近红外光谱结合回归分析预测法判别木材的生物腐朽

利用近红外光谱结合多变量回归分析中常用的主成分回归(PCR)和偏最小二乘法回归(PLSR)分析预测法来判别木材的生物腐朽,并与前期采用的SIMCA和PLS-DA 2种判别方法进行对比分析.结果表明:1)应用近红外光谱结合多变量回归分析方法对校正集样本建立的判别模型,其校正及验证结果与标准值的相关性很高,相关系数均大于0.95,SEC和SEP都很低(0.07 ～0.20),利用模型对未参与建模的样本进行检测,发现2个模型对未腐朽、白腐和褐腐3种类型样本的判别准确率均为100％(偏差都小于0.27);2)对于相同样本集的判别效果,PLSR法比PCR法的判别效果好,且二者都比采用SIMCA法的效果好,并都与PLS-DA法的判别结果相近,说明利用近红外光谱结合回归分析预测法能有效地检测木材的生物腐朽,并对生物腐朽的类型进行准确判别.     

基于红外光谱的2种黄檀属木材识别探讨

将红外光谱技术(FTIR)应用于微凹黄檀Dalbergia retusa和巴里黄檀D.bariensis木材的比较研究。通过图谱比对,发现2种木材构造基本特征相似,但是木质素结构的峰形、峰位和相对强度有差异。2种木材的红外图谱中O-H和C-H伸缩振动的特征峰分别在3 408,2 901 cm~(-1)和3 401,2 883 cm~(-1)处,均有一定波数的偏移。巴里黄檀在1 232和1 267 cm~(-1)有明显的双峰,而微凹黄檀在该区域只在1 201 cm~(-1)位置的有1个明显单峰;在1 616~1 647 cm~(-1)和1 082 cm~(-1)处,2种木材吸收峰的形状存在明显差异;以1 510 cm~(-1)作为内标峰,2种木材的相对吸收强度有明显的规律性区别。试验结果表明,红外光谱技术可以鉴别这2种木材。     

基于小波模极大值的木材近红外光谱去噪

将光谱一阶导数与小波变换相结合,对杉木木材近红外光谱数据进行预处理,采用db3小波对光谱数据进行4尺度分解,在各分解尺度上根据信号和噪声的不同传播特性.保留信号的模极大值,去除噪声的模极大值.结果表明:光谱导数 小波变换模极大值能够有效消除光谱噪声和各种因素干扰,并很好保留了光谱信号特征,使光谱信噪比有了较大提高.     

基于近红外光谱技术的4种樟属植物识别技术研究

探究近红外光谱分析技术应用于樟属植物识别的可行性,为樟属植物识别提供一个新方法。本研究运用近红外光谱仪采集猴樟、黄樟、油樟、银木4种樟属植物叶片的近红外光谱信息,并结合PCA聚类分析(PCA-Cluster)和偏最小二乘判别分析法(PLS-DA)建立识别模型。结果表明：运用PCA-Cluster方法,选择4 400～4 800 cm^-1、5 400～6 600cm^-1、7 800～10 000 cm^-1建模波段,Segment 5 Gap5的3点二阶泰勒求导(ds2)方法对光谱数据进行预处理所建模型的识别效果最好,对外部验证集样品的识别率达97.5%;运用PLS-DA方法选择4 000～8 000 cm^-1波段,一阶导数、5点平滑两种预处理相结合的方法建立判别模型性能最佳,其校正集相关系数(Rc²)为0.923,交叉验证均方根误差(RMSEC)为0.1202,利用所建模型对外部验证集样品进行识别,识别率为100%。说明近红外光谱技术能够用于不同种樟属植物的识别。     

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。     

楠属和润楠属4种木材的红外光谱鉴别

采用傅立叶变换红外光谱(FTIR)法对楠属(桢楠、闽楠)和润楠属(润楠、宜昌润楠)4种木材进行红外光谱分析。结果表明:区别楠属与润楠属的光谱主要在1730~1740 cm-1、1640~1650 cm-1区域;闽楠特征峰在1235 cm-1附近,桢楠的特征峰在1261 cm-1和1232 cm-1附近;润楠的特征峰在1460 cm-1附近;宜昌润楠特征峰在1688 cm-1和1650 cm-1附近。能够利用傅立叶自去卷积图谱共有峰率和变异峰率双指标序列法鉴别4种木材。此技术有望成为木材司法鉴定体系中的有效方法之一。     

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.     

近红外光谱技术预测木材性能研究新进展

近红外光谱分析技术是一项现代无损检测技术,可实现对木材性能的快速预测。重点介绍了近红外光谱分析技术应用于木材化学性能、物理性能、力学性能预测的最新研究进展。在此基础上,提出利用近红外光谱技术预测木材性能后续研究的建议,以期为近红外光谱分析技术在木材科学与技术领域的研究与应用提供理论依据。     

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。     

基于VB的木材无损检测近红外光谱图检索系统的实现

利用VB语言设计木材无损检测的近红外光谱图检索系统,检索关键词由＂物质名＂、＂光谱查询＂及＂列表查询＂组成,可分别实现已知物质名的光谱图检索、未知物质基于吸收峰位置的物质名检索及吸收峰位置相同或接近的物质名列表检索。检索界面简洁,易于操作,相对于传统的检索方法,检索的查全查准率较高。     

近红外光谱结合支持向量机快速识别树种

利用阿达玛变换近红外光谱结合支持向量机,对制浆造纸常用木材树种的快速识别进行研究。将各树种近红外光谱先进行多点平滑和标准正态变换预处理以消除噪音干扰和光散射导致的测量偏差,然后基于不同建模策略建立一对多和一对一两种支持向量机模型,考察这两种模型对多树种属间分类和种间分类的预测能力,并与传统的偏最小二乘判别分析分类法进行对比。结果表明,支持向量机预测模型对桉木、相思木、杨木、水杉等树种的属间分类正确率达到98%以上,种间分类正确率均达到95%以上,在处理复杂分类问题时模型稳健性明显优于传统分类方法,从方法上证明了近红外技术工业化应用的可能性,为进一步建立近红外在线检测木片材性分析系统奠定了基础。     

徒手切片法在进口材木材识别中的应用

从工具的制作、材料的处理、操作方法等方面介绍了采用徒手切片识别进口材的方法,并阐明其在高度木质化的木材中的应用与常规切片方法相比存在的优点、不足及注意事项,该方法适宜在时效性要求较高及珍贵或高档木制品的木材鉴定中应用.     

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.     

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.     

基于机器视觉的木材特征提取与树种识别研究综述

我国是木材及木制品加工大国,近年来家具、装修等市场需求的快速增长推动了木材加工行业的发展。由不同树种制作而成的木材材料性质与价值大相径庭,因此准确识别木材树种具有重要意义。相较于传统人工识别,基于机器视觉的木材树种识别大幅度提高了准确率。文中通过分析近5年来木材识别领域的相关文献,总结了木材特征提取的相关技术与树种识别的各种方法,提出要深度融合木材的多个特征并加强各种算法间的配合使用;此外,针对机器视觉在木材树种识别中的应用普遍停留在学术研究阶段的问题,提出木材树种识别应向装备数字化方向发展,以期提高木材树种识别的工作效率。     

树种识别技术的研究进展

介绍了传统的木材识别方法、计算机数据库检索方法、数字图像识别方法以及其他木材识别方法的新成果,阐述了基于数字图像的木材识别技术,并总结了木材识别理念的更新和进展。     

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。