均方根误差、及相对分 析误差比径切面、弦切面建立的模型较好。因此，优选地，步骤（6)对横切面近红外光谱信 息（数据）进行预处理，取预处理后的横切面近红外光谱信息与步骤（4)得到的抗弯强度， 应用OPUS软件，联立，采用化学计量学的方法，对数据信息进行处理归纳，得到抗弯强度的 数学定量模型。
[0032] 通过三个切面进行比较发现，横切面建立的模型决定系数、均方根误差、及相对分 析误差比径切面、弦切面建立的模型较好。因此，优选地，步骤（6)对横切面近红外光谱信 息进行预处理，取预处理后的横切面近红外光谱信息与步骤（4)得到的抗弯强度或/和抗 弯弹性模量，应用OPUS软件，联立，采用化学计量学的方法，对数据信息进行处理归纳，得 到抗弯强度或/和抗弯弹性模量的数学定量模型。
[0033] 具体的，步骤（6)建立数学定量模型的步骤为：0PUS软件中打开建立定量模型方 法窗口，添加光谱，调入测得的近红外光谱谱图，在"组分"子窗口点击添加组分按钮，更改 组分的名称和单位（比如：名称抗弯强度，单位为MPa)，完成后"组分"将会出现在光谱条栏 的后面，输入各木条力学强度（抗弯强度或抗弯弹性模量）的测定值，参考建立模型软件操 作界面，设置预处理方法及谱图范围，进行优化，选取决定系数、均方根误差较好的一组，选 择该组优化的条件，进行检验，得出图表。图表中出现红色点说明该数据为异常值，需要剔 除，双击红色数据点，其变黑表示预剔除。模型建立完善后，进入"保存方法"子窗口，点击 "保存方法"按钮，保存该模型方法。
[0034] 本发明以南方松为原料，采用近红外光谱技术开发了预测热处理木材力学强度的 新技术。木材经热处理常常伴随着其组成化学成分的热降解，特别是半纤维素的降解。半 纤维素降解将导致木材吸湿性基团的减少，木材的吸湿润胀性能降低，从而提高了木材的 尺寸稳定性；其次，半纤维素的降解也会导致绝大多数木腐菌失去营养源，从而使木材防腐 性得到提高。但是，伴随着半纤维素的降解，热处理木材的力学强度同时会发生降低。因 此，评价热处理木材力学强度与热处理温度的关系是木材热处理技术开发及设计人员合理 使用木材的关键。
[0035] 本发明的技术方案还包括利用本发明的方法构建的数学定量模型，及其在预测热 处理木材力学强度中的应用。
[0036] 具体的，数学定量模型在预测热处理木材力学强度中的应用方法包括以下步骤： 在OPUS软件中，分别调入抗弯强度或/和抗弯弹性模量的数学定量模型，输入未处理或经 过任意温度热处理的木材的近红外光谱，可分别得到相应条件下木材的抗弯强度或/和抗 弯弹性模量的预测值。此处的相应条件指的是与输入的热处理木块所经过的热处理的温度 和时间相同。
[0037] 对同一品种的木材（例如南方松），只需要建立一套抗弯强度或/和抗弯弹性模量 数学定量模型，就能通过测量木材的近红外光谱的信息，对热处理后木材的力学强度进行 预测。
[0038] 本发明提供的数学定量模型，能够实时、在线对热处理木材进行力学强度评价，解 决了利用传统方法评价热处理木材力学强度耗时、耗材、耗力的不足，在热处理木材力学强 度评价方面实现快速、高效、无损和实用的特点。
【附图说明】
[0039] 图1为不同热处理温度木材横切面近红外谱图；
[0040] 图2为不同热处理温度木材径切面近红外谱图；
[0041] 图3为不同热处理温度木材弦切面近红外谱图；
[0042] 图4为近红外光谱热处理木材横切面抗弯强度模型预测值与实测值之间的关系。
【具体实施方式】
[0043] 以下实施例中木材力学性质均按照国标《木材抗弯强度试验方法》GB/T 1936. 1-2009或《木材物理力学试验方法总则》GB/T1928-2009进行，实施例用于说明本发 明，但不用来限制本发明的范围。
[0044] 实施例1
[0045] 基于近红外光谱的热处理木材力学强度的数学模型的构建方法，具体包括以下步 骤：
[0046] (1)样品预处理：将南方松处理成纤维方向为300mmX半径方向为20mmX弦切方 向为20mm的木条（共40个）；
