CN112767388A - 一种木材微距特征图像采集及ai鉴定*** - Google Patents

一种木材微距特征图像采集及ai鉴定*** Download PDF

Info

Publication number
CN112767388A
CN112767388A CN202110134276.9A CN202110134276A CN112767388A CN 112767388 A CN112767388 A CN 112767388A CN 202110134276 A CN202110134276 A CN 202110134276A CN 112767388 A CN112767388 A CN 112767388A
Authority
CN
China
Prior art keywords
wood
image
identification
macro
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110134276.9A
Other languages
English (en)
Other versions
CN112767388B (zh
Inventor
丁志平
王晶晶
陆军
王明生
袁大炜
朱君
陈旭东
周强
姚青
吕军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhangjiagang Customs Of People's Republic Of China
Original Assignee
Zhangjiagang Customs Of People's Republic Of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhangjiagang Customs Of People's Republic Of China filed Critical Zhangjiagang Customs Of People's Republic Of China
Priority to CN202110134276.9A priority Critical patent/CN112767388B/zh
Publication of CN112767388A publication Critical patent/CN112767388A/zh
Application granted granted Critical
Publication of CN112767388B publication Critical patent/CN112767388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/44—Program or device authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30161—Wood; Lumber

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种木材微距特征图像采集及AI鉴定***，包括客户端、数据库、服务端以及木材图像AI识别模块，客户端用于接收用户操作，数据库用于存储用户数据，服务端包括安全认证模块和业务处理模块，木材图像AI识别模块用于对待鉴定的木材图像进行识别得到木材的材种信息，客户端接收登录请求并将其发送至服务端，服务端接收登录请求后，安全认证模块通过对比用户数据库中的用户数据，验证用户的登陆信息是否正确，业务处理模块通过木材图像AI识别模块对木材图像进行识别，并将识别结果反馈至客户端。本发明提供通过微距图像采集终端获取更加清晰的木材图像，提高识别准确率，同时采用负载均衡器，简化***工作量，操作简洁，使用方便。

