温度变化对近红外光谱预测木材含水率的影响

为实现温度不稳定环境下木材含水率的近红外光谱检测,探究了不同温度下木材近红外光谱的变化规律及温度变化对近红外预测木材含水率的影响。对从林场采集的樟子松、水曲柳、大青杨和红松原木木块试样各75块,共计300块试样,进行了不同温度和含水率条件下的近红外光谱采集。采用单一温度下的校正集分别与各个温度下的验证集建立偏最小二乘含水率预测模型,探究温度变化对木材含水率模型预测准确性的影响。比较了不同光谱预处理的木材含水率预测温度全局模型。采集相同含水率下不同温度的近红外光谱数据,对光谱进行光谱平均、一次微分、主成分分析和偏最小二乘判别分析,以探究温度变化时,木材近红外光谱的变化规律。结果显示：（1）温度对木材样品光谱存在显著影响;主成分分析和判别分析表明不同温度下的样品有明显聚类趋势,温度判别准确率为96.1%。温度会影响木材的近红外光谱在特定波长吸收峰的位置及吸光度,在含水率相同的情况下,随着温度的升高,特定位置吸收峰有逐渐向高频波段转移的趋势且在零下低温时波峰移动变化更明显。（2）不同温度下的PLS含水率预测模型对温度变动的适应能力有差异,木材含水率预测模型更适应于检测与建模样本相同温度的样品。与单一温度模型相比,PLS温度全局模型对于温度变化具有很好的适应性和应用潜力,RMSEP低于大部分单一温度模型。基于SG平滑+多元散射校正+一次微分预处理联用的PLS含水率温度全局模型有较好的预测效果和温度适应性,RMSEP降为0.074。可见,温度变动是近红外法检测木材含水率的过程中不可忽视的扰动因素;基于光谱预处理的温度全局模型可以显著提高温度适用性。该研究可进一步促进近红外光谱技术在木材生产、加工过程中的应用。     

木材不同切面的近红外光谱信息与密度快速预测

用近红外光谱对木材密度进行了研究.发现木材三个不同切面(横切面、径切面、弦切面)的近红外光谱有较大的差异;结合偏最小二乘法(PLS),根据三个切面采集到的光谱数据与木材密度建立了校正模型,横切面预测集的相关系数r为0.94,径切面和弦切面分别为0.85和0.81.结果表明,从横切面采集到的光谱建立的预测模型效果最好.用该模型对随机抽取、未参与建模的15个样品的密度进行了预测,r2=0.977,标准偏差:STDEV=0.006.     

IPSO-BP木材绝干密度近红外光谱预测模型

木材密度决定着木材力学性能,是木材物理性能的重要指标之一。近年来,由于近红外光谱分析具有操作过程简单、方便、快速等优势,已有学者应用近红外光谱数据预测木材密度,但是,在实际应用中,数据集缺乏、光谱特征欠优、非线性拟合准确性低等问题还没有得到完全解决,木材密度预测模型的精度有待于进一步提升。木材密度中,木材的绝干密度相对稳定,测量结果相对精确,以柞木绝干密度预测为研究对象,通过采集不同含水率下的近红外光谱信息构建出适合不同含水率条件的绝干密度非线性预测模型。首先,选用德国INSION公司的近红外光纤光谱仪,运用SPEC view 7.1软件对不同含水率的柞木样本采集光谱信息;然后,利用SPXY样本划分方法,按2∶1划分校正集与预测集,并利用多元散射校正、二阶导数光谱及S-G平滑方法进行光谱预处理,以减少散射光和高频噪声的影响;接着,运用连续投影算法(SPA)提取有效的波长信息;最后,运用一种非线性权重粒子群算法优化的BP网络(IPSO-BPNN)建立不同含水率状态下的近红外光谱与柞木绝干密度之间的关联,实现柞木绝干密度预测模型的构建。实验过程中,加工选取了100个柞木试件样本,在绝干条件下测量样本试件密度和光谱信息,并浸泡水中测量出不同含水率对应的光谱信息,实验结果表明:SPXY保证了校正集样本的均匀分布,提高了模型泛化能力; MSC、二阶导数和S-G卷积平滑相结合的方法抑制了原始光谱中噪声高频信号,同时使得峰值更加突出; SPA从117个光谱数据中优选出16个特征波长,提高了建模精度; IPSO-BPNN模型较SPA-PLS, BP和PSO-BP具有更高的相关系数,更小的均方根误差,柞木绝干密度预测相关系数为0.938,预测均方根误差为0.012 9,方法可以对木材密度在线无损测量提供一定的理论基础。     

近红外光谱法预测粗皮桉木材气干密度的影响因素分析

采用近红外光谱分析技术,对粗皮桉木材气干密度校正模型的影响因素进行比较研究.使用直接测量法测量了粗皮桉木材的气干密度,并用近红外光谱仪采集试样的近红外漫反射光谱,对不同切面、厚度、含水率和粗糙度的粗皮桉木材试样的原始光谱进行二阶导数预处理并选择一定光谱段建立回归模型.以50～140个试样作为校正集建立木材气干密度的偏最...     

