張愷容¹、郭彥甫¹、李金梅^{2, *}

¹ 國立臺灣大學生物機電工程學系。台北市大安區羅斯福路四段1號。

² 林業試驗所森林利用組。台北市中正區南海路53號。

^* 通訊作者：chinmeilee@tfri.gov.tw

牛樟(Cinnamomum kanehirae)台灣特有之樹種，木材為森林法中之貴重木，木材具芳香氣味，紋理交錯細緻，牛樟木材可做為建築、傢具及雕刻等使用，為輔助林務相關人員於漂流木清理註記、標售或林政案件處理時，進行材種之辨識，本研究將以木材組織之影像進行辨識研究。本研究以牛樟及樟樹、冇樟、瓊楠、香桂、大葉楠、豬腳楠、香楠、厚殼桂、南投黃肉楠等10種樟科木材橫切面影像進行試驗，影像係以掃描機(EPSON Scanner v370)取得1200dpi影像，再以Python將影像切割成224×224 pixels子圖像數張，依9:1的比例拆作為訓練與驗證資料，應用近年深度學習模型具代表性之Inception-ResNet-v2、MobileNetV2、ResNet-50、VGG-16等四種進行訓練研究。


結果顯示四種模型在訓練資料及驗證資料集皆擁有超過97%的準確率，其中Inception-ResNet-v2則擁有最高的驗證集準確率(98.16%)，而MobileNetV2模型所用參數量最少；四種模型訓練20個周期數後皆會收斂，第1個周期數之訓練集準確率與驗證集準確率皆大於80%。從驗證之混肴矩陣可知四種模型中，香桂之分辨皆較低，驗證集準確率最高之Inception-ResNet-v2有4%機率被誤判為大葉楠、4%被誤判為豬腳楠、1%被誤判為香楠，然Inception-ResNet-v2對香桂分辨率亦達到90%；經研究牛樟木之驗證準確率頗高，此研究可做為後續手機辨識之應用。透過特徵視覺化(Grad-CAM)得知，本研究之模型學習主要特徵為導管及木質線組織。