Description

一种木材微距特征图像采集及AI鉴定***
技术领域
本发明涉及木材鉴定领域，特别涉及一种木材微距特征图像采集及AI鉴定***。
背景技术
目前，木材种类鉴定主要由专业人员在实验室环境下，依靠放大镜、显微镜等仪器设备观察木材的宏观及微观特征，与标样比对后确定木材类别。每种木材在生长过程中，都形成了独特的宏观及微观结构，但木材种类繁多，即使同一种木材，其宏观和微观结构因地点、气候和营养等情况存在一定的差异。种间相似及种内差异现象增加了木材种类识别难度，加之我国木材贸易、监管一线具有木材分类学知识的专家稀缺，木材或木制品交易频繁，基于人工的木材种类鉴定方法存在着专业性强、任务重、周期长、风险高和非实时性等问题，无法满足木材监管实时性和高效性的需求，亟需一种快速准确的木材种类鉴定方法。
发明内容
鉴于以上内容，有必要提供一种木材微距特征图像采集及AI鉴定***，能够准确并快速地完成木材鉴定工作，本发明提供的技术方案如下：
本发明提供了一种木材微距特征图像采集及AI鉴定***，包括：
客户端，用于接收用户操作；
数据库，包括用户数据库，所述用户数据库用于存储用户数据；
服务端，包括安全认证模块和业务处理模块；
木材图像AI识别模块，用于对待鉴定的木材图像进行识别得到木材的材种信息；
所述客户端和所述数据库分别与所述服务端连接，所述客户端接收登录请求并将其发送至所述服务端，所述服务端接收所述登录请求后，所述安全认证模块通过对比所述用户数据库中的用户数据，验证用户的登陆信息是否正确，
若不正确，则所述安全认证模块拒绝所述登录请求，并发送重新登录的指令至所述客户端；
若正确，则所述业务处理模块能够接收所述客户端发送的图像识别请求，所述图像识别请求包括待鉴定的木材图像；
所述业务处理模块通过木材图像AI识别模块对所述木材图像进行识别，并将识别结果反馈至所述客户端。
进一步地，所述***还包括木材数据库，所述业务处理模块根据所述木材图像AI识别模块返回的识别结果对所述木材数据库进行检索，并将检索结果反馈至所述客户端。
进一步地，所述***还包括微距图像采集终端，所述微距图像采集终端能够安装在移动终端的相机镜头上，使所述移动终端的相机镜头拍摄待鉴定的木材的细节图像。
优选地，所述微距图像采集终端为组装式微距图像采集终端，所述组装式微距图像采集终端包括微距镜头、设置于所述微距镜头外端部的转接头以及设置于所述转接头外端部的采集头，其中，
所述转接头内部设有供所述微距镜头透视的透视腔，所述采集头包括形成有与所述透视腔相连通的环形腔的采集底座、以及设置在所述采集底座内的灯具，其中，所述的采集底座、所述转接头、及待检测样品表面形成封闭的图像采集区，或者，所述采集底座、所述转接头、及放置检测样品的平台表面形成封闭的图像采集区。
优选地，所述微距图像采集终端为内嵌式微距图像采集终端，所述内嵌式微距图像采集终端包括微距镜头，所述微距镜头包括镜座和镜片，所述镜座包括座本体、可拆卸地设置在所述座本体前端部的压环、设置在所述座本体后端部的镜头外接部，其中，所述压环呈环形，且所述座本体的内腔、所述压环的内腔、及待检测样品表面形成封闭的图像采集区，或者，所述座本体的内腔、所述压环的内腔、及放置检测样品的平台面形成封闭的图像采集区；
所述内嵌式微距图像采集终端还包括安装在所述座本体或所述压环内壁且用于补偿曝光的灯具，所述的灯具呈环状，且所述灯具的中心线、所述镜片的中心线重合设置。
进一步地，所述木材图像AI识别模块识别图像包括以下步骤：
S1、输入木材图像并进行预处理；
S2、分块处理木材图像；
S3、通过卷积神经网络模型训练分块子图像；
S4、从所述木材图像边缘到中心采用不同的梯度值作为不同区域子图像分类得分的权重，并加大中心区域在整个木材图像分类得分中所占的比重，将加权得分转换为最终的概率值，得出木材图像所属材种信息，其中，
S1中所述预处理的步骤包括：
S11、对木材图像进行颜色校正；
S12、对校正后的木材图像进行数据增强；
S2中所述分块处理木材图像的步骤包括：
S21、对预处理后的木材图像进行分割，得到多个子图像；
S22、通过双线性插值法使每个子图像的尺寸像素统一。
进一步地，步骤S11包括通过灰色世界法对所述木材横截面图像进行颜色校正，由所述木材横截面图像整体和R、G、B三通道的像素期望值计算R、G、B三通道的增益系数以及灰度平均值，并根据所述增益系数以及灰度平均值，对所述木材横截面图像中的每个像素进行各自R、G、B三通道分量的调整；
步骤S12包括采用水平翻转、垂直翻转和增添椒盐噪声的方法对所述校正后的木材横截面图像进行数据增强，使每种木材图像训练样本量处于规定数量范围中。
进一步地，所述***还包括负载均衡器，所述负载均衡器设置于所述客户端和所述服务端之间，所述客户端发送的数据经过所述负载均衡器的处理后均匀分布于所述服务端。
进一步地，还包括专家鉴定支持模块，其用于发送专家鉴定支持请求，所述专家鉴定支持请求包括所述待鉴定的木材图像和/或所述木材图像AI识别模块返回的识别结果，并接收响应所述专家鉴定支持请求而返回的专家鉴定信息。
进一步地，所述数据库包括MySQL和/或Oracle和/或SQLite。
本发明具有下列优点：
a.通过微距图像采集终端获取更加清晰的木材图像，便于提取更加精细的特征，有利于木材识别，提高了木材的识别准确率；
b.采用负载均衡器使数据平均分布于服务端，极大简化了开发和部署的工作量，减小木材图像识别时长，有助于***长期运行；
c.***操作简洁，使用方便。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的木材微距特征图像采集及AI鉴定***的结构框图；
图2为本发明实施例提供的木材微距特征图像采集及AI鉴定***Web端的工作流程图；
图3为本发明实施例提供的木材微距特征图像采集及AI鉴定***Web端图像识别流程图；
图4为本发明实施例提供的木材微距特征图像采集及AI鉴定***用户数据库的内部存储示意图；
图5为本发明实施例提供的木材微距特征图像采集及AI鉴定***的木材图像AI识别模块结构示意图；
图6为本发明实施例提供的木材微距特征图像采集及AI鉴定***的组装式微距图像采集终端的结构示意图；
图7为本发明实施例提供的木材微距特征图像采集及AI鉴定***的组装式微距图像采集终端的转接头的放大示意图；
图8为本发明实施例提供的木材微距特征图像采集及AI鉴定***的内嵌式微距图像采集终端的结构示意图；
图9为本发明实施例提供的木材微距特征图像采集及AI鉴定***的内嵌式微距图像采集终端的结构分解示意图；
图10为本发明实施例提供的木材微距特征图像采集及AI鉴定***的内嵌式微距图像采集终端更换压环后的结构分解示意图；
图11为本发明实施例提供的木材微距特征图像采集及AI鉴定***的内嵌式微距图像采集终端的灯具的俯视示意图。
