编辑推荐：
为解决木材追溯难题，尤其是橡木非法出口及欧盟法规要求的追溯问题，法国洛林大学等机构研究人员开展橡木原木追溯研究，建立 Biomtrace 数据库。该研究成果对改进木材追溯方法意义重大，强烈推荐科研读者阅读。
在森林资源的管理和利用中，木材的可追溯性变得越来越重要。想象一下，从森林里的一棵大树，到变成我们生活中使用的各种木制品，这中间的过程如果能够清晰记录，那该多好呀！可现实中，这个过程充满了挑战。
如今，非法采伐和非法木材出口问题十分严重。就拿法国的橡木资源来说，它常常遭遇非法出口的厄运，这让法国在橡木资源的管理上头疼不已。而且，新的欧洲反森林砍伐和森林退化法规（EUDR）马上要在 2025 年生效啦，它要求所有木质产品都必须具备可追溯性。这就好比给木材加上了一个 “身份证”，要能清楚知道它从哪儿来，经历了什么。
在木材可追溯性的研究道路上，大家一直在努力。以前人们尝试过用塑料标签、RFID 芯片或者在原木上涂漆做标记这些方法。可这些方法就像 “纸糊的房子”，一点都不靠谱，很容易被伪造。于是，科学家们把目光投向了新的方向 —— 基于原木横截面照片分析的生物特征追溯。这种方法就像给原木的横截面做 “指纹识别”，利用原木自身独特的特征来实现追溯，不用再依赖那些容易被造假的外部标记，听起来是不是特别酷？
不过，这种基于生物特征追溯的方法想要发展起来，需要大量的图像数据来训练相关算法。就好比一个孩子要成长得好，得有足够的营养一样。可之前的研究中，相关的图像数据库都比较小，而且对于橡木这种特殊的树种，它的横截面和软木树种很不一样，年轮几乎都看不见，之前还没有针对橡木的可追溯性研究呢。
为了解决这些问题，来自法国洛林大学（Université de Lorraine）等机构的研究人员在《Annals of Forest Science》期刊上发表了一篇名为 “Traceability of oak (Quercus petraea (Matt.) Liebl. and Quercus robur L.) logs: the Biomtrace database” 的论文。他们建立了 Biomtrace 数据库，为橡木原木的生物特征追溯研究提供了有力的支持。这就像是为橡木追溯研究打造了一个 “超级武器库”，里面装满了各种有用的数据 “武器”。这个数据库的建立，对于改善现有的生物特征追溯方法有着重要意义，让木材的可追溯性研究向前迈进了一大步。
研究人员为了开展这项研究，用了不少厉害的技术方法。首先是图像采集技术，他们在 2023 年 3 月到 2024 年 3 月期间，拿着智能手机在 62 个不同的地点，给 5135 根橡木原木的横截面拍照，一共拍了 33390 张照片呢！拍照的时候，还在原木上放了黑白棋盘格图案，这样就能知道照片里物体的实际大小啦。然后是图像分割技术，他们用 PointRend 卷积神经网络对图像中的原木横截面进行分割，就像把原木横截面从图片里 “抠” 出来一样，方便后续分析。还有校准技术，用特定算法通过黑白棋盘格图案对图像进行空间校准，让图像数据更加准确。
下面来看看具体的研究结果吧。
图像采集
研究人员在多个地方收集橡木原木的横截面图像。其中，很多原木来自法国国家森林办公室（ONF）管理的森林。有些地方只能在一个时间点拍照，而有些地方可以在至少两个不同时间点拍照，时间间隔从 25 到 63 天不等，这样就能看看原木横截面随着时间会有什么变化。比如在特龙赛森林（Tron?ais forest）的五个地点，还进行了第三次拍照呢。而且，这些照片都按照一定规则命名保存，方便查找和管理。通过这些照片采集，他们建立了一个规模庞大的图像数据库，为后续研究提供了丰富的素材。就好像收集了好多珍贵的 “拼图碎片”，为完成橡木追溯这幅 “大拼图” 做好了准备。
