2020年6月2日，国际木材科学领域顶级期刊《Holzforschung》在线发表了我院木工所木材解剖学团队最新成果“Tuo He, Yang Lu, Lichao Jiao, Yonggang Zhang, Xiaomei Jiang and Yafang Yin*. Developing Deep Learning Models to Automate Rosewood Tree Species Identification for CITES Designation and Implementation（面向CITES国际公约制定与实施的玫瑰木树种深度学习模型自动化识别）, doi.org/10.1515/hf-2020-0006”，表明我院木材计算机视觉识别研究取得标志性突破，继续引领我国在木材识别领域处于国际领先。
《濒危野生动植物种国际贸易公约》（Convention on International Trade in Endangered Species of Wild Fauna and Flora，CITES）通过将受贸易威胁的野生动植物种列入附录进行管制，以保障国际贸易不会危害物种的延续。截止2019年，CITES 已将超过500个树种列入附录，其中包括黄檀属所有树种，以及紫檀属、古夷苏木属、桃花心木属等多个属的部分树种。因此，开发适用于木材贸易、流通和生产加工等环节的快速精准识别新技术并实现应用推广，对我国提升CITES履约能力、保护森林树种多样性以及促进林业产业发展具有重要意义。
团队瞄准木材精准识别这一世界性科技难题，从417份木材标本（含15种黄檀属和11种紫檀属）共采集10,237张横切面精细构造图像，通过深度卷积神经网络（CNN）对图像大数据训练学习，分别针对所选黄檀属、紫檀属以及所有26个树种构建了3种不同的木材识别深度学习模型。通过解析标本/图像数量、图像质量及图像块大小对模型精度的影响机制，确定了模型最优参数体系，木材“种”的识别精度分别达88.4%、93.7%和99.3%。相比而言，国内外木材鉴定专家针对相同样本在“属”水平的平均识别精度仅为78.2%，且无法实现“种”水平的识别。同时，本研究首次实现了深度学习模型自动提取的木材图像特征可视化，揭示了所提取的黄檀属和紫檀属木材构造关键识别特征分别为管孔和轴向薄壁组织。研究成果实现了木材图像识别特征的自动化提取，为木材快速精准识别提供了科学依据。
用于鉴别15种黄檀属和11种紫檀属木材的混淆矩阵
深度学习模型自动提取15种黄檀属木材构造特征的可视化，显示管孔为关键识别特征
上述研究由中央级公益性科研院所基本科研业务专项资金重点项目（CAFYBB2017ZE003）和国家“万人计划”项目（W02020331）共同资助。何拓博士为论文第一作者，殷亚方研究员为通讯作者。
iWood木材识别系统——计算机视觉
目前，团队在木材精准识别技术领域已取得了一系列创新成果，涵盖木材标本库构建、木材多源数据分类特征库及木材识别系统（iWood），木材DNA靶向精准提取、木材DNA条形码与木材特征化合物识别技术等多个方面。在木材计算机视觉识别研究上，发明了新型木材构造图像采集装置，开发了基于构造图像的木材识别新方法，实现了对口岸现场常见贸易的黄檀属和紫檀属等濒危珍贵木材的快速精准识别应用，为我国保护森林树种生物多样性、打击野生植物物种非法贸易、提高CITES履约执法和木材产业链监管水平提供了强有力的科技支撑。
