袁 霄 陳勇平,2 唐啟恒,2 郭文靜,2

(1.中國林業(yè)科學(xué)研究院木材工業(yè)研究所 北京 100091； 2.中國林業(yè)科學(xué)研究院林業(yè)新技術(shù)研究所 北京 100091)

木材樹種識(shí)別是古建筑木構(gòu)件無損檢測(cè)和安全評(píng)估的重要內(nèi)容(姜笑梅等， 2010； 李鑫， 2017)，因?yàn)闃浞N不同，材料的物理力學(xué)性能不同，其健康評(píng)價(jià)的基準(zhǔn)也不同，若不明確樹種信息可能產(chǎn)生一定誤判； 同時(shí)，木材樹種識(shí)別也是木結(jié)構(gòu)古建筑維修和保護(hù)的基礎(chǔ)性工作，通過樹種識(shí)別獲取木材名稱和材質(zhì)參數(shù)，可為制定木結(jié)構(gòu)古建筑保護(hù)方案及更換木構(gòu)件提供選材依據(jù)，且樹種識(shí)別結(jié)果也可作為檔案信息或?yàn)榭茖W(xué)研究服務(wù)(晉宏逵等， 2007； 曹靜等， 2019； 李世民等， 2019)。

1 材料與方法

1.1 試樣制備

選取落葉松(Larixsp.)、杉木(Cunninghamiasp.)、硬木松(Pinussp.)、軟木松(Pinussp.)、楊木(Populussp.)5種木結(jié)構(gòu)古建筑常用木材樹種以及櫟木(Quercussp.)、核桃木(Juglanssp.)、水曲柳(Fraxinussp.)3種補(bǔ)充木材樹種為研究對(duì)象。將以上樹種木材加工成100 cm×50 cm×50 cm試樣，每樹種試樣8塊，以落葉松為例編號(hào)依次為落葉松-No1～落葉松-No8； 采集以上樹種且不同批的驗(yàn)證木材，同樣加工成100 cm×50 cm×50 cm試樣，每樹種試樣2塊，以落葉松為例編號(hào)為落葉松-Y1、落葉松-Y2，試樣制備示意如圖1。選用木材均為氣干材，為與實(shí)際應(yīng)用接軌，試樣含水率使用便攜式含水率測(cè)定儀進(jìn)行檢測(cè)，落葉松、杉木、硬木松、軟木松、楊木、櫟木、核桃木和水曲柳試樣含水率均在8%～12%之間。

圖1 試樣制備Fig. 1 Sample preparation

1.2 數(shù)據(jù)采集

利用Resistograph 4452-P阻抗儀檢測(cè)試樣，檢測(cè)時(shí)微型探針沿木材年輪法線從邊材往心材方向探測(cè)，獲取相應(yīng)的微損檢測(cè)曲線。根據(jù)現(xiàn)場(chǎng)實(shí)際檢測(cè)情況，為排除一些干擾因素，檢測(cè)曲線前后各去除5 cm，即檢測(cè)曲線有效分析范圍為探測(cè)深度的5～45 cm區(qū)間，如圖2。

