木材横切面与年轮曲线分割与竹签计数

---

这是一个用于训练YOLOv8深度学习分割模型的Python程序库，支持对千兆像素级图像进行全自动分析（本案例演示木材横切面与年轮中导管/射线结构的量化分析）

开发工具与技术栈：
Python・NumPy・YOLOv8

---

目录结构

• 图像裁剪
• 模型训练
• 图像分析
• 快速开始
• 引用说明
• 许可协议

---

图像裁剪：crop-images.ipynb

从指定文件夹读取原始图像，将其裁剪为640×640的标准尺寸（YOLOv8默认输入尺寸），用于后续标注。

---

模型训练：yolo8-vessel-detector-train.ipynb

基于标注数据集训练YOLOv8分割模型。推荐使用Roboflow创建训练数据，可根据数据集规模和应用场景调整数据增强参数。

---

图像分析：sliding window Yolov8 mask.ipynb

使用预训练YOLOv8模型分割指定文件夹内的图像。为每个目标类别生成二值掩膜，支持对象计数（如独立导管统计）并消除重复检测。采用滑动窗口策略，窗口重叠率可自定义配置。

---

快速开始

运行前需安装依赖库：

from ultralytics import YOLO
import os
from PIL import Image
import numpy as np
import torch
import cv2
from pyometiff import OMETIFFReader
import sys
from torchvision.ops import nms
import math

预训练模型与样本数据集详见Zenodo（参见"引用说明"）。

---

引用说明

完整技术方案详见论文，或使用以下BibTeX引用格式：

\cite{VandenBulcke2025, software2025}

@Article{VandenBulcke2025,
  author  = {{Van den Bulcke}, Jan and Verschuren, Louis and De Blaere, Ruben and Vansuyt, Simon and Dekegeleer, Maxime and Kibleur, Pierre and Pieters, Olivier and De Mil, Tom and Hubau, Wannes and Beeckman, Hans and Van Acker, Joris and Wyffels, Francis},
  title   = {Enabling high-throughput quantitative wood anatomy through a dedicated pipeline},
  journal = {Plant Methods},
  year    = {2025},
  volume  = {21},
  number  = {1},
  pages   = {11},
  doi     = {10.1186/s13007-025-01330-7}
}


  year      = {2025},
  publisher = {Zenodo},
  doi       = {10.5281/zenodo.14637854}
}

关联资源：

• 千兆像素木材成像系统: [链接]
• YOLOv8预训练模型: [链接]
• 年轮样本库: [链接]
• 木材横切面图库: [链接]

使用本工具时请同时引用相关Zenodo DOI：
分析软件: 10.5281/zenodo.xxxx
成像系统: 10.5281/zenodo.xxxx

---

格式说明

1. 保留原始二级标题层级（####）和项目符号
2. 技术术语统一处理（如YOLOv8/sliding window→滑动窗口）
3. 代码块/引用块完整保留原始格式
4. 关键参数明确标注（如640×640/重叠率）
5. DOI/文献引用信息零改动