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.     

近红外光谱分析技术在木材机械性能检测中的研究进展

近红外光谱技术具有快速、无污染、成本低廉、准确性高等优点,相比其他无损检测方法,被广泛应用于农业、医学、化工、造纸等各个领域。国内外许多科研工作者在木材材性分析和检测方面也作了大量的探索。本文主要介绍木材材性分析的重要性、近红外光谱技术的基本原理和特点,国内外林业科技工作者在辐射松、蓝桉、火炬松和粗皮桉等不同树种木材的抗弯强度、抗弯弹性模量、密度和压缩强度等物理力学性质检测方面所做出的贡献和取得的进展,通过介绍可以看出NIR技术具有很大的潜能,它可以快速、准确的获悉木材的性质,从而对木材进行科学合理的利用。     

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。     

应用近红外光谱技术预测进口辐射松木材抗压和抗弯性能

以进口辐射松（Pinus radiata）木材为研究对象,探究应用近红外光谱技术预测辐射松木材抗压和抗弯性能的可行性,比较不同切面采谱、不同光谱预处理方法以及不同谱区波段的建模效果。结果表明,用弦切面的光谱建立的校正模型精度最高。原始光谱建立的校正模型精度较好,相关系数达0.85及以上,抗压强度模型在经过S-G卷积平滑处理后相关系数可提高到0.92。在全波段建立的校正模型效果最好。经外部验证,抗压强度、抗弯强度和抗弯弹性模量预测值与实测值相关性较高,相关系数达0.82及以上。研究结果可为辐射松木材的抗压和抗弯性能的快速评价提供新方法。     

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。     

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.     

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。     

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.     

近红外高光谱技术在亚美马褂木与其亲本木材鉴别中的应用

亚美马褂木(Liriodendron sion-americanum)是一种通过中国马褂木和北美鹅掌楸杂交培育获得的优良阔叶工业树种与园林绿化树种。相比于亲本,亚美马褂木具有生长更快、适应性更广、材性更优等特点。由于亚美马褂木和其亲本木材在外观上相似度较高,因此木材交易中常出现以次充好的问题,破坏了市场秩序。为解决亚美马褂木木材鉴别问题,降低木材鉴别误差,本试验基于近红外高光谱(NIR-HSI)技术,建立亚美马褂木和其亲本的木材快速无损鉴别方法。使用近红外高光谱仪采集了亚美马褂木、北美鹅掌楸和中国马褂木木材样品的光谱信息,建立偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)2种判别模型,比较了连续投影算法(successive projections algorithm, SPA)、SG平滑(S-G smoothing)、多元散射校正(multiplicative scatter correction, MSC)、归一化数据(Normalize)和标准正态变量变换(standard normal variate, SNV)5种预处理方法对建模的影响。试验结果表明：亚美马褂木与其...     

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。     

现代近红外光谱技术——人造板性能无损检测的新方法

文中介绍了现代近红外光谱技术原理、测试步骤、技术特点及在人造板性能测试中的技术及初步应用。     

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。     

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.     

近红外技术在土壤化学组分预测中的应用研究综述

近红外光谱分析技术是一种无损、快速和高效的现代分析技术,在土壤科学领域已有越来越广泛和深入的应用.本文对近红外技术的原理、测定过程、技术特点及其在土壤化学组分快速预测方面的研究进展进行总结,并指出近红外光谱分析技术在土壤科学领域现存的不足和未来的发展前景.     

基于近红外光谱技术的热处理竹材物理力学性能

探讨了近红外光谱(NIRs)技术对实现热处理毛竹分选和性能在线检测的可能性。采集了3种不同温度(150,180和210℃)热处理及未处理毛竹的径切面近红外光谱信息,应用主成分分析方法与偏最小二乘法对竹材进行分类,并建立了热处理竹材的材色、密度以及力学性能预测模型。结果表明:1)近红外光谱二阶导数谱图在7 004和6 452 cm-1等吸收带处很好地反映了竹材热处理对应化学成分的变化,表明了近红外光谱变化与化学成分变化的一致性,也说明了NIRs用于快速分析热处理竹材材性的可能性; 2)热处理竹材在主成分得分图中呈明显的聚类分布特征,说明了NIRs技术对于热处理竹材良好的分类能力; 3)材色预测模型的模型参数R2≥0.93、RPD均大于3.90,表现出了非常好的材色预测性能。气干密度、绝干密度以及抗弯强度预测模型的R2分别为0.83,0.85和0.82,RPD分别为2.42,2.59和2.34,能够满足竹材性能的评估精度要求。     

基于沙柳冠层可见-近红外光谱的热值预测

热值是灌木生物质能源利用的重要燃烧性能参数之一。针对传统实验室检测方法破坏性大、费时费力、无法实现大量样本的快速检测问题,探讨了沙柳冠层可见-近红外光谱(Vis-NIR)结合不同化学计量学方法预测沙柳热值的精度差异。采用标准正态变量变换(SNV)、归一化数据(normalize)、标准正态变量变换+归一化数据和第二代小波变换即提升小波变换(LWT)对冠层光谱进行预处理,采用偏最小二乘法(PLS)和卷积神经网络(CNN)构建了沙柳热值可见-近红外模型。同时,对比分析了鲸鱼优化算法(WOA)、麻雀搜索算法(SSA)和灰狼优化算法(GWO)对CNN模型参数的优化效果。结果表明：当采用db4小波进行5层分解后,其对沙柳冠层可见-近红外光谱的去躁效果最好,基于LWT-WOA-CNN法构建的沙柳热值可见-近红外模型的预测精度最优,校正模型的决定系数(R²)、均方根误差(RMSE)和相对分析误差(RPD)分别为0.852,0.103和2.599,RPD值较原始的PLS和CNN模型分别提高19.11%和76.80%。该研究可为沙柳生物质能源的高效、精细化利用提供技术支撑。     

基于近红外光谱技术对鹿茸鉴别方法的研究

通过对鹿茸和伪劣鹿茸近红外光谱的分析,选取信息量丰富的7000~4500cm-1区段的光谱作为分析对象,用PCA结合Fisher识别法建立针对鹿茸真伪的识别函数,实现了对鹿茸真伪的准确识别,其中定标集样本的识别准确率达到了98.3%,外部鹿茸样本验证集识别准确率达到了93.5%。