圖2 數(shù)據(jù)采集Fig. 2 Data collection

1.3 曲線量化及基礎(chǔ)數(shù)據(jù)庫建立

描述數(shù)據(jù)曲線主要有2點(diǎn)： 一是曲線數(shù)值； 二是曲線走勢(shì)。

1.3.1 曲線數(shù)值量化 曲線數(shù)值采用整體均值和曲線占比2種方式量化。整體均值指對(duì)應(yīng)橫坐標(biāo)區(qū)間每隔1 cm讀取數(shù)值100個(gè)，5～45 cm區(qū)間共讀取數(shù)值4 000個(gè)，計(jì)算各對(duì)應(yīng)數(shù)值求取平均值，并完善數(shù)據(jù)和曲線編號(hào)，以落葉松為例，編號(hào)落葉松-No1修改為落葉松-阻抗儀檢測(cè)平均值-No1。曲線占比指以顏色直方圖方式評(píng)估曲線在整幅圖像中的占比。顏色直方圖在許多圖像檢索系統(tǒng)中被廣泛采用，其描述的是不同色彩在整幅圖像中所占比例，并不關(guān)心每種色彩所處空間位置。曲線占比一定程度上反映峰谷變化幅度，對(duì)所有檢測(cè)曲線來說畫布大小不變，即整幅圖像像素點(diǎn)是一定的，而曲線可分成多個(gè)像素點(diǎn)，同等條件下峰谷變化越大像素點(diǎn)的接長(zhǎng)越長(zhǎng)，該顏色占比越高。考慮到顏色直方圖基于不同的顏色空間，而本研究檢索色彩較少，故采用Gray顏色直方圖。

1.3.2 曲線走勢(shì)量化 曲線走勢(shì)一定程度上反映圖像的紋理特征，故本研究曲線走勢(shì)采用紋理特征方式量化。紋理特征量化包括特征點(diǎn)選取、特征點(diǎn)主方向確定和特征點(diǎn)描述3個(gè)步驟。

1) 特征點(diǎn)選?。?在灰度圖像下建立一個(gè)Hessian二階偏導(dǎo)矩陣，求一定范圍內(nèi)像素點(diǎn)的極值，選用二階標(biāo)準(zhǔn)高斯函數(shù)作為濾波器。高斯過濾是一種低通濾波，可除去圖像細(xì)節(jié)而保持整體不變。

建立的Hessian矩陣如下：

H(x,y,σ)=

對(duì)該矩陣進(jìn)行運(yùn)算：

若det(H)>0，則為極值點(diǎn)，對(duì)Hessian矩陣檢測(cè)到的極值設(shè)立一個(gè)閾值，若det(H)小于該閾值，則不計(jì)算； 若det(H)大于該閾值且比鄰近26個(gè)點(diǎn)響應(yīng)值均大，則設(shè)為特征點(diǎn)。

2) 特征點(diǎn)主方向確定： 在以特征點(diǎn)為中心、以6s(s為特征點(diǎn)的尺度)為半徑的圓形區(qū)域內(nèi)，對(duì)圖像進(jìn)行Haar小波(邊長(zhǎng)4s)響應(yīng)運(yùn)算。具體步驟為： 在以 6s為半徑的特征點(diǎn)鄰域范圍內(nèi)，計(jì)算每個(gè)像素點(diǎn)x和y方向上的Haar小波響應(yīng)值，并將其記為hx和hy； 以特征點(diǎn)為中心，對(duì)以 6s為半徑范圍內(nèi)的像素點(diǎn)進(jìn)行σ= 2s高斯加權(quán)，加權(quán)后的值分別表示在水平和垂直方向上的Haar小波響應(yīng)值，記為Whx和Why； 采用大小為π/3的滑動(dòng)窗口，計(jì)算窗口內(nèi)水平和垂直方向的響應(yīng)值總和，記為∑Whx和∑Why； 以步長(zhǎng)5°左右旋轉(zhuǎn)滑動(dòng)窗口，依次計(jì)算每個(gè)π/3窗口中的∑Whx和∑Why，找到最長(zhǎng)矢量作為該特征點(diǎn)的方向。

