본 연구에서는 딥러닝 방법 중에 하나인 합성곱신경망 (Convolution neural network, CNN)을 이용하여 전문가 없이도 빠르고 정확한 목재수종식별이 가능한 자동목재수종식별 시스템을 개발하였다. CNN 은 이미지 고유의 대표 특징을 추출하고 올바르게 분류하는 용도로 사용될 수 있다. 보통 CNN을 이용한 분류 작업의 성능은 기존의 자동목재수종식별 시스템에 비해 분류 성능이 높은 것으로 알려져 있다. 스마트폰 카메라를 이용하여 총 다섯 가지 수종(편백, 삼나무, 잣나무, 소나무, 낙엽송)의 시편에서 횡단면의 이미지를 획득하였다. 획득된 이미지에서 수종별로 3000개 이상의 이미지를 무작위로 추출하여 75%는 훈련용, 25%는 모델의 검증에 사용하였다. 본 연구에서는 CNN 모델 중 LeNet과 VGGNet을 변형한 딥러닝 모델을 자동목재수종식별 시스템에 적용하였다. LeNet 모델은 2개의 히든레이어(CONV > ACT > POOL)와 2개의 Dense 레이어로 구성되어 있으며, 히든레이어의 수를 증가시켜 LeNet2, LeNet3 모델을 만들었다. MiniVGGNet은 기존의 VGGNet에서 2개의 히든레이어(CONV > ACT > BN > CONV > ACT > BN > POOL > DROP)만 남기고 이 후에 Dense > ACT > BN > DROP > Dense > ACT으로 마무리되는 축소모델이다. MiniVGGNet2와 MiniVGGNet3 모델은 MiniVGGNet의 히든레이어의 숫자를 증가시켜 만든 모델이다. 최적화 알고리즘으로는 Stochastic Gradient Decent(SGD)를 사용하였으며, Learning rate, batch size, epoch의 수, 입력 이미지의 크기에 변화를 주면서 가장 높은 분류 정확도를 보이는 조건을 탐색하였다. 상기한 모델 중에서 LeNet3 모델이 가장 높은 식별률(99.3%)을 보였다. 본 연구에서 개발된 자동목재 수종식별 시스템은 빠르고 정확하며 생성된 인자의 크기도 작아서 스마트폰과 같은 휴대용 장치에 설치하여 사용할 수 있음 알 수 있었다.