近红外光谱技术在木材工业中的研究进展

近红外光谱技术是一种新型的无损评价方法,能够快速、准确地对木材的化学性质和物理性质进行预测,已被广泛应用于木材功能性改良、木材识别和木材无损检测等方面的研究。该文阐述了近红外光谱技术在木材材性预测和木材加工利用中的研究现状,分析了其在木材工业中的应用前景。     

近红外光谱技术在木材材性分析及木质复合材料生产中的应用

近红外光谱技术具有快速、无损、样品易于准备、适合实际生产在线检测等优点,在木材科学研究领域的应用越来越广泛。文中阐述近红外光谱技术在木材纤维素、木质素和抽提物等化学属性预测,生长特性及物理力学特征等物理属性预测,以及在木质复合材料生产中应用的研究进展,分析了其在木材材性分析及木质复合材料生产中的研究趋势。     

湿地松木材近红外光谱与其结晶度的相关性

对湿地松木材近红外光谱与X射线衍射法测定的木材结晶度之间的相关性进行分析,并结合近红外光谱分析技术的基本理论,探讨降低光谱范围和选择相关光谱信息对近红外光谱预测木材结晶度的影响.结果表明:1)降低参与建模的近红外光谱范围仍然可以得到比较理想的近红外光谱模型与预测结果,当选用2 000～2 500 nm区域的光谱建立模型时,预测值与实测值的相关系数r达到0.943;2)当选择光谱范围更小但与木材纤维素吸收峰密切相关的光谱数据(1 400～1 660 nm或2 020～2 250 nm)进行建模时,模型的预测效果并未降低(r＞0.947),甚至仅采用7个光谱数据也可以得到比较理想的预测结果,预测相关系数r可达到0.930,说明采用更少的但与木材纤维素吸收峰密切相关的光谱信息,所建立的预测模型仍可得到比较理想的预测效果,这将有利于低成本、便携式近红外光谱仪的开发.     

近红外光谱技术在木材无损检测中应用研究综述

近红外光谱技术作为一种先进的检测技术,具有操作简便,预测快速、准确、成本低廉和对样品全面无损等优点,已在农业、石油化工、食品、生物技术与医药等领域得到了广泛的应用,本文主要介绍近红外光谱技术的基本原理和特点,在近红外光谱分析中的常用化学计量学方法及国内外近红外光谱在预测木材化学性质、物理力学性质和木材缺陷等方面的研究成果及应用。     

粗皮桉木材力学性质的近红外光谱方法预测

以人工林粗皮桉木材为研究对象,采用常规力学测试方法和近红外光谱方法对其无疵小试样力学性质进行研究。用近红外光谱仪采集试样表面的近红外光谱,对采集的近红外漫反射光谱进行导数预处理并对不同波段光谱建立校正模型,以1/3试样作为预测集对校正模型进行验证。结果表明:二阶导数预处理、350～25000nm全光谱波段、径切面和弦切面平均光谱值对粗皮桉木材力学性质模型预测效果最好。抗弯弹性模量和抗弯强度、顺纹抗压强度的实测值与近红外光谱方法的预测值存在较好的相关性,相关系数均大于0.88,相对分析误差大于2.0,表明利用近红外光谱方法预测人工林粗皮桉木材力学性质效果较好。     

快速检测木材微纤丝角的近红外光谱分析技术

介绍了一种新的测量木材微纤丝角的无损检测技术--近红外光谱分析,并详细阐述了测量时木材样品的选择及制备,测量工作包括X射线衍射和近红外光谱采集、多变量数据分析与模型建立的方法及步骤.证明了近红外光谱分析技术可以用于快速准确地预测木材的微纤丝角.     

近红外光谱技术及其在木材科学中的应用

近红外光谱技术是一项新的木材无损评价方法,能够迅速、准确地对生长锥、固体木材或木粉等试样的性质进行全面无损评价,目前已广泛应用于木材性质预测、木材加工利用等方面的研究中,并为林木的定向培育、木材的遗传改良和高效利用提供技术支持。本文介绍了近红外光谱技术的基本原理及其主要应用,重点介绍了木材的近红外光谱技术及其在木材化学组成、物理力学性质、木材加工利用和木质复合材料等方面的研究成果及应用。     

近红外光谱快速预测乙酰化木材的增重率

采用近红外光谱技术对乙酰化大青杨和樟子松木材的增重率进行快速预测。在近红外波长780～2500 nm范围内,利用偏最小二乘法( PLS)建立木材横切面原始光谱及不同预处理(一阶导数、二阶导数、归一化处理和消噪)光谱乙酰化木材增重率数学模型,并进行比较分析。结果表明：乙酰化大青杨和樟子松木材分别选用归一化处理光谱和消噪光谱建立的增重率校正模型预测效果较好,预测模型相关系数( R)分别为0.90和0.70,预测标准差(RMSEP)分别为1.0072和1.3012,其中乙酰化大青杨木材增重率预测模型实测能力较佳,表明利用木材横切面近红外光谱建立的数学模型可以实现乙酰化木材增重率的快速预测。     