其中，附图标记包括：1-微距镜头，10-镜片，12-镜座，120-座本体，120a-第一分体，120b-第二分体，121-压环，122-镜头外接部，2-转接头，21-第一连接部，22-第二连接部，3-采集头，30-采集底座，31-柔光环，32-灯具，320-环形灯带，321-光亮体，322-外接电源接头，a1-第一环形腔，a2-第二环形腔，a3-第三环形腔，b1-环形卡槽，c-充电接口，q-透视腔，q1-第一腔体，q2-第二腔体，k-嵌合缺口。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，更清楚地了解本发明的目的、技术方案及其优点，以下结合具体实施例并参照附图对本发明实施例中的技术方案进行清楚、完整地描述。需要说明的是，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。除此，本发明的说明书和权利要求书中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本发明的一个实施例中，提供了一种木材微距特征图像采集及AI鉴定***，如图1所示，包括客户端、数据库、服务端、木材图像AI识别模块以及微距图像采集终端。
所述客户端用于接收用户操作；所述数据库包括用户数据库和木材数据库，其中，所述用户数据库用于存储用户数据，所述木材数据库用于存储木材信息，所述服务端包括安全认证模块和业务处理模块，其中，所述安全认证模块用于验证用户信息，所述业务处理模块用于处理相关业务；所述木材图像AI识别模块用于对待鉴定的木材图像进行识别得到木材的材种信息；所述微距图像采集终端安装在移动终端的相机镜头上，用于拍摄待鉴定的木材的细节图像。
所述客户端和所述数据库分别与所述服务端连接，所述客户端接收登录请求并将其发送至所述服务端，所述服务端接收所述登录请求后，所述安全认证模块通过对比所述用户数据库中的用户数据，验证用户的登陆信息是否正确，
若不正确，则所述安全认证模块拒绝所述登录请求，并发送重新登录的指令至所述客户端；
若正确，则所述业务处理模块能够接收所述客户端发送的图像识别请求，所述图像识别请求包括待鉴定的木材图像，所述业务处理模块通过木材图像AI识别模块对所述木材图像进行识别，所述木材图像AI识别模块接收所述待鉴定的木材图像，经过卷积神经网络得出所述待鉴定的木材图像的识别结果，并将所述识别结果反馈至所述业务处理模块，所述业务处理模块根据所述木材图像AI识别模块返回的识别结果对所述木材数据库进行检索，并将检索结果反馈至所述客户端。
所述木材微距特征图像采集及AI鉴定***还包括专家鉴定支持模块，其用于发送专家鉴定支持请求，所述专家鉴定支持请求包括所述待鉴定的木材图像和/或所述木材图像AI识别模块返回的识别结果，并接收响应所述专家鉴定支持请求而返回的专家鉴定信息。
对于所述客户端，其分为Web端、移动Web端以及App移动端，在本发明的一个实施例中，如图2所示，以Web端为例作具体说明，所述木材微距特征图像采集及AI鉴定***Web端的开发部署如下：
所述***利用HTML、CSS和JavaScript技术进行开发，采用Vue-CLI搭建***框架；利用Element UI设计***界面，并将前端各功能模块化，使用ES2015+标准，并向下兼容ES5，适配所有主流浏览器；使用Vue Router作为路由管理器，支持路由/视图表的嵌套、模块化的组件配置、导航细粒度控制等功能；网络请求使用基于HTTP协议的Axios网络请求，支持XMLHttpRequests、转换请求数据和响应数据、自动转换JSON数据和防止XSRF攻击等功能；通过Token保存识别信息，减少不必要的交互信息，提升***健壮性；前端开发时使用Mock.js模拟数据响应，实现前、后端开发完全分离以及整个***高度解耦。
如图2所示，用户登录成功之后，所述服务端根据用户权限返回对应功能列表和Token，需要说明的是，所述用户分为管理用户、专家用户以及普通用户，所述用户权限对应分为管理用户权限、专家用户权限以及普通用户权限，所述普通用户权限相对最少，所述专家用户权限相对较多，所述管理用户权限包括所有权限，所述管理用户可以对所有用户的信息、权限等进行操作，其他用户则无法操作，具体说明见下文详述。
Web端发起用户请求时将Token封装在HTTP请求头中，所述服务端通过Token信息对用户信息进行安全和权限验证。在图像识别时，用户通过Form表单形式将图像封装入HTTP请求体中，所述服务端接收图片并完成识别后返回木材相关信息、相关查发案例和海关资讯信息，将以上信息渲染在网页上供用户参考。若用户需要浏览木材信息，Web端向所述服务端发送相关请求，由于木材信息数量较多，需要对信息进行分页以供用户查询浏览，在请求参数中需要携带pageNum和pageSize字段，其分别代表当前页号和一页包含的信息条目数，所述服务端返回对应数据至Web端供用户浏览参考。用户若对识别结果有疑问，则可以通过专家在线支持功能向专家提问，提问方式有图文方式和音视频方式，其中，在图文方式中，用户通过填写问题描述和上传相关图像，Web端封装信息至HTTP请求体中上传至所述服务端，所述服务端储数据至所述数据库，专家查看问题之后给出指导意见，用户可以在自己提问记录中查看专家意见。如果用户需要短时间内获得专家支持，可选择音视频方式，通过与专家面对面交流解决遇到的问题。
在本发明的一个实施例中，所述客户端与所述服务端进行数据传输时，存在一个或多个服务端出现过负载故障，因此，所述木材微距特征图像采集及AI鉴定***还包括负载均衡器，所述负载均衡器设置于所述客户端和所述服务端之间，所述客户端发送的数据经过所述负载均衡器的处理后均匀分布于所述服务端。
对于所述服务端，可以选用Spring框架，也可以选用其他框架，比如Struts2框架、Wicket框架、Tapestry框架以及Stripes框架，不以此限定本发明的保护范围。在本发明的一个实施例中，如图3所示，以Spring Boot框架为例作具体说明：