3) 特征點(diǎn)描述： 以特征點(diǎn)為中心，沿主方向?qū)?0s×20s的圖像劃分成4×4個(gè)子區(qū)域，每個(gè)子區(qū)域利用尺寸2s的Haar小波模板進(jìn)行響應(yīng)計(jì)算，并統(tǒng)計(jì)響應(yīng)值形成特征矢量。具體步驟為： 分別在 16 個(gè)子區(qū)域中計(jì)算每個(gè)像素點(diǎn)x和y方向上的Haar小波響應(yīng)值并進(jìn)行σ=3.3s的高斯加權(quán)平均，計(jì)為dx和dy； 將每個(gè)子區(qū)域中Haar小波響應(yīng)值dx和dy分別相加，得到每個(gè)區(qū)域的響應(yīng)值之和，記為∑dx和∑dy； 將每個(gè)子區(qū)域中Haar小波響應(yīng)值dx和dy的絕對(duì)值相加，得到每個(gè)區(qū)域所有像素點(diǎn)的響應(yīng)值絕對(duì)值之和，記為 ∑|dx|和∑|dy|； 將每個(gè)區(qū)域中的∑dx、∑dy、∑|dx|、∑|dy|組合成一個(gè)四維向量，16個(gè)子區(qū)域就得到一個(gè) 16×4=64 的特征向量，即為描述算子。

至此，整體均值、曲線占比和曲線走勢(shì)量化完成，形成無損檢測(cè)曲線基礎(chǔ)數(shù)據(jù)庫如圖3。

圖3 基礎(chǔ)數(shù)據(jù)庫Fig. 3 Basic database

1.4 比對(duì)算法

因已對(duì)曲線進(jìn)行量化，故曲線之間的比較等同于2組數(shù)字之間的比較。

1) 曲線占比相似度算法： 假設(shè)Q代表待檢圖像，D代表數(shù)據(jù)庫圖像，HQ(k)和HD(k)分別為2幅圖像顏色直方圖，則2幅圖像之間的顏色匹配值P(Q,D)可借助相關(guān)系數(shù)算法來實(shí)現(xiàn)，即：

2) 曲線走勢(shì)相似度算法： 曲線走勢(shì)識(shí)別即找到曲線中具有典型代表性的局部特征，對(duì)該區(qū)域進(jìn)行描述，并建立描述算子，通過描述算子進(jìn)行相似度搜索。紋理特征比對(duì)算法經(jīng)比較確定為Surf算法。Surf特征識(shí)別算法主要先找出特征點(diǎn)建立描述算子，后通過描述算子進(jìn)行相似度比較。2個(gè)局部紋理描述算子的相似性度量，本研究采用歐式距離進(jìn)行計(jì)算：

式中：Xik表示待檢圖像中第i個(gè)特征描述算子的第k個(gè)元素；Xjk表示標(biāo)準(zhǔn)圖像中第j個(gè)特征描述算子的第k個(gè)元素；n表示特征向量維數(shù)。

對(duì)待檢圖像上的特征點(diǎn)，計(jì)算其到標(biāo)準(zhǔn)圖像上所有特征點(diǎn)的歐氏距離，得到一個(gè)距離集合，對(duì)距離集合進(jìn)行比較運(yùn)算得到小歐氏距離和次小歐式距離。設(shè)定一個(gè)閾值0.7，當(dāng)最小歐氏距離和次小歐式距離的比值小于該閾值時(shí)，認(rèn)為特征點(diǎn)與對(duì)應(yīng)最小歐氏距離的特征點(diǎn)是匹配的，否則沒有點(diǎn)與該特征點(diǎn)匹配。逐個(gè)度量待檢圖像中的描述算子，最后用匹配點(diǎn)數(shù)除以描述算子總數(shù)即曲線走勢(shì)相似度。為將繁瑣的計(jì)算比對(duì)過程轉(zhuǎn)化為直觀的界面，本研究采用自主研發(fā)的ImageCV圖像識(shí)別軟件，該軟件主要是以1.2中量化后的標(biāo)準(zhǔn)曲線信息為基礎(chǔ)數(shù)據(jù)，植入1.3中曲線數(shù)值和曲線走勢(shì)相似度算法進(jìn)行待識(shí)別曲線的檢索和識(shí)別。

