通过专门的管道,实现高吞吐量定量木材解剖

科学领域:

• 登德罗年代学 登德罗年代学
• 木制解剖学 木制解剖学
• 图像分析 图像分析

背景情况:

• 树木在其木结构中存储历史环境数据.
• 传统的木材表面分析是手动的,耗时的,并且限制了高通量研究.
• 数字化和特征细分需要复杂的,多步骤的过程.

研究的目的:

• 开发一个半自动化,高吞吐量管道用于木材样本准备,千兆像素成像和解剖分析.
• 克服传统方法在分析木材解剖特征方面的局限性.
• 允许对大型木材表面进行快速和详细的分析,用于生态和气候学研究.

主要方法:

• 一个使用砂纸自动化木材表面准备的机器人系统.
• 一个定制的,开源的千兆像素木机器人用于木材表面的自动化,高分辨率的成像.
• 一个基于Python的深度学习程序 (YOLOv8),用于自动量化木材的解剖特征,如血管和光线.

主要成果:

• 在2.25μm分辨率下成功数字化了木磁盘 (30-35厘米直径) 和增量核心.
• 在整个磁盘表面上自动量化高达1300万个容器和射线.
• 从增量核心数据生成船舶密度的详细深层到皮层概况.

结论:

• 开发的管道大大加速了对木材解剖特征的分析.
• 能够对大型木材表面进行高度详细的分析,方便对生态和气候学假设进行可靠的测试.
• 为需要高精度分析大量木材样本的研究人员提供可扩展的解决方案.