Spring Boot框架在Spring框架的基础上实现了很多框架的自动配置，同时内置Tomcat服务器，极大简化了开发和部署的工作量。Web端与所述服务端交互使用RESTFul格式请求。用户请求通过HTTP协议发送至所述服务端，请求首先通过Nginx进行负载均衡，然后通过轮询方式转发到所述服务端后台。待后台接收到用户请求之后先使用SpringSecurity，结合JWT进行用户认证和授权。所述Spring Security是所述Spring框架提供的一个安全管理框架，可以用来过滤非法请求和验证用户信息是否正确，用户验证成功之后再进行相关业务处理并返回至Web端。当用户进行木材图像识别时，所述服务端后台接收到木材图像之后先对图像合法性验证，确认没有问题之后转发到Django服务端。所述Django服务端是基于Python开发的一个Web框架，所述木材微距特征图像采集及AI鉴定***使用Django框架以避免语言直接互相转换带来的性能损耗。所述Django服务端接收到待鉴定的木材图像之后，通过调用木材图像识别模型得到识别结果，并返回给所述Django服务端，所述Django服务端接收到识别结果后提取相关信息并从所述木材数据库中查询该木材的相关信息，所述木材的相关信息包括对应拉丁文名、木材产地、分类地位等信息，并将这些信息封装完成后以JSON格式返回至Web端，用户即可在Web端看到识别结果，整个过程约1-2秒。
对于所述数据库，可以采用MySQL、Oracle、SQLite中的一种或多种，也可以采用其他数据库，所述数据库根据实际需求进行选择，不以此限定本发明的保护范围。在本发明的一个实施例中，如图4所示，以MySQL为例作具体说明：
所述木材微距特征图像采集及AI鉴定***的数据分为用户信息和木材信息两个部分。
所述用户信息数据存储采用RBAC(Role-BasedAccess Control，基于角色的访问控制)模型，通过角色关联用户、角色关联权限的方式管理用户相关信息。图4展示了所述木材微距特征图像采集及AI鉴定***中用户相关信息表结构，sys_user表中存储用户信息，如用户id、工号、用户名、密码等，sys_role表中存储角色权限信息，如权限名称、权限关键字等，sys_menu表中存储***中所有功能接口，其通过与所述sys_role表关联以确定用户所属的权限信息。
所述木材信息的存储参考RBAC模型，木材信息表包括木材名称、分类地位、产地等信息，查发案例信息和海关内部资讯信息分别存储在其它两张表中，再通过两张关联表关联木材与所述查发案例信息和所述海关内部咨讯信息。同时，结合Redis作为缓存数据库，将热点信息存储在Redis中可以增强所述木材微距特征图像采集及AI鉴定***处理高并发用户请求的能力，提升***稳定性。
对于所述木材图像AI识别模块，如图5所示，其工作的具体步骤如下：
S1、输入木材图像并进行预处理；
S2、分块处理木材图像；
S3、通过卷积神经网络模型训练分块子图像；
S4、从所述木材图像边缘到中心采用不同的梯度值作为不同区域子图像分类得分的权重，并加大中心区域在整个木材图像分类得分中所占的比重，将加权得分转换为最终的概率值，得出木材图像所属材种信息，其中，
S1中所述预处理的步骤包括：
S11、对木材图像进行颜色校正；
S12、对校正后的木材图像进行数据增强；
S2中所述分块处理木材图像的步骤包括：
S21、对预处理后的木材图像进行分割，得到多个子图像；
S22、通过双线性插值法使每个子图像的尺寸像素统一。
步骤S11包括通过灰色世界法对所述木材横截面图像进行颜色校正，由所述木材横截面图像整体和R、G、B三通道的像素期望值计算R、G、B三通道的增益系数以及灰度平均值，并根据所述增益系数以及灰度平均值，对所述木材横截面图像中的每个像素进行各自R、G、B三通道分量的调整。
步骤S12包括采用水平翻转、垂直翻转和增添椒盐噪声的方法对所述校正后的木材横截面图像进行数据增强，使每种木材图像训练样本量处于规定数量范围中。
需要说明的是，上述预处理方法仅为举例说明，所述预处理还可使用反差展宽、对数变换、密度分层、直方图均衡化、高斯滤波以及拉普拉斯滤波等方法，不以此限定本发明的保护范围。
在本发明的一个实施例中，如图5所示，第一步，预处理木材图像；第二步，采用7×7的分块方式处理所述木材图像，第三步，通过ResNet101卷积神经网络模型训练图像；第四步，从所述木材图像边缘到中心采用不同的梯度值作为不同子区域图像分类得分的权重，并加大中心区域在整个木材图像分类得分中所占的比重，利用Softmax方法将各类的加权得分转换为最终的概率值，通过所述Softmax方法得到木材各类的概率值，以此来自动识别所述木材图像，并结合所述木材数据库查询木材图像所属材种信息。
需要说明的是，上述分块方法仅为举例说明，还可以采用其他分块方法，比如比如5×5、10×10，同理，上述训练模型也仅为举例说明，还可以采用其他训练模型，比如VggNet16、GoogleNet、DenseNet、MobileNetv3、ResNet50、ResNet152，不以此限定本发明的保护范围。
在本发明的一个实施例中，利用HTML、CSS、JavaScript技术和Vue-CTI搭建Web端；采用MySQL建立木材数据库，用于保存木材信息、查发案例和识别历史记录等信息；建立基于ResNet101的木材识别模型，并将模型部署在基于Spring Boot框架开发的服务端；使用Django框架调用深度学习模型，当Spring Boot服务端发来木材图像识别请求时，调用木材识别模型并返回识别结果，Spring Boot服务端通过识别结果在所述木材数据库中查找对应木材信息和相关联的查发案例等信息，再将这些信息反馈到用户并显示在Web端，同时将识别结果存储在数据库中。当用户遇到不认识的木材时，通过显微镜或手机等设备获取木材图像并导入到电脑，通过Web端上传木材图像，所述服务端识别完成后反馈信息并显示在Web端，识别过程约1-2s。如果用户对识别结果有疑问时，可请求专家远程诊断。所述木材微距特征图像采集及AI鉴定***提供了一种快速AI鉴定木材种类的辅助工具，大大节省了经济成本和时间成本。
对于所述微距图像采集终端，可以采用组装式微距图像采集终端、内嵌式微距图像采集终端，也可以采用其他微距图像采集终端，所述微距图像采集终端根据实际需求进行选择，不以此限定本发明的保护范围。现对所述组装式微距图像采集终端和所述内嵌式微距图像采集终端分别作出说明：
(1)组装式微距图像采集终端
如图6所示，所述组装式微距图像采集终端包括微距镜头1、连接在微距镜头1外端部的转接头2、设置在转接头2外端部且能够补偿曝光的采集头3。
采集头3包括形成有环形腔的采集底座30、设置在采集底座30上的柔光环31以及灯具32，转接头2、柔光环31、及待检测样品表面或者转接头2、柔光环31、及放置检测样品的平台表面形成封闭的图像采集区。
采集底座30远离转接头2的端面和微距镜头1的镜片10平行设置。这样连接在拍摄设备(手机)后，能够确保拍摄设备的镜片与采集底座远离转接头的端面平行，从而在相同焦距下获得待检测样品表面的结构放大图片。
柔光环31设置在采集底座30远离转接头2的端部，且柔光环31远离采集底座30的端面和微距镜头1的镜片10平行设置。这样一来，在定焦拍照时，确保镜片与待检测样品表面平行，进而为获取满意的照片提供必要条件。