近红外光谱检测技术及其在木材工业中的应用

对近红外光谱技术在国内外的发展现状进行了总结,并就近红外光谱技术在木材工业中的几项重点应用做了说明,预测了近红外光谱技术的发展前景。     

红外光谱技术在我国木材科学领域的应用研究进展

红外光谱法是分析化合物结构与化学组成的重要手段,该文综述了中红外与近红外光谱技术在木材物理与化学性质测试、木材种属分类与鉴定、木材加工领域、林木病虫害预测等木材科学相关方向的国内最新研究进展。今后应在推广红外光谱技术实践应用、方法标准提升、多技术联用等方面开展深入研究。     

近红外光谱技术在木材性质预测中的应用研究进展

林木定向培育和木材资源的优化利用, 都需要对大量木材样本的性质进行快速测试.然而, 传统的测试方法成本高、效率低, 不能满足生产和科研的需要.近红外光谱技术是一种新的无损评价方法, 能够迅速、准确地对木材试样的性质进行预测.文中主要介绍了近红外分析技术的基本原理、特点以及在预测木材化学组成、物理力学性质、解剖性质等方面的研究进展.     

近红外光谱法快速预测栓皮栎木材密度可行性研究

采用偏最小二乘法(PLS),建立近红外光谱快速预测栓皮栎木材气干密度的方法。以来自4棵栓皮栎木材不同径向部位的131个样品为研究对象,按GB/T1933—2009《木材密度测定方法》测定气干密度,并采集其近红外光谱,结果显示采用横切面光谱建立的模型效果最佳。通过梯度法选择多个建模样本集建立了多个PLS模型,模型的校正及预测相关系数均大于0.9。研究表明近红外光谱法快速预测栓皮栎木材气干密度具有可行性。     

基于红外光谱对2种常涉案木材的比较与分析

通过傅里叶红外光谱技术(FTIR)和近红外光谱技术(NIR),对木材宏观、微观构造相近,性质差距较大的甘巴豆(Koompassia malaccensis)和马达加斯加铁木豆(Swartzia madagascariensis)木材,进行红外光谱和近红外光谱数据测定。结果表明,2种木材的红外光谱图谱在指纹区(1 800～400/cm)存在6个明显差异特征,是区别2种木材的重要特征;近红外光谱中在波长300～1 326 nm之间,2种木材原始光谱图差异明显。通过对2种木材的比较和分析,可为鉴别木材种类、维护木材市场秩序提供依据。     

非线性算法在近红外预测木材密度中的应用研究

研究基于近红外光谱技术的木材密度预测。运用基于高斯核变换的非线性偏最小二乘法建立密度预测模型,并且对所建模型的评价参数进行了对比分析。结果表明该方法建立的预测模型能对样品的密度进行有效预测。研究表明样品近红外光谱信息与样品的实际密度值之间不是单纯的线性关系,非线性模型可以更好地表征二者之间的关系。     

基于不同预处理的椴树木材基本密度近红外光谱估测及模型优化

【目的】木材的基本密度在木材质量等级评定中起着重要的作用,是木材分流及精细化利用的重要依据。利用近红外光谱技术,实时监测木材性质,掌握木材性质的变化,为进一步制定和改善林木培育方法提供理论依据。【方法】借助树木生长锥对椴树活立木取样,以椴树样品基本密度真值和近红外光谱数据为输入,分别通过卷积平滑、一阶导数和二阶导数预处理方法来实现近红外光谱数据的预处理,建立了基于偏最小二乘法(PLS)的椴树木材基本密度的近红外估测模型。【结果】在350~2 500 nm波段范围内,一阶导数预处理的椴树木材基本密度模型是最优的,校正集相关系数为0.964 8,校正均方根误差为0.002 7,验证集相关系数为0.943 2,预测均方根误差为0.003 3。在对近红外光谱数据进行去噪优化处理,构建椴树木材基本密度模型后,在500~2 300 nm波段范围内,一阶导数预处理椴树木材基本密度模型依旧最优,其校正集相关系数为0.987 1,校正均方根误差为0.001 6,验证集的相关系数是0.948 6,预测的均方根误差是0.002 1。【结论】选择特定的预处理方法,结合样本特征,建立椴树木材基本密度模型,可以显著降低建模成本,提高模型预测精度,快速测定椴树木材的基本密度。     

