依據批歸一化卷積神經網絡算法的木材類別機器視覺識別方法1)

袁科文 張貫宇 劉送永 楊建華 盧碩辰 劉后廣

(中國礦業大學，徐州，221116)

傳統的木材分類方法[1]主要依靠專家的經驗積累和主觀人工目測，依據密度、音高、氣味或顏色等特性進行辨別木材類別[2]。由于專家鑒別存在個體差異，所以分類的準確性很大程度上取決于專家的知識和經驗積累[3]。除此之外，木材行業每年花費巨大的資金進行木材種類鑒別，許多工業部門也急需一種高效、自動識別木材種類的方法[4]。近年來，隨著深度學習和人工智能技術的不斷發展，尤其是卷積神經網絡開始應用在各行各業[5-7]，越來越多的研究者將卷積神經網絡應用于木材種類的分類識別[8-12]。這些方法都證明利用卷積神經網絡進行木材種類識別是可行的；但是卷積神經網絡模型，參數量大、收斂時間長、不易使用以及保證模型的泛化能力[13]。

為此，本研究以巴西植物區系的樹種為研究對象，提出一種依據批歸一化的卷積神經網絡算法的木材類別視覺識別方法；以VGG-16[14-15]模型為基礎，構建一個依據優化后的全連接層和SoftMax分類層相結合的新型木材種類識別模型(該模型包括卷積層、批歸一化層、激活層、池化層、全連接層、SoftMax分類層)；通過批歸一化對輸入數據進行處理，調整卷積神經網絡的中間輸出參數，提高模型的收斂速度；考慮到VGG-16的權重參數量大，并且基本集中在3個全連接層，提出以2個全連接層替換VGG-16模型原全連接層。由于本研究具體針對5種木材類別，而VGG-16是針對1 000個分類類別設計的，所以使用5標簽的SoftMax分類器替換原SoftMax分類器，以提高模型的識別精度和效率。……