在本发明的一个实施例中，柔光环31的内部由内向外依次形成有第一环形腔a1、第二环形腔a2、及由第二环形腔a2自外端面向外延伸形成的第三环形腔a3。
第一环形腔a1截面呈矩形，第二环形腔a2、及第三环形腔a3截面均呈等腰梯形，且柔光环31自第三环形腔a3的端面架设待检测样品表面或者放置检测样品的平台表面。这样设置，营造更好的光照条件，并使微距镜头拍照时的对焦更加准确。
在本发明的一个实施例中，第一环形腔a1、第二环形腔a2及第三环形腔a3的中心线与镜片10的中心线重合。
同时，在本发明的一个实施例中，第一环形腔a1的内径大于镜片10的外径，第二环形腔a2内端部的内径大于第一环形腔a1的内径。此时曝光效果最佳。
灯具32沿着采集底座30周向设置的环形灯带、设置在环形灯带上的多个LED灯、以及电源和开关，其中电源为可充电的锂电池。通过环形光带的设置，能够将全方位向采集区补偿灯光，进而方便拍照；同时自带锂电池，这样一来，也可以由锂电池直接对灯具32供电，使用更加方便。
需要特别说明的是，环形灯带中心线与镜片10的中心线重合设置。这样环形补光的效果最佳。
此外，在采集底座30上还设有与电源相连通的充电接口c。这样可以由手机直接对光亮体进行供电，进一步增加微距图像采集终端的实用性。
结合图7所示，转接头2包括与微距镜头1相连接的第一连接部21、与采集底座30可拆卸连接的第二连接部22，其中第一连接部21和第二连接部22内部贯通形成透视腔q，且在第二连接部22远离微距镜头1的端部形成环形卡槽b1，采集底座30的外周设有与环形卡槽b1相匹配的环形突起b2。
因此，所述组装式微距图像采集终端有以下优势：
a.围绕摄像头的环形光，可为拍摄物品提供精准的以拍摄物为中心的环形补光(目前没有以手机摄像头为中心的环形补光灯)，相对于其他侧向光可大大消除拍摄物阴影；
b.配合多种固定夹，针对多摄像头手机可灵活地更换补光摄像头；
c.尺寸非常小，可满足微距摄影的高灵活性要求，且便携性高；
d.电源获取方便，手机可直接供电；
e.微距镜头和采集头通过转接头进行快速组装进而方便携带，同时不仅能够贴在物体表面拍摄平面的微观结构，而且还能够拍摄微小的物体(如昆虫、珠宝、花卉等)；
f.组装式微距图像采集终端和微距拍摄设备的配套使用，并由灯具对图像采集区内补光，不仅微距镜头下缩小对焦距离，而且拍照中镜头平稳、无阴影的补光条件，进而能够快速且准确地获得效果佳的照片(如：清晰度高)，同时可单人操作，十分方便。
(2)内嵌式微距图像采集终端
如图8所示，所述内嵌式微距图像采集终端包括微距镜头1和用于补偿曝光的灯具32。
如图9所示，微距镜头1包括镜座12和镜片10，其中镜座12包括座本体120、可拆卸地设置在座本体120前端部的压环121、设置在座本体120后端部的镜头外接部122。
在本发明的一个实施例中，压环121呈环形，且座本体120的内腔、压环121的内腔、及待检测样品表面形成封闭的图像采集区。
座本体120包括内部分别形成有相贯通第一腔体q1和第二腔体q2的第一分体120a和第二分体120b。
具体的，第一腔体q1呈柱形，第二腔体q2自第一腔体向前呈直径逐渐变大的锥台形，镜片10拦截安装在第一腔体q1和第二腔体q2连通处。
镜片10与压环121的前端面平行设置，这样能够确保在相同焦距下获得待检测样品表面的结构放大图片。
结合图10所示，压环121与第二分体120b之间可拆卸连接，且压环121内腔呈直筒状或呈自由向前内径逐渐变大的锥台状。根据所要拍摄对象进行选择，例如：针对物体而言，普通的直筒状即可，小物***于直筒区域内，且靠近镜片，更容易获得清晰的物体组织结构的放大图片；一旦拍摄对象体积较大，如常规的木材切面纹理结构，采用锥台状，不仅能够扩大图像采集区，而且能够便于对焦。
镜头外接部122为设置在第一分体120a外周的外螺纹。
灯具32呈环状，且灯具32嵌设在第二腔体q2内，压环121抵触在灯具32上。
灯具32环形内腔的直径大于镜片10的外径，且灯具32的中心线、镜片10的中心线、及压环121的中心线重合设置。
如图11所示，灯具32包括环形灯带20、设置在环形灯带20上的多个光亮体21、以及电源和控制开关。
具体地，在本发明的一个实施例中，光亮体21为常规的灯泡，如：LED灯。在第二腔体q2的一侧设有嵌合缺口k，灯具32还包括自环形灯带20一侧向外延伸的外接电源接头22，其中外接电源接头21自嵌合缺口k嵌入，环形灯带20抵触在第二腔体q2的壁面上且与镜片隔开设置。通过外接电源接头的设置，一方面能够实现环形灯带的定位，防止移位；另一方面通过传输线，可以将手机的电源与灯具的电源连通，因此，由手机直接进行供电。
因此，所述内嵌式微距图像采集终端具有以下优势：
a.围绕摄像头的环形光，可为拍摄物品提供精准的以拍摄物为中心的环形补光(目前没有以手机摄像头为中心的环形补光灯)，相对于其他侧向光可大大消除拍摄物阴影；
b.配合多种固定夹，针对多摄像头手机可灵活地更换补光摄像头；
c.尺寸非常小，可满足微距摄影的高灵活性要求，且便携性高；
d.电源获取方便，手机可直接供电；
e.微距镜头和拍摄设备组合后，不仅能够贴在物体表面拍摄平面的微观结构，而且还能够拍摄微小的物体(如昆虫、珠宝、花卉等)，同时由灯具对图像采集区内补光，不仅微距镜头下缩小对焦距离，而且拍照中镜头平稳、无阴影的补光条件，进而能够快速且准确地获得效果佳的照片(如：清晰度高)，同时可单人操作，十分方便。
上文已经对Web端的开发部署、用户以及用户权限进行了详尽的说明，现对Web端的页面布局作出以下具体说明：
Web页面包括“首页”、“智能识别”、“资料库”、“在线支持”、“统计分析”、“学习管理”、“权限设置”以及“移动端管理”八大模块。其中，对于管理用户，其权限涉及以上全部模块；对于专家用户，其权限涉及“首页”、“智能识别”、“资料库”、“在线支持”、“统计分析”、“学习管理”共六个模块；对于普通用户，其权限涉及“首页”、“智能识别”、“资料库”三个模块。相对来说，普通用户的权限最少，专家用户的权限相对较多。
现对上述八个模块具体说明：
(1)“首页”
“首页”分为三栏，第一栏展示昨日用户使用App识别木材情况，分别展示了昨日活跃用户数量、昨日识别次数以及昨日高频识别材种；第二栏展示树种识别精确率排名，提供了数据报表、折线图、柱状图三种模式以实现数据可视化，并且，用户能够对可视化的图像进行下载；第三栏展示木材识别次数排名以及每日用户识别木材次数。
(2)“智能识别”
“智能识别”分为两步，第一步，添加图片，可以从图库中选择图片进行上传，一次最多可以上传20张jpg或png格式图片，对上传的图片可以进行再次在线核查，对无效图像可以进行选择性清除或者全部清除；第二步，开始识别，核查无误后可以点击“开始识别”以进行木材识别，识别结果会立刻显示在下方，所述识别结果分别展示了置信度较大的前三种树种，点击“材种图文”可以查看该树种的详细信息，若存在查发案例，可以点击“查发案例”以查看该树种的查发案例的详细信息。此外，完成识别后还可点击“清空识别结果”以对识别信息进行清空，保持页面整洁。
