灰度共生矩阵特征提取步骤_基于计算机的木材特征提取和分类识别技术研究综述...

本文综述了木材分类识别技术,特别是计算机技术在木材特征提取和分类识别中的应用。灰度共生矩阵是常见的纹理特征提取方法,而卷积神经网络则推动了自动化识别的发展。未来趋势在于语义化特征提取,提供分类依据以增强识别准确性。
摘要由CSDN通过智能技术生成
3a0f8899127c334089e14dac5d3ebc6f.png

摘要:木材由于内部结构和组成成分的差异,使不同种类木材表现出完全不同的理化性质,并决定其不同的用途和商业价格,因此针对木材的分类识别研究具有重要的应用价值。但是,木材作为生物质材料,其结构和组分特征具有较强的变异性,这给木材分类识别研究带来挑战。木材分类识别通常是经过木材特征提取和基于特征的分类识别这2个步骤。目前木材特征提取主要利用计算机视觉、光谱分析等技术。木材分类识别是基于木材特征的数字化,这一部分可利用计算机算法实现自动识别,较以往人工识别可大幅提高准确度。通过分析近20年来木材特征提取和分类识别的相关文献,介绍各种基于计算机的木材特征提取与分类识别技术的特点及适用范围,并结合计算机技术的发展方向,探讨木材特征提取与分类识别技术的发展趋势,以期为构建更准确的木材分类识别技术提供参考。

关键词:木材识别,特征提取,特征识别,计算机技术

作者:黄鹏桂 赵璠 李晓平 关成 张严风 吴章康

  木材材料内部结构和组成成分的差异使得不同种类的木材表现出完全不同的理化性质,导致各种木材的用途和商业价格千差万别。木材一直是国民生产生活中重要和贵重的物质材料,其分类识别技术在各行业应用中显得十分重要。在珍贵木制品的交易过程中,需要木材分类识别来防止交易中以次充好的欺诈行为;在海关过境检验中,需要木材分类识别来支持违禁物品的检测工作;在建造行业,需要木材分类识别来确定木材性质以更充分地了解和利用木材;在医药行业,需要药用木材分类识别来确定其药用价值。木材分类识别是通过辨识各种木材在结构特征和组成成分上的差异来确定木材种类。但木材作为一种生物质材料,同种木材由于生长区域生态环境的不同,结构特征也会有明显不同。因此,准确的木材分类识别技术一直是国内外研究的热点和难点。本文基于收集整理的各种基于计算机的木材特征提取和分类识别技术的特点,总结各种技术的优缺点及适用范围,最后探讨基于计算机的木材特征提取和木材分类识别技术的发展趋势,以期为构建更准确的木材分类识别技术提供借鉴。

  1 木材分类识别技术发展历程

  木材分类识别技术的发展历程大体可分为3个阶段:1)人工识别阶段。木材分类识别技术最早主要是人工根据木材物理性质的直观表征,通过观察对比逐步确定木材种类。该方法主要依赖识别人员的专业知识和木材的宏观表征࿰

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值