[发明专利]基于多源特征融合的木材树种鉴定方法和装置

说明书

本发明公开了一种基于多源特征融合的木材树种鉴定方法和装置，属于木材鉴定技术领域。本发明同时利用木材的构造特征、遗传特征和化学特征进行树种鉴定，涵盖了木材的多种类型的树种信息，解决了现有木材鉴定缺乏可靠的特征参考数据集、依赖单一特征进行树种鉴定结果不可靠、不适用于复杂应用场景等问题，实现了木材“种”水平的准确鉴定，一方面提高了识别精度，另一方面提高了识别结果的稳定性和可应用性。

技术领域

本发明涉及木材鉴定技术领域，特别是指一种基于多源特征融合的木材树种鉴定方法和装置。

背景技术

木材鉴定是将待测样品与包含完整树木分类学及采集信息的木材标本进行比对，基于木材树种间的差异性给出待测样品的树种名称。传统的木材鉴定技术通过人眼在宏观与微观尺度对待测样品的构造特征进行观察，主要是依靠鉴定人员的专业知识与鉴定经验，鉴定结果受到人的主观因素影响较大，并且传统的木材鉴定技术多数情况下只能鉴定木材到“属”或者“类”，无法得到“种”水平的鉴定结果。

为了实现木材“种”水平的准确鉴定，近些年发展了基于计算机技术的木材识别新技术，但是尽管目前已有一些新技术用于解决木材树种鉴定问题，但由于木材存在一定程度的种内变异性，现有的木材鉴定新技术都是基于解剖、遗传、化学等单一特征给出树种鉴定结果，鉴定结果可信度不高。而且在不同复杂应用场景下，受各种条件所限，部分特征难以获取，往往导致依靠该无法获取的单一特征进行的树种鉴定难以实现。

发明内容

为解决现有技术的缺陷，本发明提供一种基于多源特征融合的木材树种鉴定方法和装置，实现了木材“种”水平的准确鉴定，一方面提高了识别精度，另一方面提高了识别结果的稳定性和可应用性。

本发明提供技术方案如下：

一种基于多源特征融合的木材树种鉴定方法，所述方法包括：

建立木材分类特征参考数据集，并划分为训练集和测试集；其中，所述木材分类特征参考数据集包括木材切面图像样本、木材DNA序列样本和木材化学指纹图谱样本；

构建深度学习模型，并采用所述训练集对所述深度学习模型进行训练；

通过所述深度学习模型以自主学习的方法分别提取所述木材切面图像样本、木材DNA序列样本和木材化学指纹图谱样本的关键特征；

将提取的所述木材切面图像样本、木材DNA序列样本和木材化学指纹图谱样本的关键特征进行融合，利用所述测试集对融合的结果进行验证，对所述深度学习模型进行调整优化；

获取待鉴定木材样品的木材切面图像、木材DNA序列和/或木材化学指纹图谱，将所述木材切面图像、木材DNA序列和/或木材化学指纹图谱输入所述深度学习模型，得到待鉴定木材样品的树种名称。

进一步的，所述建立木材分类特征参考数据集，并划分为训练集和测试集，包括：

获取从木材标本上采集的木材横切面、径切面和弦切面构造图像，并进行数据增强处理，得到所述木材切面图像样本；

获取从所述木材标本提取的DNA，并进行扩增、测序和DNA条形码评价，筛选出有效DNA条形码序列，得到所述木材DNA序列样本；

获取采用质谱仪对所述木材标本表面进行扫描采集的质谱数据，并进行归一化处理，得到所述木材化学指纹图谱样本；

对所述木材切面图像样本、木材DNA序列样本和木材化学指纹图谱样本进行数据清洗，去除异常值，建立所述木材分类特征参考数据集；

采用k折交叉验证的方法，将所述木材分类特征参考数据集按8：2的比例划分为所述训练集和测试集。

进一步的，所述构建深度学习模型，并采用所述训练集对所述深度学习模型进行训练，包括：