图像尺度获取
为了知道照片里像素代表的实际尺寸，研究人员用了手动测量和自动测量两种方法。手动测量的时候，他们在 1131 张图像上用 ImageJ 软件测量黑白棋盘格的像素面积，再计算出像素的实际宽度。自动测量则是用两个软件包（detec_mire 和 pixel_grid）通过特定算法来检测棋盘格并计算像素大小。结果发现，pixel_grid 软件的准确性更高，误差更小。这就好比有两个测量小助手，pixel_grid 这个小助手干活更靠谱，测量得更准。
横截面分割
- 手动分割：研究人员在 1311 张图像上用 Gimp 软件手动分割原木横截面。分割的时候，他们选择绘制树皮下面的轮廓，因为树皮在运输过程中容易损坏，不好测量。而且对于原木横截面上因为砍伐树木留下的缺口，他们也决定都算在感兴趣的区域里。之后，他们还对一些自动分割困难的图像进行了手动分割。这些手动分割的结果就像给自动分割算法提供了 “标准答案”，用来检验和改进自动分割算法。
- 自动分割：研究人员用 PointRend 卷积神经网络对 33390 张图像进行自动分割。这个网络先用 MS COCO 数据集进行预训练，再用手动分割的数据进行微调。结果显示，它的准确率能达到 99.1% 呢！不过，自动分割也不是完美无缺的，有时候会出现一些错误，比如分割错原木、分割的区域有洞、只分割了一半原木等等。这就像一个聪明的孩子偶尔也会犯错，需要不断改进。
数据访问和元数据描述
研究人员把数据库放在 Recherche Data Gouv 存储库，大家可以通过特定链接访问。数据库里还有很多元数据，比如每个伐木地点的信息、每张图像的详细数据等等。这些元数据就像数据库的 “说明书”，让人们能更好地理解和使用数据库里的数据。而且，数据库里的文件格式都很常见，像文本文件用制表符分隔，RGB 图像是标准 JPG 格式，二进制分割掩码是 PNG 格式，方便大家用各种软件打开和处理。
技术验证
为了保证研究数据的准确性，研究人员做了很多细致的工作。他们让操作人员仔细识别图像上的原木编号，确保文件命名正确。手动测量的部分由经验丰富的操作人员完成，自动测量的软件工具也经过了手动测量数据的验证。要是两个自动测量软件的结果不一样，还会进行额外的手动测量来改进算法。通过这些严格的验证过程，就像给研究结果加上了一把 “安全锁”，让数据更加可靠。
最后，来总结一下研究结论和讨论部分。研究人员成功建立了 Biomtrace 数据库，这个数据库包含了大量橡木原木横截面的 RGB 图像，还有相关的测量数据和分割结果。它为橡木原木的生物特征追溯研究提供了丰富的数据资源，就像一个宝藏库，里面藏着很多关于橡木追溯的秘密等待大家去挖掘。
从研究意义上来说，这个数据库的建立对木材可追溯性研究领域贡献巨大。它可以帮助科学家们开发更准确的图像算法，提高橡木原木从森林到锯木厂的生物特征追溯能力。以后，也许我们就能轻松知道每一块橡木板材来自哪棵树，有没有经历非法采伐，这对保护森林资源、打击非法贸易意义非凡。而且，基于这个数据库，还能自动评估原木的体积和质量，观察原木在不同时间的变化。
不过，这个数据库也有一些小缺点。比如很多原木横截面上有编号的塑料标签，可能会影响某些特征的检测，但研究发现去掉这些标签对生物识别影响不大。还有，有时候因为原木周围的环境，部分横截面可能看不清楚。另外，在拍照的两个时间点之间，原木很少移动，要是能增加一些移动原木的照片，研究结果可能会更符合实际情况。但这些小缺点并不影响 Biomtrace 数据库成为木材可追溯性研究道路上的重要里程碑，相信随着研究的不断深入，这些问题都能得到解决，让木材可追溯性变得更加完善。