不同含水率下木材尺寸变化的近红外光谱研究

木材和水分关系的研究一直以来都是木材学研究领域的重点课题。木材中水分含量变化会使木材产生干缩湿胀，进而影响其尺寸稳定性，这关系到木材的实际应用。一般认为，木材产生变形的根本原因是木材化学组分中多糖类物质所含羟基与水分形成氢键作用的结果，而近红外光谱对有机材料含氢基团具有高度的敏感性。利用这一特点，为了能够实现对木材尺寸变化的在线快速检测，应用近红外光谱(near infrared，NIR)探讨了不同含水率木材与其尺寸稳定性之间的相互关系并建立了木材尺寸变化预测模型。通过对不同含水率下木材三个切面进行近红外扫描得到光谱信息，结合化学计量学方法，建立基于偏最小二乘法的木材径、弦向尺寸变化率的近红外光谱模型，并采用交叉检验的方式对模型进行验证。结果表明：不同含水率条件下的木材径、弦向尺寸变化率与相应的近红外光谱有很高的相关性，说明可以通过近红外光谱来研究木材的尺寸变化；研究建立的木材径、弦向尺寸变化模型的相关系数都大于0.90，均具有比较好的适用性；通过比较横切面上建立的径、弦向尺寸变化率模型，弦向好于径向。以上结果表明利用近红外光谱技术对木材的尺寸变化进行快速、准确的预测具有较好的可行性。     

水分对土壤近红外光谱检测影响的二维相关光谱解析

为了能进一步分析水分对土壤近红外光谱检测的影响,分别从三个地方(桃园堡、牧场和农大示范田)采集了三种土壤,经过筛、烘干后分别配制了含水率为20%,15%和10%的土壤,然后采用ASD公司的FieldSpec3光谱仪在保证其他检测条件不变的情况下,对不同含水率下不同采集地的土壤进行了检测,获得了其不同含水率下的动态光谱图。最后视水分为外部干扰,应用二维相关光谱的理论对其进行了分析。结果表明,在350~2 500nm波段范围内,三个不同采集地土壤的同步二维相关光谱图比较类似,都在2 210和1 929nm附近处出现较强的自动峰,在1 415nm附近处有较弱的自动峰;从三处自相关峰的密集程度来看,1 929nm处对应的官能团对水分最敏感,2 210nm处次之,1 415nm处最不敏感。该研究明确找出了水分对土壤近红外光谱检测影响的敏感波段和敏感程度,为今后消除水分影响建立抗水分干扰模型提供了依据。     

表面粗糙度对近红外光谱分析木材密度的影响

近红外(NIR)光谱技术是一种基于多元统计分析建立预测模型的定量分析技术,应用十分广泛,然而,近红外光谱分析结果的准确性会受到多种因素的影响.文章分析了木材表面粗糙度对近红外光谱预测木材密度的影响.结果表明,当待预测样品的粗糙度和建模样品的粗糙度一致时,分析结果较好;二者不一致时,分析误差较大.采用不同粗糙度样品建立混合预测模型,可以显著提高模型对粗糙度的适应性和稳健性.     

光谱预处理对近红外光谱预测木材纤维素结晶度的影响

木材纤维素结晶度是木质材料的一个重要性质,它与树木的生长特性、结构与化学组成均有密切关系,并对木材的杨氏模量、尺寸稳定性、密度和硬度等具有重要的影响,文章研究了利用近红外光谱结合多变量数据分析技术对人工林木材纤维素的结晶度进行预测的能力.本研究从人工林湿地松木粉试样的表面采集近红外漫反射光谱,并利用X射线衍射法测定了木材纤维素的结晶度.研究表明,采用一阶导数和二阶导数光谱预处理没有提高近红外模型的预测效果,而采用原始光谱的预测效果最好,预测值与X射线衍射测定值的相关系数r可以达到0.950,各项预测误差值较低,说明采用近红外光谱结合多变量数据分析方法建立的结晶度预测模型具有理想的预测能力.     

基于近红外光谱技术预测径/弦切面粗皮桉木材微纤丝角

采用近红外光谱分析技术,对不同切面粗皮桉木材的微纤丝角进行快速预测研究.使用X射线衍射仪测定了粗皮桉木材生长锥尤疵小试样的微纤丝角,并用近红外光谱仪采集试样的近红外漫反射光谱,对粗皮桉木材径切面和弦切面原始光谱进行二阶导数预处理并选择一定光谱段建立回归模型.以至少159个试样作为校正集建立木材微纤丝角的偏最小二乘法校正模型,使用交互验证法进行验证.结果表明,两个切面粗皮按木材的微纤丝角与近红外光谱之间有较好的相关性.利用近红外光谱分析方法可以实现不同切面粗皮桉木材无疵小试样微纤丝角的快速预测.     