2 結(jié)果與討論

利用阻抗儀微損檢測(cè)曲線進(jìn)行木材樹種識(shí)別不同于以往木材無損鑒定(劉紅清等， 2014； 李敏華等， 2012)，該方法主要基于數(shù)理統(tǒng)計(jì)和相似度分析理論，其樹種識(shí)別手段為固定區(qū)域范圍內(nèi)的選擇性比對(duì)鑒定方法。識(shí)別原理可以簡(jiǎn)述為： 通過建立木材微損檢測(cè)曲線中整體均值、曲線占比、區(qū)域走勢(shì)等關(guān)鍵參數(shù)與古建筑木構(gòu)件常用樹種信息之間的映射關(guān)系，構(gòu)建古建筑木構(gòu)件常用樹種微損檢測(cè)信息數(shù)據(jù)庫，而后采集待識(shí)別木構(gòu)件的微損檢測(cè)曲線，并將該微損檢測(cè)曲線與微損檢測(cè)信息數(shù)據(jù)庫中的各微損檢測(cè)曲線進(jìn)行比對(duì)獲得樹種識(shí)別結(jié)果。

2.1 曲線與木材樹種信息的關(guān)系

不同樹種具有不同的阻抗儀檢測(cè)曲線形式，尤其當(dāng)木材密度不同時(shí)表現(xiàn)得更為明顯。一般來說，當(dāng)樹種不同且密度相差較大時(shí)，曲線數(shù)值和走勢(shì)差異明顯，如圖4。

圖4 密度差異顯著樹種的阻抗儀檢測(cè)曲線Fig. 4 Resistograph testing curves of wood species with significant density differences

這是因?yàn)槊芏扰c阻抗儀檢測(cè)值呈正相關(guān)，木材密度越大，其實(shí)體物質(zhì)含量越多，微型探針刺入木材內(nèi)部消耗的能量越大，阻抗儀檢測(cè)值越高。圖4中，櫟木木材實(shí)測(cè)密度約為0.86 g·cm-3，落葉松木材實(shí)測(cè)密度約為0.61 g·cm-3。

樹種不同但密度接近的木材，其阻抗儀檢測(cè)曲線也有一定差異，如圖5。

圖5 密度差異不顯著樹種的阻抗儀檢測(cè)曲線Fig. 5 Resistograph testing curves of wood species with similar density

由圖5可知，雖然二者密度接近(硬木松木材密度約0.46 g·cm-3，軟木松木材密度約0.42 g·cm-3)，但其阻抗儀檢測(cè)曲線形式有一定差異，可能是因?yàn)槌芏韧饽静能浻驳绕渌馁|(zhì)特性也會(huì)影響阻抗儀檢測(cè)值，這一點(diǎn)從櫟木和落葉松的阻抗儀檢測(cè)值差值也可以看出。

2.2 曲線識(shí)別結(jié)果

為提高識(shí)別精度，本研究采用2種識(shí)別判定方法： 第1種識(shí)別模式，與待識(shí)別曲線比對(duì)，相似度最高曲線對(duì)應(yīng)的樹種為樹種識(shí)別結(jié)果； 第2種識(shí)別模式，與待識(shí)別曲線比對(duì)，相似度較高8條曲線對(duì)應(yīng)的樹種為樹種識(shí)別備選結(jié)果，備選結(jié)果中樹種占比最高的為樹種識(shí)別結(jié)果，若備選結(jié)果中樹種占比最高的出現(xiàn)2組或2組以上，則對(duì)8條曲線按相似度高低排序，排序號(hào)相加最低的為樹種識(shí)別結(jié)果。