[0047] (2)热处理：将处理好的木条分别置入电鼓风式烘干箱内，以水蒸气作为保护气 体，分别进行 120°C X4h、180°C X4h、200°C X4h 热处理；
[0048] (3)测定木条的破坏载荷（数据见表1中P_/N该栏）；
[0049] (4)取进行过破坏载荷后的木条，在靠近破坏处截取20mmX20mmX20mm的木块， 测定木条的含水率；根据破坏载荷和含水率得到对应木条的抗弯强度（MOR)和抗弯弹性模 量（MOE)，结果见表1 ;
[0050] 表1各木条抗弯强度（MOR)及抗弯弹性模量（MOE)数据
[0052] (5)采集近红外光谱：取步骤⑷的进行过含水率测定后的木条，利用德国布鲁克 带有RT-PbS检测器，内置镀金漫反射积分球的MPA型傅立叶变换近红外光谱仪，应用OPUS 7. 2软件，采用仪器中积分球漫反射模块采集木块横切面的近红外光谱信息，谱图与木条编 号 对应，如图1~图3所不；
[0053] (6)建立抗弯强度数学定量模型：对横切面的近红外光谱信息（数据）进行预处 理（具体的预处理方法为：对横切面的近红外光谱数据进行一阶导数和矢量归一化预处 理，选取谱区范围，17点平滑处理，10个主成分数，运用偏最小二乘法和交叉检验方法），取 预处理后的横切面近红外光谱信息与步骤（4)得到的抗弯强度，应用OPUS软件，联立，采用 化学计量学的方法，对数据信息进行处理归纳，得到抗弯强度的数学定量模型，决定系数R 2 =86. 63,均方根误差RMSECV = 9. 56,相对分析误差RPD = 2. 74。
[0054] (7)建立抗弯弹性模量数学定量模型：对横切面的近红外光谱信息（数据）进行 预处理（具体的处理方法为：对横切面的近红外光谱数据进行一阶导数和矢量归一化预处 理，选取谱区范围，17点平滑处理，8个主成分数，运用偏最小二乘法和交叉检验方法），取 预处理后的横切面近红外光谱信息与步骤（4)得到的抗弯弹性模量，应用OPUS软件，联立， 采用化学计量学的方法，对数据信息进行处理归纳，得到抗弯弹性模量的数学定量模型，决 定系数R 2= 81. 91，均方根误差RMSECV = 7. 3,相对分析误差RPD = 2. 35。
[0055] 为验证本发明提供的热处理木材力学强度的预测方法的正确性，现利用实施例1 得到的数学模型进行下列应用试验。
[0056] 应用例1 :
[0057] 在OPUS软件中，调入实施例1建立的横切面抗弯强度模型（决定系数R2= 86. 63， 均方根误差RMSECV = 9. 56,相对分析误差RPD = 2. 74)，测试经过180°C X4h热处理的南 方松木块的近红外光谱信息并输入，得到预测值（180°C X4h)是59.4MPa，实验室测定的该 木块的抗弯强度是59. IMPa，偏差为-0. 303,如图4所示。
[0058] 应用例2 :
[0059] 在OPUS软件中，调入实施例1建立的横切面抗弯弹性模量模型（决定系数R2 = 81. 91，均方根误差RMSECV = 7. 3,相对分析误差RPD = 2. 35)，测试经未处理的南方松木块 的近红外光谱信息并输入，得到预测值是5662MPa，实验室测定的该木块的抗弯弹性模量是 5686MPa，偏差为-24。
[0060] 应用例3 :
[0061] 在OPUS软件中，调入实施例1建立的横切面抗弯强度模型（决定系数R2= 86. 63， 均方根误差RMSECV = 9. 56,相对分析误差RPD = 2. 74)，测试经过220°C X4h热处理的南 方松木块的近红外光谱信息并输入，得到预测值（220°C X4h)是77.9MPa，实验室测定的该 木块的抗弯强度是76. 3MPa，偏差为-1. 6。
[0062] 实施例2 :
[0063] 本对比例与实施例1的区别仅在于步骤（5)中采用积分球漫反射模块采集木块径 切面的近红外光谱信息