(3)“资料库”
“资料库”包括以下四部分：
第一部分为材种图文库，目前，材种图文库总共包含122种树木，该界面支持木材检索功能，用户可以输入木材的中文名、者拉丁学名、市场俗称、科属信息、分布产地和濒危等级进行检索，若图文库种存在该木材，下方会自动弹出该木材的详细信息，反之输出暂无数据。除此之外，所述界面还支持木材的“新增”、“修改”、“删除”以及“导出”四个功能，用户可以根据需求进行点击相应模块进行木材图文库矫正。
第二部分为科属管理，可以通过输入科属名称检索，获得科属的排序和是否存在的相关信息，若不存在该科属，则用户可实现在线添加该科属。此外，用户可以根据科属跳转到相应位置进行相应科属的“新增”、“修改”、“删除”的管理。
第三部分为案发案例，用户可以根据案例标题、查发时间、相关树种、查发海关、原产地以及濒危等级进行案例查询，若该资料库中不存在该查法案例，则用户可以进行在线新增。用户新增查法案例需要添加案例标题、查发时间、相关树种、查发海关、原产地、详细描述、正文等信息。该界面还支持查法案例的“新增”、“修改”、“删除”以及“导出”。
第四部分为前沿瞭望，用户可以输入前沿瞭望标题、是否轮番、相关树种进行信息检索。若不存在该文库，支持在线添加。用户可以点击“新增”按钮，填入前沿瞭望标题，选择相关树种、前沿瞭望的图片、前沿瞭望内容，以及确定是否添加为轮番播图。支持轮番博图可在App移动端实现相关信息的展示共用户了解最新信息。用户还可以对已添加的前沿瞭望进行前沿瞭望标题、选择相关树种、前沿瞭望的图片、前沿瞭望内容以及是否添加为轮番播图相关内容进行修改。
(4)“在线支持”
“在线支持”包括以下三部分：
第一部分为图文在线支持，普通用户可以在线发起贴子，输入主题标题、主题内容以及添加相关木材图片等待专家或者其他用户给予答疑评论；该部分还支持历史帖子的检索，用户可以输入申请贴子的用户名或者帖子的标题，进行检索；该部分还支持申请语音视频通话可以与在线专家进行语音或者视频沟通，还可以查看历史通话记录。
第二部分为音视频在线支持，该部分支持在线交流，可以选择需要交流沟通的用户，还支持添加新用户。
第三部分为专家鉴定支持，该部分是对机器识别的一个再次核实的环节，专家可以看到普通用户上传的识别木材的图像以及识别的结果，专家可以在线诊断是否识别准确，并给出意见。该部分还支持历史识别信息的查询，用户可以提供用户名、识别木材物种类型名称以及识别率等对历史信息进行检索。
(5)“统计分析”
“统计分析”分别两部分：
第一部分为用户信息统计，主要显示总用户数目、近30天内的识别次数以及历史识别总次数，可以选择最近五个月、五周以及进五日来查看用户识别次数。该部分提供了数据报表、折线图、柱状图三种数据可视化方式供用户选择，并且支持对图像的下载。此外，该部分提供了近三十天或者历史树种识别次数排名靠前的十种数目进行展示，利用数据报表、折线图以及柱状图对数据进行可视化，并且支持对图像的下载。
第二部分为识别信息统计，该部分分别展示了识别次数排名(前十种树种)、树种识别准确率排名以及树种识别准确率排名(倒序)。用户可以选择不同的时间段下的识别准确率排名。
(6)“学习管理”
“学习管理”分别三部分：
第一部分为审核入库，管理员可以根据用户上传的数据进行筛选，选择“入库”或者“删除”，还提供了检索接口，管理员可以输入用户名、识别木材物种类型、识别率、是否审核以及创建时间进行检索。
第二部分为数据入库，该部分支持检索查看入库情况，用户可以输入木材物种类型、创建时间等信息进行入库情况查询。
第三部分为模型训练，管理员可以选择识别木材的模型以及添加新模型，当管理员需要添加新模型点击“新增”即可添加新模型。
(7)“权限设置”
“权限设置”分别三部分：
第一部分为用户授权，该部分汇总了中国所有的海关部门，可以通过输入海关部门的名称缩小检索范围，还可以通过输入用户编号、手机号、用户工号等信息进行检索。对检索到的用户可以选择删除或者进入停止使用状态。点击修改可以修改该用户的相关信息，例如姓名、归属部门、手机号、用户工号等。管理员可以点击“新建”添加新用户，需要用户提供真实姓名、归属部门、手机号、用户工号等，当用户忘记密码时管理员可以帮助用户重置密码，点击“重置”输入新密码即可。
第二部分为用户权限修改，该部分提供在线检索，管理员可以输入用户名称、权限字符、状态以及创建时间，检索到用后可以对用户的使用权限进行修改。该项目工程目前总共分成四个用户角色，分别是管理员、海关管理员、专家、普通用户。管理员可以点击“修改”，在相应功能前面选勾代表该用户可以使用该功能。
第三部分为部门管理，该部分提供了在线检索功能，可以通过输入部门名称或者部门状态进行检索，方便对中国海关部门的信息校正，当海关部门的信息发生改变时，管理员可以点击“修改”，对部门的基本信息进行维护，有新的海关部门加入时，管理员也可以点击“新增”添加新的海关部门。
(8)“移动端管理”
“移动端管理”分别两部分：
第一部分为版本更新服务，管理员可以点击“添加新版本”，上传最新版本的app安装包，用户可以在网页端及时下载安装最新版本的App软件。
第二部分为移动端首页面展示图，该部分提供了移动端首先展示图，管理员可以设置App端首页展示图，也可以添加新的展示图。
以上为Web端的页面布局，以下为App移动端的页面布局：
App移动端页面包括“前沿瞭望”、“知识字典”、“智能识别”、“在线支持”以及“我的”五个模块，现对上述五个模块具体说明：
(1)“前沿瞭望”
“前沿瞭望”的顶部轮播图，可实现轮流播放轮播内容。所述轮播内容需要在Web端进行设置；可点击相应的前沿瞭望信息进行详情浏览；可下滑进行内容观看；此外，浏览文章时，可以点击右上方的“收藏”按钮，进行内容的收藏，还可点击文章内容中的图片，进行图片详情浏览。
(2)“知识字典”
默认进入材种图文页面，可点击上方的“查发案例”按钮进入查发案例页面。在上方搜索栏内，可输入文字进行模糊搜索，例如输入“木”，即可搜索所有名字中带有“木”的木材。材种栏内从左到右依次展示木材宏观构造、木材名称、木材拉丁学名、木材描述，可点击相应的按钮进入材种详情页面。材种图文详情页面由上到下依次是木材名称、木材详情、木材图片。此外，浏览时可以点击右上方的“收藏”按钮，进行木材收藏。可以左右滑动木材图片查看多张图片，点击木材图片即进入图片详情。查发案例页面包括搜索栏、查发案例栏，可点击任意查发案例栏进入查发案例详情。所述查发案例详情由上到下依次是查发案例标题、收藏按钮、查发案例信息、查发案例正文、查发案例图片。
(3)“智能识别”