從表1可以看出，無論何種識(shí)別模式，用于驗(yàn)證的8組16個(gè)樣本曲線均可被準(zhǔn)確識(shí)別； 但這并不能說明該識(shí)別方法的準(zhǔn)確率為100%，首先數(shù)據(jù)庫樣本量目前并不足以涵蓋所有常用樹種以及各樹種所有的曲線組合，其次驗(yàn)證樣本還需要根據(jù)實(shí)際情況進(jìn)行不斷補(bǔ)充和完善。表1可以證明，利用阻抗儀微損檢測(cè)曲線進(jìn)行樹種輔助鑒定的思路是可行的： 從小處看，一個(gè)建筑單體用材樹種是有限的，取樣產(chǎn)地也是有限的，通過前期建立的微損檢測(cè)曲線數(shù)據(jù)庫對(duì)待識(shí)別曲線進(jìn)行比對(duì)分析得出鑒定結(jié)果是科學(xué)可行的； 從大處看，隨著數(shù)據(jù)庫逐漸完善，一個(gè)地區(qū)乃至全國木結(jié)構(gòu)建筑就如同一個(gè)建筑單體一樣，其比對(duì)鑒定原理是相同的。當(dāng)然，每次應(yīng)用時(shí)根據(jù)前期調(diào)研結(jié)果和部分樣品分析，限定比對(duì)的適宜樹種，可縮小選擇范圍，提高識(shí)別精度； 而且，持續(xù)對(duì)部分未知樹種構(gòu)件的比對(duì)結(jié)果進(jìn)行傳統(tǒng)方法驗(yàn)證，也可以完善該輔助技術(shù)。

表1 樹種識(shí)別結(jié)果Tab.1 Identification results of wood species

由表1同時(shí)可以看出，采用第2種模式進(jìn)行識(shí)別時(shí)，相似度較高8條曲線對(duì)應(yīng)的樹種并不是單一樹種(圖6)，這一定程度上說明可能會(huì)存在誤判風(fēng)險(xiǎn)。為了更好地分析，以落葉松-35-Y1為例，分別就整體均值、曲線占比和曲線走勢(shì)進(jìn)行詳細(xì)比對(duì)說明。

從圖6可以看出，落葉松-35-Y1雖然被準(zhǔn)確識(shí)別為落葉松，但在顏色相似度比較中，與其他樹種并無太大區(qū)別，如與落葉松-35-No3顏色相似度為99.99%，與楊木-29-No7顏色相似度為99.35%。這主要是因?yàn)闄z測(cè)曲線所在圖像中背景色占比均超過90%，曲線占比差異在整體圖像中比率較小(圖7)，故顏色相似度較為接近僅表現(xiàn)為略有差異。

圖7 圖像背景分析Fig. 7 Background color analysis of image

從圖7可以看出，落葉松-35-No3檢測(cè)曲線所在圖像中背景色占比為92.99%，即曲線和輔助坐標(biāo)占比為7.01%； 楊木-29-No7背景色占比為94.13%，即曲線和輔助坐標(biāo)占比為5.87%。進(jìn)一步去除輔助坐標(biāo)的影響，落葉松-35-No3曲線占比為2.41%，楊木-29-No7曲線占比為1.18%，如圖8，2樹種曲線占比存在明顯差異，該過程相當(dāng)于曲線拉伸，后續(xù)應(yīng)對(duì)顏色直方圖算法進(jìn)行修正。

圖8 曲線占比分析Fig. 8 Curves ratio analysis of image

從圖6也可以看出，落葉松-35-Y1與水曲柳-128-No5檢測(cè)曲線顏色相似度接近，這是因?yàn)樗?128-No5背景色占比為92.48%，與落葉松-35-No3背景色占比極其接近，但水曲柳在初始的整體均值比較中與落葉松差異較大，如圖9所示(圖中3條曲線為示意的曲線拉伸效果，并非實(shí)際拉伸長(zhǎng)度)，3樹種曲線在實(shí)際分析中存在較明顯差異。

圖9 曲線拉伸Fig. 9 Curves stretch

值得一提的是，硬木松-13-Y1和硬木松-14-Y2雖然均識(shí)別為硬木松，但在8條相似度較高曲線中僅有3條識(shí)別為硬木松，如硬木松-14-Y2識(shí)別中出現(xiàn)杉木、核桃木等樹種(圖10)，不可排除多樣品驗(yàn)證時(shí)可能出現(xiàn)極大概率的誤判。為此，本研究就硬木松木材增加4條驗(yàn)證曲線進(jìn)行補(bǔ)充分析，其識(shí)別比例也多為3～4之間。究其原因主要是上述幾種木材現(xiàn)有的阻抗儀檢測(cè)值略接近且均較低，導(dǎo)致從整體均值、曲線占比和紋理特征難以明顯區(qū)分。

