[發明專利]基于三維卷積神經網絡模型的木材鑒別方法、裝置

在審

• 申請號: 202011473674.5
• 申請日: 2020-12-15
• 公開（公告）號: CN112699919A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 李啟彬;須穎;石錦洋
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 廣州市時代知識產權代理事務所(普通合伙) 44438
• 代理人: 楊樹民

1.一種基于三維卷積神經網絡模型的木材鑒別方法，其特征在于，所述方法包括：

獲取多張木材的三維圖像作為樣本圖像集；

根據所述樣本圖像集獲得驗證樣本集和訓練樣本集；

創建初始三維卷積神經網絡模型，根據所述驗證樣本集和所述訓練樣本集對初始三維卷積神經網絡模型進行訓練，得到訓練好的三維卷積神經網絡模型；

通過X射線三維顯微CT獲取待鑒別木材的三維圖像；

根據所述三維卷積神經網絡模型對所述待鑒別木材的三維圖像進行處理，得到所述待鑒別木材的鑒別結果。

2.如權利要求1所述的基于三維卷積神經網絡模型的木材鑒別方法，其特征在于，所述根據所述樣本圖像集獲得驗證樣本集和訓練樣本集，包括：

從所述樣本圖像集包括的每張三維圖像中提取一個預設尺寸的三維樣本數據，得到多個預設尺寸的三維樣本數據；

按照預設樣本分配規則將得到的所有所述三維樣本數據劃分為驗證樣本集和訓練樣本集。

3.如權利要求1所述的基于三維卷積神經網絡模型的木材鑒別方法，其特征在于，所述根據所述樣本圖像集獲得驗證樣本集和訓練樣本集，包括：

從所述樣本圖像集中提取預設比例的三維圖像，為提取到的每張三維圖像增加椒鹽噪聲，得到預設比例的增強三維圖像；

將所述樣本圖像集和所述預設比例的增強三維圖像作為增強樣本集，從所述增強樣本集包括的每張三維圖像中提取三個分別對應于三個方向的預設尺寸的三維樣本數據，得到多個預設尺寸的三維樣本數據；

按照預設樣本分配規則將得到的所有所述三維樣本數據劃分為驗證樣本集和訓練樣本集。

4.如權利要求1所述的基于三維卷積神經網絡模型的木材鑒別方法，其特征在于，所述根據所述驗證樣本集和所述訓練樣本集對初始三維卷積神經網絡模型進行訓練，得到訓練好的三維卷積神經網絡模型的步驟，包括：

根據所述驗證樣本集和所述訓練樣本集對初始三維卷積神經網絡模型進行訓練，得到完成訓練的三維卷積神經網絡模型；

采用預設模型優化方法對所述完成訓練的三維卷積神經網絡模型進行優化，得到訓練好的三維卷積神經網絡模型；

所述預設模型優化方法包括剪枝優化方法、量化優化方法或二值化優化方法。

5.如權利要求4所述的基于三維卷積神經網絡模型的木材鑒別方法，其特征在于，所述根據所述驗證樣本集和所述訓練樣本集對初始三維卷積神經網絡模型進行訓練，得到完成訓練的三維卷積神經網絡模型的步驟，包括：

根據所述驗證樣本集和所述訓練樣本集對初始三維卷積神經網絡模型進行迭代訓練，在迭代訓練的周期次數超過預設周期閾值且驗證集的準確率超過預設準確率閾值時，將進行迭代訓練后的所述初始三維卷積神經網絡模型作為完成訓練的三維卷積神經網絡模型。

6.如權利要求1所述的基于三維卷積神經網絡模型的木材鑒別方法，其特征在于，所述根據所述驗證樣本集和所述訓練樣本集對初始三維卷積神經網絡模型進行訓練，得到訓練好的三維卷積神經網絡模型的步驟之后，包括：

將所述訓練好的三維卷積神經網絡模型部署到數據可視化軟件；

所述根據所述三維卷積神經網絡模型對所述待鑒別木材的三維圖像進行處理，得到所述待鑒別木材的鑒別結果的步驟之后，包括：

通過所述數據可視化軟件將所述待鑒別木材的鑒別結果進行三維可視化展示。

7.如權利要求1所述的基于三維卷積神經網絡模型的木材鑒別方法，其特征在于，所述三維卷積神經網絡模型為LeNet網絡模型、VGGNet網絡模型、ResNet網絡模型或GoogleNet網絡模型；

在所述三維卷積神經網絡模型為ResNet網絡模型時，所述創建初始三維卷積神經網絡模型的步驟，包括：基于Tensorflow框架搭建初始的ResNet網絡模型。