点击中间图片按钮，进行拍照或相册上传。在上传过程中，会有进度条提示。上传成功后的结果页面包括TOP3树种图片和置信度。若为专家用户，则可点击“确认为此木材”后，点击右上方的“结果入库”按钮，进行结果保存到数据库的操作；若为普通用户，则可点击“请求专家鉴定按钮”，将请求保存到后台，专家在Web端统一对鉴定请求进行处理。
(4)“在线支持”
与上述Web端中的“在线支持”模块相同，此处不再赘述。
(5)“我的”
“我的”涉及用户信息以及权限设置。
本木材微距特征图像采集及AI鉴定******包括客户端、数据库、服务端、木材图像AI识别模块以及微距图像采集终端，具有木材图像智能识别、木材信息浏览查询、专家远程在线支持、用户识别历史浏览等功能。当工作人员遇到难以辨别的木材时，将采集的木材图像上传至服务器，服务器在1-2s内将识别结果反馈给用户，对有疑问的地方可以申请专家进行远程在线鉴定，为用户快速提供木材种类信息参考。并且，对识别结果存在疑问和未在数据库中的木材种类，能够通过专家进一步鉴定，以保证木材鉴定准确率。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种木材微距特征图像采集及AI鉴定***，其特征在于，包括：
客户端，用于接收用户操作；
数据库，包括用户数据库，所述用户数据库用于存储用户数据；
服务端，包括安全认证模块和业务处理模块；
木材图像AI识别模块，用于对待鉴定的木材图像进行识别得到木材的材种信息；
所述客户端和所述数据库分别与所述服务端连接，所述客户端接收登录请求并将其发送至所述服务端，所述服务端接收所述登录请求后，所述安全认证模块通过对比所述用户数据库中的用户数据，验证用户的登陆信息是否正确，
若不正确，则所述安全认证模块拒绝所述登录请求，并发送重新登录的指令至所述客户端；
若正确，则所述业务处理模块能够接收所述客户端发送的图像识别请求，所述图像识别请求包括待鉴定的木材图像；
所述业务处理模块通过木材图像AI识别模块对所述木材图像进行识别，并将识别结果反馈至所述客户端。
2.如权利要求1所述的木材微距特征图像采集及AI鉴定***，其特征在于，所述***还包括木材数据库，所述业务处理模块根据所述木材图像AI识别模块返回的识别结果对所述木材数据库进行检索，并将检索结果反馈至所述客户端。
3.如权利要求1所述的木材微距特征图像采集及AI鉴定***，其特征在于，所述***还包括微距图像采集终端，所述微距图像采集终端能够安装在移动终端的相机镜头上，使所述移动终端的相机镜头拍摄待鉴定的木材的细节图像。
4.如权利要求3所述的木材微距特征图像采集及AI鉴定***，其特征在于，所述微距图像采集终端为组装式微距图像采集终端，所述组装式微距图像采集终端包括微距镜头、设置于所述微距镜头外端部的转接头以及设置于所述转接头外端部的采集头，其中，
所述转接头内部设有供所述微距镜头透视的透视腔，所述采集头包括形成有与所述透视腔相连通的环形腔的采集底座、以及设置在所述采集底座内的灯具，其中，所述的采集底座、所述转接头、及待检测样品表面形成封闭的图像采集区，或者，所述采集底座、所述转接头、及放置检测样品的平台表面形成封闭的图像采集区。
5.如权利要求3所述的木材微距特征图像采集及AI鉴定***，其特征在于，所述微距图像采集终端为内嵌式微距图像采集终端，所述内嵌式微距图像采集终端包括微距镜头，所述微距镜头包括镜座和镜片，所述镜座包括座本体、可拆卸地设置在所述座本体前端部的压环、设置在所述座本体后端部的镜头外接部，其中，所述压环呈环形，且所述座本体的内腔、所述压环的内腔、及待检测样品表面形成封闭的图像采集区，或者，所述座本体的内腔、所述压环的内腔、及放置检测样品的平台面形成封闭的图像采集区；
所述内嵌式微距图像采集终端还包括安装在所述座本体或所述压环内壁且用于补偿曝光的灯具，所述的灯具呈环状，且所述灯具的中心线、所述镜片的中心线重合设置。
6.如权利要求1所述的木材微距特征图像采集及AI鉴定***，其特征在于，所述木材图像AI识别模块识别图像包括以下步骤：
S1、输入木材图像并进行预处理；
S2、分块处理木材图像；
S3、通过卷积神经网络模型训练分块子图像；
S4、从所述木材图像边缘到中心采用不同的梯度值作为不同区域子图像分类得分的权重，并加大中心区域在整个木材图像分类得分中所占的比重，将加权得分转换为最终的概率值，得出木材图像所属材种信息，其中，
S1中所述预处理的步骤包括：
S11、对木材图像进行颜色校正；
S12、对校正后的木材图像进行数据增强；
S2中所述分块处理木材图像的步骤包括：
S21、对预处理后的木材图像进行分割，得到多个子图像；
S22、通过双线性插值法使每个子图像的尺寸像素统一。
7.如权利要求6所述的木材微距特征图像采集及AI鉴定***，其特征在于，步骤S11包括通过灰色世界法对所述木材横截面图像进行颜色校正，由所述木材横截面图像整体和R、G、B三通道的像素期望值计算R、G、B三通道的增益系数以及灰度平均值，并根据所述增益系数以及灰度平均值，对所述木材横截面图像中的每个像素进行各自R、G、B三通道分量的调整；
步骤S12包括采用水平翻转、垂直翻转和增添椒盐噪声的方法对所述校正后的木材横截面图像进行数据增强，使每种木材图像训练样本量处于规定数量范围中。
8.如权利要求1所述的木材微距特征图像采集及AI鉴定***，其特征在于，所述***还包括负载均衡器，所述负载均衡器设置于所述客户端和所述服务端之间，所述客户端发送的数据经过所述负载均衡器的处理后均匀分布于所述服务端。
9.如权利要求6所述的木材微距特征图像采集及AI鉴定***，其特征在于，还包括专家鉴定支持模块，其用于发送专家鉴定支持请求，所述专家鉴定支持请求包括所述待鉴定的木材图像和/或所述木材图像AI识别模块返回的识别结果，并接收响应所述专家鉴定支持请求而返回的专家鉴定信息。
10.如权利要求1所述的木材微距特征图像采集及AI鉴定***，其特征在于，所述数据库包括MySQL和/或Oracle和/或SQLite。
CN202110134276.9A 2021-01-29 2021-01-29 一种木材微距特征图像采集及ai鉴定*** Active CN112767388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110134276.9A CN112767388B (zh) 2021-01-29 2021-01-29 一种木材微距特征图像采集及ai鉴定***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110134276.9A CN112767388B (zh) 2021-01-29 2021-01-29 一种木材微距特征图像采集及ai鉴定***

