木材分子考古研究进展

木材考古学研究是推动木质文物自然和历史信息挖掘、保护和修复的重要基础。近年来,随着古DNA捕获和测序技术的快速发展,从木质遗存中可获取古DNA信息,在木材解剖学基础上,创新开展以古DNA为核心的木材分子考古研究已成为木材考古学的前沿热点。本文首先对木材分子考古研究进行概述,从古DNA的保存和降解、获取以及数据处理和序列分析3方面归纳木材古DNA的研究进展,并指出古DNA因高度降解、含量极低和化学损伤特征导致其难于提取和信息解译的难题。然后总结木材分子考古在解读先民认知与利用森林资源方式、复原历史时期地域性森林植被类型和物种多样性以及重建古代树木应对气候和生境变化的微进化反应等方面的主要应用。最后提出该研究领域未来应优先开展的工作:1)建立考古木材标本库及其DNA信息数据库;2)研究不同时空维度下木材古DNA损伤及变化规律;3)构建稳定高效的木材古DNA提取及序列信息解译技术体系。通过进一步加强木材分子考古等多学科交叉研究,推动新理论、新方法、新技术在木材学和考古学领域的应用,为木质文物的用材树种识别、保护利用以及重建历史时期森林植被、环境气候与人类活动的耦合关系提供重要科学依据。

白皮松木质部分化中轴向管胞和射线细胞的微观构造与木质化研究

以白皮松(Pinus bungeana)为研究对象,采用光学显微镜、偏光显微镜和扫描电子显微镜结合细胞壁组织化学染色等木材解剖学方法,探究木质部分化中轴向管胞与射线细胞的微观构造特征变化及其木质化进程。组织离析与形态学分析结果表明:木质部分化中轴向管胞在细胞扩大后其细胞长度基本稳定,随着木质部的分化,射线管胞的细胞壁厚度不断增加,而在当年生木质部中未发现射线薄壁细胞的细胞壁加厚。木质素的自发荧光及其特异性染色分析结果表明:轴向管胞的木质化进程开始于次生壁S1层加厚阶段的胞间层与细胞角隅,射线管胞的木质化进程与轴向管胞类似,在当年生木质部内射线薄壁细胞未发生木质化。木质部分化过程中管胞(轴向、射线)与射线薄壁细胞的细胞壁加厚及木质化进程具有明显差异。

iWood:基于卷积神经网络的濒危珍贵树种木材自动识别系统

【目的】构建基于卷积神经网络的木材识别系统,实现木材树种在多场景条件下的自动精准识别,为我国提升CITES履约执法能力、加强林产品产业链监管以及保障木材安全提供科技支撑。【方法】采集15种黄檀属和11种紫檀属木材标本横切面构造特征图像,建立图像数据集Rosewood-26;构建AlexNet、VGG16、DenseNet-121和ResNet-50共4种卷积神经网络模型,基于ImageNet图像数据集对模型进行迁移学习,采用Rosewood-26图像数据集训练、测试和比较模型,优选识别性能较好的卷积神经网络模型,并进行木材树种分类;在此基础上,构建包含15种黄檀属和11种紫檀属树种的木材自动识别系统iWood,利用市场木材样品对系统进行应用测试和评价。【结果】在构建的4种卷积神经网络模型中,ResNet-50模型表现出最高的识别精度(98.33%)、最少的权重数量和较低的模型复杂性,适用于木材树种准确快速识别;ResNet-50模型对9种黄檀属和3种紫檀属木材的识别精度达100%,并可成功鉴别构造特征极其相似的檀香紫檀和染料紫檀;基于ResNet-50模型构建的木材自动识别系统iWood,在“属”和“种”水平的识别精度分别为91.8%和77.3%。【结论】基于卷积神经网络的木材识别系统iWood适用于海关执法、木材贸易和质量监督检验等多场景下的木材自动精准识别,能够为我国提升CITES履约执法能力、加强林产品产业链监管以及保障木材安全提供科技支撑。

木材树种计算机视觉识别技术发展与应用

我国是全球林产品生产、贸易和消费第一大国,因此受到国际社会的广泛关注。在木材和木制品贸易流通环节经常出现以假乱真、以次充好的现象,为国际履约执法和林产品产业监管带来严峻挑战。基于木材解剖的传统木材树种识别方法,一般只能识别木材到“属”或“类”。近年来发展的DNA条形码、近红外光谱等木材树种识别新技术虽然可以实现木材“种”的识别,但难以在口岸、现场等多场景下对大批量样本进行自动精准识别。随着计算机技术的快速发展,计算机视觉识别技术可以从不同类别图像中提取关键特征,从而对图像进行分类,为木材树种分类带来新的途径。笔者首先介绍了基于图像采集、特征提取和树种分类的传统木材树种计算机视觉识别技术研究概况,然后从图像数据集构建、模型构建训练与测试以及系统开发等应用等方面介绍了基于深度学习的木材树种计算机视觉识别技术研究应用现状,并结合国内外研究进展对基于深度学习的计算机视觉识别技术在木材树种识别领域的应用进行了展望和提出建议,以期为木材树种自动精准识别研究提供新的思路。