一化，并轉(zhuǎn)換為統(tǒng)一規(guī)格的圖像。

s3、分別對通過預(yù)處理后的每個木材切片的圖像進行特征提取處理得到對應(yīng)的特征向量。

由于不同樹種，其對應(yīng)的木材切片的圖像中細胞、胞壁的空間密度的紋理、圖案、形狀等排布情況特征均不同。因此，在特征提取的過程中，是從木材切片圖像中提取一定維數(shù)的特征向量來體現(xiàn)木材切片的圖像中細胞、胞壁的排布情況，從而來提高類型匹配和識別的存儲量和運算速度。也即是，首先將木材切片圖像劃分為m*n的方格區(qū)域，然后計算每個方格中點的密度分布，從而得到m*n維特征向量。其中本發(fā)明中優(yōu)選地，m＝n＝5，也即是對每個木材切片的圖像進行特征提取，從而得到每個木材切片的25維特征向量。

s4、將每個木材切片的特征向量與系統(tǒng)中預(yù)存的識別模型中對應(yīng)的特征向量進行比對，從而得出待分類木材的樹種類別。

識別模型是通過機器學習和識別訓練，預(yù)先建立的每種木材所對應(yīng)的木材切片的特征向量的集合，并且每種木材的樹種類別也是已知的。也即是，將大量已有的樹種對應(yīng)的木材的多個木材切片的圖像進行預(yù)處理以及特征提取并進行識別訓練，從而建立木材對應(yīng)樹種的識別模型庫。其中識別訓練是從訓練集各樹種的木材切片的圖像中提取出標準模板，也即是建立標準特征庫的過程；每個樹種都有很多個標準模板。通過預(yù)處理和特征提取，將訓練集中各樹種對應(yīng)的木材切片圖像的特征向量存入到對應(yīng)的文件中。在訓練時，需要指明每種木材的正確樹種類別。本發(fā)明中所指的木材的樹種類別指的是該木材所對應(yīng)的樹種名稱，比如鐵杉木材，其對應(yīng)的樹種類別是鐵杉。

將待識別樹種的木材切片圖像，經(jīng)過預(yù)處理和特征提取后得到對應(yīng)的特征向量，然后將每個木材切片的特征向量與文件中所存儲的每一種樹種類別所對應(yīng)的木材切片的特征向量進行比對得出比對結(jié)果。優(yōu)選地，本發(fā)明中將每個木材切片的特征向量與識別模型中對應(yīng)的木材切片的特征向量做相似度對比；當每個木材切片的特征向量的相似度對比均達到指定的值，則認為該待分類木材的樹種類別與識別模型中的木材切片所對應(yīng)的樹種類別是相同的。

也即是說，在識別模型中存儲有每一種樹種類別對應(yīng)木材的木材切片，以及每個木材切片所對應(yīng)的特征向量，每一種樹種類別的木材所對應(yīng)的木材切片分別為橫切面、弦切面以及徑切面三種。比如，對于樹種a，其木材的木材切片分別為橫切面a1、弦切面a2、徑切面a3，上述三個木材切片經(jīng)過預(yù)處理以及特征提取后得到橫切面a1所對應(yīng)的特征向量為b1、弦切面a2所對應(yīng)的特征向量為b2、徑切面a3所對應(yīng)的特征向量為b3。這樣，當出現(xiàn)一個新的未知樹種的木材c時，首先將木材c也進行切片為橫切面c1、弦切面c2、徑切面c3，并對每個切片經(jīng)過預(yù)處理以及特征提取后得到對應(yīng)的特征向量為c11、c22、c33；然后將特征向量c11與特征向量b1作相似度對比、將特征向量c22與特征向量b2作相似度對比、將特征向量c33與特征向量b3作相似度對比，當三個相似度結(jié)果均達到80％以上，則就認為該新的木材c的類別為樹種a。

s5、根據(jù)待分類木材的樹種類別從其所對應(yīng)的木材資料庫中獲取木材資料信息并顯示給用戶。

每種樹種類別均對應(yīng)一個木材資料庫，其存儲了每種樹種類別的木材的資料信息，比如包括木材所屬類別、樹種名稱、產(chǎn)地、樹木性狀、木材主要特征、特征圖像、材性與用途等等。最后將待識別木材的資料信息顯示給用戶查看。

一種基于細胞分析的木材樹種類別鑒別系統(tǒng)，如圖2所示，包括：

獲取模塊，用于獲取待分類木材的多個木材切片以及對應(yīng)的圖像；

預(yù)處理模塊，用于對每個木材切片的圖像進行預(yù)處理；

特征提取模塊，用于分別對通過預(yù)處理后的每個木材切片的圖像進行特征提取并得到對應(yīng)的特征提取結(jié)果；

識別模塊，用于將每個木材切片的特征提取結(jié)果與系統(tǒng)中預(yù)設(shè)的識別模型中對應(yīng)的特征提取結(jié)果進行比對并得出待分類木材的樹種類別；

顯示模塊，用于根據(jù)所述待分類木材的樹種類別從其所對應(yīng)的木材資料庫中獲取木材資料信息并顯示給用戶。

上述實施方式僅為本發(fā)明的優(yōu)選實施方式，不能以此來限定本發(fā)明保護的范圍，本領(lǐng)域的技術(shù)人員在本發(fā)明的基礎(chǔ)上所做的任何非實質(zhì)性的變化及替換均屬于本發(fā)明所要求保護的范圍。