Publications (2)

Publication Number Publication Date
CN112767388A true CN112767388A (zh) 2021-05-07
CN112767388B CN112767388B (zh) 2023-12-26

Family

ID=75704399

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110134276.9A Active CN112767388B (zh) 2021-01-29 2021-01-29 一种木材微距特征图像采集及ai鉴定***

Country Status (1)

Country Link
CN (1) CN112767388B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BRPI0704329A2 (pt) * 2007-10-23 2009-06-23 De Oliveira Luiz Eduardo Soares processo computacional de análise de imagens de madeira
CN108648191A (zh) * 2018-05-17 2018-10-12 吉林大学 基于贝叶斯宽度残差神经网络的害虫图像识别方法
US20190227049A1 (en) * 2017-03-13 2019-07-25 Lucidyne Technologies, Inc. Method of board lumber grading using deep learning techniques
CN110503051A (zh) * 2019-08-27 2019-11-26 西南林业大学 一种基于图像识别技术的珍贵木材识别***及方法
CN211352280U (zh) * 2019-12-23 2020-08-25 联想(北京)有限公司 一种发光装置和电子设备
CN111652307A (zh) * 2020-05-29 2020-09-11 广西大学 基于卷积神经网络的红木家具智能无损鉴定方法及装置
CN111696033A (zh) * 2020-05-07 2020-09-22 中山大学 基于角点引导级联沙漏网络结构学习的真实图像超分辨率模型及方法
CN111898649A (zh) * 2020-07-07 2020-11-06 西南林业大学 基于可见光或近红外光谱分析的木材树种分类识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BRPI0704329A2 (pt) * 2007-10-23 2009-06-23 De Oliveira Luiz Eduardo Soares processo computacional de análise de imagens de madeira
US20190227049A1 (en) * 2017-03-13 2019-07-25 Lucidyne Technologies, Inc. Method of board lumber grading using deep learning techniques
CN108648191A (zh) * 2018-05-17 2018-10-12 吉林大学 基于贝叶斯宽度残差神经网络的害虫图像识别方法
CN110503051A (zh) * 2019-08-27 2019-11-26 西南林业大学 一种基于图像识别技术的珍贵木材识别***及方法
CN211352280U (zh) * 2019-12-23 2020-08-25 联想(北京)有限公司 一种发光装置和电子设备
CN111696033A (zh) * 2020-05-07 2020-09-22 中山大学 基于角点引导级联沙漏网络结构学习的真实图像超分辨率模型及方法
CN111652307A (zh) * 2020-05-29 2020-09-11 广西大学 基于卷积神经网络的红木家具智能无损鉴定方法及装置
CN111898649A (zh) * 2020-07-07 2020-11-06 西南林业大学 基于可见光或近红外光谱分析的木材树种分类识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANINDITA SAFNA ET AL.: "Wood species identification using convolutional neural network(CNN) architectures on macroscopic images", 《JITECS》, vol. 4, no. 3, pages 274 - 283 *
曾铮等: "基于轻量化卷积神经网络的木材种类识别", 《现代计算机》, pages 59 - 63 *

Also Published As

Publication number Publication date
CN112767388B (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
US20190385210A1 (en) Automated color processing and selection platform
CN104854859B (zh) 为摄影推荐变换
CA2890158C (en) Automated color processing and selection platform
US9558401B2 (en) Scanbox
CN103069415B (zh) 用于图像处理的计算机实施的方法、计算机程序产品和计算机***
US20170083546A1 (en) Preferred image retrieval
US20070022141A1 (en) System and method for acquiring and assembling real property data
US20100086192A1 (en) Product identification using image analysis and user interaction
US20070070217A1 (en) Image analysis apparatus and image analysis program storage medium
CN109711443A (zh) 基于神经网络的户型图识别方法、装置、设备及存储介质
US20220050867A1 (en) Image management with region-based metadata indexing
CN109523499A (zh) 一种基于众包的多源融合全景建模方法
GB2381615A (en) System and method for facilitating image retrieval
CN108230220B (zh) 水印添加方法和装置
CN111563759A (zh) 基于ai技术的农产品溯源过程的识别与分析***
CN112767388B (zh) 一种木材微距特征图像采集及ai鉴定***
US20100225952A1 (en) Image retrieval apparatus and image retrieval program storage medium
CN111598874A (zh) 一种基于智能移动端的红树林郁闭度调查方法
CN115379150B (zh) 可远程自动化生成水稻生长过程动态视频的***和方法
CN107945353B (zh) 一种基于深度学习的自助导游***
Carboni et al. Data provenance in photogrammetry through documentation protocols
KR101580034B1 (ko) 모바일 단말기를 이용한 색채추출 및 저장방법
CN106954009A (zh) 图谱获取装置、方法及便携终端
CN113824874A (zh) 辅助摄像方法、装置、电子设备及存储介质
CN111222392A (zh) 一种智能庭院控制***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant