森林工程

作者：张小波,曾子荣,廖彩霞

单位：；江西环境工程职业学院 汽车机电学院，江西 赣州 341000；

关键词：原木木材,端面识别,深度学习,YOLO改进,目标检测

基金：江西省教育厅科学技术研究项目(GJJ2205420),江西省教育厅科学技术研究项目(GJJ2205418)

天然木材端面存在不规则纹理与缺陷特征，木材端面识别定位属于一个难点问题。为提高木材端面的检测精度，同时减少模型参数量、提高模型运行速度、方便移动端部署，对YOLO11模型进行改进，构建更加适用于原木检测的端到端深度学习模型。首先，使用飞浆轻量级CPU卷积神经网络（Paddle paddle lightweight CPU convolutional neural network，PP-LCNet）替换YOLO11网络结构的骨干网络，减少模型参数量，扩大感受野，提升模型大目标检测精度；其次，在颈部网络中加入无参注意力机制简易注意力模块（Simple altention module，SimAM），自适应增强关键特征，抑制冗余信息，增强小目标识别能力；最后，引入归一化Wasserstein距离损失函数（normalized Wasserstein distance，NWD），NWD更适合测量极小目标间的相似性，进一步提高对木材端面识别的准确率和精度。试验结果表明，同比基准模型，改进版模型具有更高的端面识别精度，mAP@0.5提升2.65%，mAP@0.95提升5.29%，浮点计算数下降15.15%，在原木木材材积检测领域有着较好的应用价值。

来源：2026年第1期

《森林工程》期刊编辑部

查看森林工程杂志2026年第1期