基于近红外光谱波段优选的针叶木材基本密度估测模型的优化研究

【目的】木材基本密度在木材质量等级评定中具有重要作用,是木材分流及精细化利用的重要依据。【方法】以东北林区典型针叶树种为研究对象,结合近红外光谱技术,构建红松、落叶松、云冷杉木材基本密度近红外估测模型,分析比较了不同波段优选算法并进行了模型优化。研究采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对木材近红外光谱波段进行优化,基于卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型。依据相关系数(R)、均方根误差(RMSEC)等模型参数对模型效果进行评价,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度近红外估测模型。【结果】利用CARS、UVE、i PLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用,减少参与建模的近红外光谱的波段变量数,明显提升模型的运算速度,使得模型准确度更高、稳定性更好;利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.938 0,校正均方根误差为0.021 8,验证相关系数为0.8959,验证均方根误差为0.028 0。【结论】基于波段优选及模型优化构建东北林区典型针叶树种基本密度近红外估测模型,可以有效提高运算速度及估测精度,实现针叶材基本密度的快速、准确、无损估测,为针叶木材材性研究和森林培育提供了理论依据与技术支撑,有利于进一步实现木材的高效节约与精细化利用。     

桦木顺纹抗压强度的SEPA-VISSA-RVM近红外光谱预测

木材顺纹抗压强度是评价木材力学性能的重要指标,而传统测量方法操作复杂、精确度低。以桦木为例,提出基于近红外光谱技术(NIR)的SEPA-VISSA-RVM木材顺纹抗压强度模型,实现对其更加精确的预测。试验选取100个木材试件,在900~1700 nm近红外光谱波段上采集数据并测量抗压强度真值;然后采用卷积平滑(SG)方法进行光谱预处理;使用采样误差分布分析(SEPA)作为变量空间迭代收缩算法(VISSA)的改进策略进行特征波长优选;最后通过粒子群优化算法(PSO)优化核函数参数并建立相关向量机(RVM)的预测模型。试验表明:在特征波长优选方面,以偏最小二乘法(PLS)建模为基础的SEPA-VISSA方法,其预测决定系数为0.9593,预测均方根误差为2.8995,相对分析误差为3.0256,光谱变量数由512减小到111个,占总波长的22%,均优于VCPA、CARS和VISSA算法;在建模预测方面,以SEPA-VISSA所选波长为基础的RVM模型,PSO优化的拉普拉斯(Laplacian)核函数的核宽度为10.4043,决定系数为0.9449,预测均方根误差为2.0432,相对分析误差为4.2936,预测效果优于PLS和SVR。因此,基于近红外光谱的SEPA-VISSA-RVM建模能够实现对桦木顺纹抗压强度更准确和稳定的无损检测。     

不同型号便携式光谱仪间木质素近红外光谱分析模型传递研究

应用便携式近红外光谱仪快速检测制浆材时,如果能实现同系列不同型号仪器之间分析模型共享,将极大降低仪器建模和维护成本。为实现混合木材木质素含量的近红外分析模型从1台主机向2台不同型号从机的模型传递,收集了5种常见制浆材的82个原木样品,经粉碎预处理后分别在3台便携式光谱仪上采集其近红外光谱信号,采用差谱、光谱的平均差异和光谱间的欧氏距离等方法,定量表征了仪器间的信号差异,分析并讨论了差异产生的原因。利用偏最小二乘回归建立了样品主机近红外光谱与木质素含量的关联模型,再分别采用斜率截距、直接校正和典型相关分析算法进行主机与两台从机间的模型传递,比较了模型传递前后预测精度。结果表明,便携式光谱仪间的差异多为非线性,且不同型号从机光谱仪间差异更为复杂。尽管主机向同型号的从机模型传递效果更优,但经直接校正算法和典型相关分析算法传递后两台不同型号从机预测相关系数均大于0.98、预测相对标准偏差均大于3、预测标准偏差均小于1.1%,可实现木材木质素含量的近红外光谱分析模型在3台便携式光谱仪间的传递。该研究结果对于不同型号便携式光谱仪分析模型共享具有重要意义。     

木材识别与鉴定技术研究综述

在查阅大量文献的基础上,介绍木材识别时的术语、木材识别辅助工具和软件、各种木材识别方法及其优缺点,包括传统木材识别、近红外光谱技术、气质联用技术、DNA法、稳定同位素法以及基于计算机视觉的识别方法,总结木材识别理念的研究现状。     

利用近红外光谱快速分析制浆木片水分

针对实际生产中多采用混合品种木片制浆的情况,探讨了利用近红外光谱分析技术对混合木片的水分含量进行快速测定的可行性。通过国产便携式阿达玛光谱仪采集183个木片样品的光谱,经过预处理后,利用偏最小二乘法和完全交互验证方式建立4组木片的近红外光谱数据与其水分含量之间的关联模型。4个模型的相关系数均达到098以上,交叉验证均方根标准差在3%以内,相对分析误差值在68~103之间。利用建好的模型对预测集样品的水分含量进行预测,其中全局模型的预测标准差在127~240之间,结果较为精确。结果表明,尽管木材品种对木片近红外光谱水分特征吸收存在一定的影响,但在光谱预处理后,再以纯种木片与混合木片一起建立的全局模型,具有较好的适应性和较高的预测精度,可用于实际生产中快速测量混合木片的水分含量。