一种低成本的木材直径估算机器学习方法-计算机科学-计算机视觉-林业自动化.pdfVIP

一种低成本的木材直径估算机器学习方法

FatemehHasanzadehFardSanazHasanzadehFard

DepartmentofWoodandPaperScienceandTechnologyDepartmentofComputerScienceandEngineering

UniversityCollegeofAgricultureandNaturalResourcesMichiganStateUniversity

UniversityofTehranEastLansing,Michigan

Tehran,Iranhasanzad@msu.edu

f.hasanzadeh@ut.ac.ir

MehdiJonoobi

本DepartmentofWoodandPaperScienceandTechnology

译UniversityCollegeofAgricultureandNaturalResources

UniversityofTehran

中Tehran,Iran

1mehdi.jonoobi@ut.ac.ir

v

9

1

2

7ABSTRACT

1

.

7木材加工行业，特别是在锯木厂和中密度纤维板生产线等设施中，需要准确且高效地识别木

0材的种类和厚度。虽然传统方法严重依赖于专家人力劳动，但它们速度慢、不一致且容易出

5

2错，尤其是在处理大量材料时更是如此。本研究专注于实用且成本效益高的机器学习框架，

:该框架利用在实际工作条件下拍摄的标准RGB图像自动估算原木直径。我们采用YOLOv5

v

i目标检测算法，在公共数据集（TimberSeg1.0）上进行了微调，用于检测单个原木并通过边

x

r界框尺寸估计厚度。与需要昂贵传感器或受控环境的先前方法不同，该模型是在典型的工

a

业棚屋中拍摄木材交付时的图像上进行训练的。实验结果表明，该模型达到了平均精度均值

（mAP@0.5）为0.64，即使使用有限的计算资源也能实现可靠的原木检测。这种轻量级、可

扩展的解决方案有望实际集成到现有工作流程中，包括现场库存管理和初步分类，特别是在

小型和中型运营中。

Keywords木材检测直径估计计算机视觉YOLOv5木料加工机器学习林业自动化

1介绍

木材是包括建筑、家具制造和工程木制品生产在内的众多行业的关键原材料[1]。尽管所有这些行业都依赖于

木材，但所需类型的木材往往因种类和直径而异[2,3]。例如，某些树种提供了建筑业所需的结构强度[4]，而

其他树种则更适合用于饰面板或纸张生产[5]。准确识别木料特性对于保持产品质量的一致性和有效利用原

材料至关重要[6]。

传统上，木材分类任务[7]依赖于人力[8]；物种分类主要由专家完成，而直径的归类则由有经验的工人使用

常规工具进行。如前所述，人工分类的主要问题在于耗时费力。此外，不一致