人工智慧可以拿來鑑定木材嗎？

木材是受人喜愛的建築或家具材料，市面上流通的商用木材種類繁多，辨識不易。一個鑽研機器學習的研究團隊，近期發表利用木材三個截面的圖像資料，用以訓練機器學習模型辨識系統，能夠區辨剛果77個樹種，且準確率高達95%。雖臺灣國內目前無廣泛使用的木材辨識系統，但有研究團隊朝此方向發展，未來具有相當潛力。

撰文｜何郁庭

你喜歡木地板、原木家具，或是木質的居家內裝嗎？

嚮往「木質系」居家風格的人相當多，木質建材不但擁有調節溫溼度、吸音、環保等優點；木頭獨特的色澤、香氣，與溫潤的觸感，更可以讓居住空間多了點溫馨與靜謐。不同的樹木種類，具有不同的硬度、密度、抗腐朽能力與加工特性，有些適合做家具，有些適合當貼皮，有些則適合當造紙的材料。

木材的種類相當多，光是2020年由羅東林區管理處出版的《臺灣常見商用木材圖鑑》就包含120種常見的商用木材。鑑定木頭並不容易，不但需要學習分辨各種木質部的細胞，還要了解木材橫切面(transverse section)、徑切面(radial section)與弦切面(tangential section)的不同性質(圖一)。目前，許多鑑定木材的工作，大多仰賴行政院農委會林試所、國內相關的學會，或是大學森林系等專門學術單位協助鑑定。

 

 

●  利用機器學習鑑定木材的可能性

培養一位能鑑定木材的專業人才，除了需要相關科系的學識，還需要多年的實戰經驗。不過，利用機器學習，或許未來可以讓機器人自動辨別各式各樣的木材。日前，《Plant Method》期刊上發表一篇利用機器學習來鑑定木材種類的報告，根據該研究的結果，訓練後的電腦模型，用以辨識產於非洲剛果的77種特定樹種時，具有高達95%的準確率。

成果聽起來淺顯易懂，但訓練模型的過程卻需要大量的時間與作業流程。首先，需要將每一個木材製作成3個截面的玻片標本；接著，為了增加資料量，還需要加入「資料增強」(Data agumentation)的步驟，分割照片並對部分旋轉、模糊化，或是添加雜點的加工(圖二)。再來，還要經過特徵萃取的過程後，才能真正開始訓練機器學習模型。

 

這個模型，是分別利用橫切面的單一照片與包含三截面的圖片，透過隨機森林演算法 (random forest algorithm) 進行訓練，對圖片進行分類，並使用leave-k-trees-out 的交叉驗證(cross-validation) 方式來檢驗模型訓練的成果。

雖然這不是木材鑑定的第一個研究，但它有幾個亮點很值得一提：第一個是，由於材料蒐集與製備不易，大多研究都只利用橫切面做機器學習的資料集，然而，這個研究卻可以蒐集到三個截面的圖片資料庫；第二個則是這個研究的演算法中在分類的過程中，加入科與屬的資訊，讓最後結果的精確性更高，而這種做法，過往並不常於木材鑑別的研究中使用。

雖然訓練機器學習模型需要下很多功夫，但一旦培養出優秀的鑑別系統，就可以減少木材鑑定所需要的時間，並提高效率，對於產業界或學界來說，都是一樁好消息。

 

●  臺灣的AI木材鑑定潛力

臺灣擁有優秀的木材工業技術，並且本身具有相當豐沛的森林資源，不但國內有品質精良的木材，每年更是進口大量的木材，如此熱愛木藝品及木製家具的臺灣，或許，也可以積極的研發木材鑑定的機器學習模型，甚至是人工智慧。

2022年，林試所與臺大生物機電工程學系合作，開發出專門辨識臺灣貴重樹木的人工智慧，針對特定的樹種辨識準確率可達95%以上；儘管現在可以辨識的樹種並不多，但未來或許會成為漂流木標售與盜伐木辨識時最可靠的工具也說不定呢。

 

參考文獻：

1. Rosa da Silva, N., Deklerck, V., Baetens, J.M. et al. Improved wood species identification based on multi-view imagery of the three anatomical planes. Plant Methods 18, 79 (2022). https://doi.org/10.1186/s13007-022-00910-1
2. 呂福源、張坤城、林建宗、張博任（2020）臺灣常見商用木材圖鑑。行政院農業委員會林務局羅東林區管理處，臺灣。272頁。
3. 木材辨識｜國立臺灣大學生物機電工程學系機器學習與機器視覺實驗室 https://wood.toolmenlab.bime.ntu.edu.tw/
4. 漂流木標售認錯樹種虧大了 貴重木AI智慧辨識輔助人力不誤判｜農傳媒 https://www.agriharvest.tw/archives/81676