木材中的水分及其近红外光谱分析

水分是木材的重要特征之一,用近红外光谱分析木材性质,必须考虑水分对预测结果的影响。文章分析了不同含水率状态下木材在近红外光谱区的吸收特性;用近红外光谱法预测木材中的水分含量,相关系数为0.99,校正标准偏差SEC和预测标准偏差SEP分别是0.041和0.043;通过在不同含水率(7%,12%,20%,30%,60%)状态下采集近红外光谱与固定含水率下的木材密度建立关联,结果表明,利用近红外光谱技术可以在不同含水率下采集近红外光谱来预测木材气干密度。     

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。     

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.     

木材表面光泽度的近红外漫反射光谱技术快速测定研究

表面光泽度是天然高分子材料(如木材)及其制品的重要视觉参数之一,实现天然高分子材料及其制品表面光泽度的快速测定对其表面质量的在线控制与评价具有重要意义。为了实现近红外光谱技术对木材表面光泽度的快速测定以及拓宽近红外光谱技术在高分子材料表面质量控制领域的应用,本研究利用近红外光谱技术结合偏最小二乘法对天然高分子材料木材表面光泽度的模型预测值与实测值的相关性进行研究,探讨了近红外漫反射光谱技术快速测定天然高分子材料木材表面光泽度的可行性。结果表明:(1)木材表面光泽度与其近红外漫反射光谱密切相关,说明木材表面近红外光谱特征中包含表面光泽度的信息;(2)通过偏最小二乘法建立木材表面光泽度的近红外光谱预测模型,模型对木材表面光泽度的预测值与实测值的相关系数可达0.90;(3)通过改变采谱光纤与木材样品表面的夹角获得不同的漫反射光谱数据,分别建立不同的木材表面光泽度预测模型发现,采集光谱的光纤与样品表面的角度变化对结果影响不显著,光纤与样品表面夹角为90°时的结果相对较好。     

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。     

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...     

近红外光谱技术检测植物木质素纤维素研究进展

近红外光谱技术可用来检测植物木质素、纤维素及半纤维素含量,与传统的湿化学方法相比具有快速、操作简单、准确、无损等优点,是一种新型的测定方法,近年来在检测木本植物及草本植物木质纤维素组成成分中被广泛应用。综述了国内外利用近红外光谱技术快速检测木本植物(用作造纸原料的木材、竹材以及潜在的可用作生物质能源的木材)及草本植物(饲草及草类能源植物)木质素、纤维素、半纤维素含量的研究进展,并从样品前处理、光谱预处理及波长选取方法、化学计量学方法三个方面对利用近红外光谱技术快速检测植物木质素、纤维素方法研究上的进展进行了总结,并结合国内木材、牧草及能源草行业发展现状提出了四点展望: 建立适用性更强的模型;建立全面的草产品品质指标近红外光谱数据库;建立能源植物能用品质指标相关模型并对建模方法进行进一步的探索和完善;推动应用近红外光谱技术检测植物木质纤维素的方法从实验阶段走向实际应用。随着对近红外光谱检测植物木质纤维素方法的不断成熟和完善,它必将对造纸、饲草及能源草行业的发展产生巨大的推动作用。     

利用近红外光谱技术预测粗皮桉木材弹性模量

采用近红外光谱分析技术,对粗皮桉木材弹性模量进行了快速预测研究.使用快速傅里叶变换(FFT)分析法和常规力学测试方法测定了粗皮桉木材无疵小试样的弹性模量,并用近红外光谱仪采集试样径切面和弦切面的近红外漫反射光谱,对原始光谱进行二阶导数预处理,并选择410～2 480 nm光谱段建立回归模型.以2/3的试样作为校正集建立弹性模量的偏最小二乘法校正模型,以1/3/的试样作为预测集对模型进行验证.结果表明,粗皮桉木材的弹性模量与近红外光谱之间有较好的相关性,纵向弹性模量和抗弯弹性模量的预测模型的相关系数分别为0.93和0.81,相对分析误差分别为2.70和1.71.利用近红外光谱分析方法可以实现对粗皮桉木材无疵小试样弹性模量的快速预测.     

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350～2500 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1 011～1675 nm和1930～2488 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。     

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780～2 500 nm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780～1 100 nm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。     

杉木综纤维素和木质素的近红外光谱法测定

用近红外光谱法对杉木中综纤维素和木质素含量进行了快速测定。用常规湿化学方法测定了48个杉木木材样品的综纤维素和木质素,用近红外光谱仪采集相应的光谱,进行二阶微分处理和平滑预处理后,用偏最小二乘法和完全交互验证方式建立相应预测模型。综纤维素校正模型和预测模型的相关系数分别为0.96和0.93;预测标准误差分别为0.39和0.50;木质素校正模型和预测模型的相关系数分别为0.99和0.90;预测标准误差分别为0.10和0.28。结果表明,近红外光谱法可以快速分析木材中综纤维素和木质素含量。     

基于SVM算法的近红外光谱技术在鱼糜水分和蛋白质检测中的应用

采用支持向量机(support vector machine,SVM)建立了鱼糜样品中水分和蛋白质含量的近红外光谱校正模型,并采用独立样本集进行了预测。光谱数据经间隔两点一阶导数(DB1G2)、标准正态变换(SNV)、多元散射校正(MSC)相结合的方法预处理后,用偏最小二乘(PLS)降维处理,取前15个投影变量为自变量。获得水分模型的校正相关系数R_c、预测相关系数R_v、定标标准差SEE、预测标准差SEP; 蛋白质模型的校正相关系数R_c、预测相关系数R_v、定标标准差SEE、预测标准差SEP,有较好的预测准确性。基于SVM算法的近红外光谱技术可用于鱼糜水分和蛋白质含量的快速检测。