圖10 硬木松識(shí)別結(jié)果Fig. 10 Identification results of pine

對(duì)于此類情況，應(yīng)對(duì)檢測(cè)曲線的獲取或在后期處理上進(jìn)行適當(dāng)調(diào)整，擴(kuò)大差異，如圖11所示為后期調(diào)整的曲線。

圖11 曲線調(diào)整Fig. 11 Curves adjustment

從圖11可以看出，后期調(diào)整的曲線走勢(shì)略為明顯，據(jù)此本研究重建硬木松、杉木、核桃木和軟木松等密度相近木材的樹種數(shù)據(jù)庫，并以硬木松-14-Y2為例進(jìn)行再次對(duì)比，但重建后數(shù)據(jù)庫比對(duì)效果并無明顯改觀。單純依靠后期處理無法解決問題，曲線調(diào)整應(yīng)結(jié)合實(shí)際檢測(cè)過程進(jìn)行，實(shí)際檢測(cè)過程中若部分曲線數(shù)值過低，應(yīng)對(duì)儀器檢測(cè)速度進(jìn)行實(shí)時(shí)調(diào)整，以增大探針能耗，相對(duì)提高阻抗儀檢測(cè)值，從而得出特征更為清晰的曲線。當(dāng)然，曲線調(diào)整并非是調(diào)整個(gè)別樹種問題，需要綜合考慮整體數(shù)據(jù)庫的基準(zhǔn)或建立多基準(zhǔn)數(shù)據(jù)庫； 此外，對(duì)于某些樹種是否適用于此類方法也值得進(jìn)一步探究。

綜上所述，利用微損檢測(cè)曲線進(jìn)行古建筑木構(gòu)件用材樹種識(shí)別是可行的，且不論對(duì)于一個(gè)特定的木結(jié)構(gòu)古建筑來說，其用材樹種是相當(dāng)有限的。若木材密度相差較大，可分析曲線高低直接區(qū)分； 若木材密度接近但曲線峰谷變化差異大，可根據(jù)曲線占比和曲線走勢(shì)區(qū)分； 若木材密度和曲線占比均接近，需綜合古建筑歷史記錄、木材取材信息以及其他特征加以確定。實(shí)際應(yīng)用中，結(jié)合傳統(tǒng)取樣鑒定結(jié)果并將取樣構(gòu)件的微損檢測(cè)曲線增列至數(shù)據(jù)庫，可提高識(shí)別精度。

3 結(jié)論

1) 以多基準(zhǔn)的木材微損檢測(cè)曲線數(shù)據(jù)庫為基礎(chǔ)，通過待識(shí)別曲線的比對(duì)分析，可實(shí)現(xiàn)木結(jié)構(gòu)古建筑常用落葉松、杉木、松木、楊木等木材樹種的初步鑒定。

2) 古建筑木構(gòu)件用材樹種現(xiàn)場(chǎng)識(shí)別是一個(gè)長(zhǎng)期性工作，需不斷應(yīng)用-反饋-改進(jìn)，未必所有用材樹種均適合此類分析方法，但隨著基礎(chǔ)數(shù)據(jù)庫、比對(duì)算法、適宜樹種、微損曲線特征的不斷完善，其鑒定可靠性將得以提高。

3) 古建筑木構(gòu)件用材樹種現(xiàn)場(chǎng)識(shí)別是一種區(qū)域范圍內(nèi)的選擇性鑒定方法，是針對(duì)文物建筑特點(diǎn)的一種適宜性保護(hù)識(shí)別技術(shù)，該技術(shù)無法取代傳統(tǒng)樹種微觀鑒定方法，但可作為傳統(tǒng)鑒定手段的有效補(bǔ)充。