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。     

近红外光谱法测定毛竹综纤维素的含量研究

研究了用近红外光谱(NIR)结合多变量统计分析技术对毛竹综纤维素含量的快速测定。用常规实验室方法测定了54个竹材样品的综纤维素含量,用近红外光谱仪采集相应样品的光谱,对原始光谱进行二阶导数和25点平滑预处理后,从54个竹材样品中挑选41个代表性的样品建模,选择1011~1675nm和1930~2488nm波段区间,用偏最小二乘法(PLS1)和完全交互验证方式建立毛竹综纤维素含量的预测模型。结果表明,毛竹综纤维素含量和近红外光谱之间存在非常好的相关性,预测模型的相关系数(RP)为0.95,预测模型的标准偏差(SEP)为0.76%。     

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.     

无患子果皮皂苷含量近红外光谱检测研究

为建立无患子(Sapindus mukorossi Gaertn.)果皮皂苷含量的快速检测模型,结合高效液相色谱法(HPLC),对采自浙江省天台县145份无患子果皮的皂苷含量进行检测。并依据近红外吸收光谱与HPLC测定数据的相关性,建立2个果皮皂苷含量估测模型,并对模型的准确性进行预测和评价。结果表明:A组(完整果皮)和B组(粉末状果皮)光谱数据分别基于SNV+1stderivative和MSC+1st derivative预处理法并利用PLS构建的光谱模型表现最佳,模型可靠性最强,预测精度最高,其中B组光谱数据建立的模型预测效果明显优于A组。基于A组和B组建立的模型与HPLC法的测量结果相关系数分别为0.654和0.993,预测标准偏差分别为0.982和0.294。以B组样品建立的模型基本可以代替HPLC法使用,而以A组样品建立的模型可用于测定精度要求不高、比较珍贵或样品量较少的样品。     

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。     

基于偏最小二乘法的近红外光谱定量分析模型测定八角茴香中莽草酸含量

采用偏最小二乘法(PLS)建立测定八角茴香中莽草酸含量的近红外(NIR)光谱定量分析模型.应用多种光谱预处理方法分别对八角茴香固体粉末样品的NIR光谱进行预处理,并采用预处理后的光谱建立定量分析模型,每个模型均经过选择最有效的光谱区域和最适主因子数进行优化.经过比较各个模型的内部交互验证均方根误差(RMSECV)和交互验证预测值与真实值间的相关系数(RV),外部预测均方根误差(RMSEP),选取最优的模型,结果表明定量分析模型稳健性好和测定精度高,在中药有效成分定量分析方面有很好的应用前景.     

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。     

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。     

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。     

基于OSC的土壤全氮近红外光谱测定

采集农田、林地和盐碱地不同类型的土壤样本,采用偏最小二乘法结合OSC方法建立土壤有机质反演模型,运用交叉验证和外部验证相结合的评价方法进行比较分析。结果显示：采用平滑＋MSC＋OSC方法对光谱进行预处理,可以提高预测模型的精度。OSC因子个数和PLS主因子个数分别为6和4时,交叉验证决定系数R2为0.990 1,均方根误差为0.297 5,外部验证决定系数R2为0.926 1,均方根误差为0.283 6,模型达到最优。表明对光谱进行OSC预处理后建模是可行的,OSC降低与浓度阵无关的光谱信号,并且减少建立模型的主因子个数,进一步提高模型的精度和稳定性。     

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.     

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。     

Use of Near Infrared Spectroscopy to Measure Mechanical Properties of Solid Wood

The visible and near infrared （NIR） （350-2500 nm） spectra and the MOE of 438 small clear wood samples from Chinese fir, eucalyptus and poplar 72 were measured. Using partial least-square （PLS） modeling, the NIR spectra could be used to predict MOE and MOR of the clear-wood samples from Chinese fir and eucalyptus solid wood. NIR spectra could only be used to Predict MOE but not MOR of poplar clear-wood samples. With the exception of MoR of poplar clear-wood samples, the correlations between NIR and the mechanical properties are very strong, and the calibration and test correlation coefficients are both above 0.80.     

桉树材性性状近红外预测模型的建立

试验以采集的100份桉树不同组合杂交子代的木芯及木粉样品作为研究对象,以常规方法测定所取木材样品的木材密度、纤维长度和纤维宽度并用 Polychromix 手持式近红外仪采集了自然风干状态木粉的近红外光谱信息。光谱数据的处理及建模用 Unscrambler 9.7软件完成。建模结果显示：木材密度、纤维长度和纤维宽度的预测精度均可达90%以上。建模过程中,木材密度较纤维长度和纤维宽度所需的校正样本集数量要多,说明要达到一定的预测精度,纤维长度和纤维宽度其所建模型的预测范围会相应变小。