水分对土壤有机质检测影响的光谱特性分析及抗水分干扰模型建立

土壤水分对光谱表现出很强的吸收性,且土壤水分与土壤有机质的吸收波段有重叠,因此土壤水分对土壤有机质的检测造成一定的干扰。为此做了以下工作:(1)采用可见近红外光谱仪在室内获取相同含水率下不同土壤动态光谱图;(2)通过对相同含水率下不同有机质含量的二维同步相关光谱图分析得出:当土壤为烘干土样时,600和1 660nm左右表征土壤有机质的波段出现强的自相关峰,但随着含水率的增加,这两个波段逐渐消失,由于受水分的影响,1 931,2 200和1 480nm均形成了强的自相关峰。说明水分会掩盖表征土壤有机质信息的波段,对土壤有机质检测造成干扰。(3)为了消除水分影响,提高模型对不同含水率下土壤有机质的预测精度,将田间近似最大含水率样本参与建模,采用偏最小二乘定量分析方法在550~650和1 610~1 710nm波段内建立了抗水分干扰土壤有机质预测模型,并对不同含水率的土壤有机质进行预测,结果表明:预测样本的相关系数为0.954,标准偏差为0.744%,标准差为0.844%,预测效果明显提高,说明此方法可减少水分对土壤有机质检测的影响。     

近红外光谱法同时测定葵花粕中油,蛋白质,水分和粗纤维

本文介绍了应用６２５０型近红外光谱仪和ＮＳＡＳ－ＰＣ软件测定葵花粕中油，蛋白质，水分和粗纤维的方法，首先应用回归分析建立起样品的近红外光谱与各成分含量之间的多元线性关系－即定标，然后对定标进行验证，结果表明近红外光谱分析法与可以取代标准化学进行葵花粕中成分含量的测定，并且具有快速，简便，无试剂污染的优点。     

近红外光谱法快速测定毛竹Klason木质素的含量

研究了用近红外漫反射光谱法对毛竹Klason木质素含量的快速预测.选取了代表不同竹龄、不同高度和横向不同位置的54个竹材粉末样品,用常规实验室方法测定了54个样品的Klason木质素含量,用近红外光谱仪漫反射方式在350～2 500 nm范围内采集相应样品的光谱,利用多变量统计分析软件建立样品木质素含量和光谱数据之间的相关性模型.结果表明,对原始光谱进行二阶导数预处理后,选择1 011～1 675 nm和1 930～2 488 nm波长区间,用偏最小二乘法(PLS1)和完全交互验证方式建立了的校正模型和预测模型的相关系数分别为0.99,和0.97,校正标准误差SEC=0.36%,预测标准误差SEP=0.59%,说明毛竹Klason木质素含量和近红外光谱之间存在非常好的相关性,用近红外光谱技术可以实现对竹材样品中Klason木质素含量的快速预测.     

基于近红外光谱的北方潮土土壤参数实时分析

选取中国北方潮土作为研究对象,探索利用近红外光谱分析技术分析土壤参数的可行性和可能性.从一块试验麦田共采集了150个土样,土样在采集回试验室后,在保持其原始状态的条件下利用傅里叶变换近红外光谱仪迅速测定了其近红外光谱.近红外光谱变量为原始吸收光谱和一阶微分光谱,分析的土壤参数有土壤水分、有机质和全氮的含量.对于土壤水分,在相关分析的基础上建立了一元线性模型,所采用的波长为1 920 nm,模型的相关系数达到0.937,模型可以直接用于土壤水分的实时预测.对于有机质和全氮含量建立了多元回归模型,有机质预测模型所采用的波长是1 870和1 378 nm,全氮预测模型所采用的波长则是2 262和1 888 nm.分析结果表明土壤有机质和全氮含量可以利用田间土样的近红外光谱特性进行分析和检测,建立的线性模型是有效的.     

近红外光谱技术快速识别针叶材和阔叶材的研究

对一种针叶材和一种阔叶材的横切面采集波长范围为780～2 500nm的近红外漫反射光谱,结合偏最小二乘判别分析法(PLS-DA)对针叶材杉木和阔叶材桉树快速识别的可行性进行了研究,结果表明:(1)利用近红外光谱结合PLS-DA法建立的识别模型对建模样品的识别正确率达到100%,识别模型预测的分类变量值与实际值之间相关系数r达到0.99,SEC为0.07;(2)即使采用短波区域780～1 100nm的近红外光谱也可以获得理想的识别结果(识别正确率为100%),识别模型的r也达到0.99,SEC为0.07;(3)利用近红外光谱建立的识别模型对未知样本的识别正确率都为100%,说明近红外光谱技术可以快速、准确识别针叶材和阔叶材,这为木材识别提供了一种新方法和技术,也为开发低成本的近红外光谱识别仪器提供了科学依据。