（如图2所示）；步骤（6)为：对径切面近红外光谱信息（数据）进 行预处理（对径切面的近红外光谱数据进行一阶导数预处理，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），取预处理后的径切面近红外光谱 信息中与步骤（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，得到径切面抗弯弹性模量的数学定量模型（决定系数R 2= 77. 58， 均方根误差RMSECV = 665,相对分析误差RPD = 2. 11)。
[0064] 运用建立的径切面抗弯弹性模量模型，测试经未处理的南方松木块，得到预测值 是4944MPa，实验室测定的该木块的抗弯弹性模量是4880MPa，偏差为-64. 1。
[0065] 实施例3 :
[0066] 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弦 切面的近红外光谱信息（如图3所示）；步骤（6)为对径切面近红外光谱信息（数据）进 行预处理（对径切面的近红外光谱数据进行一阶导数预处理，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，取预处理后的径切面近红外光谱信 息中与步骤（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，得到弦切面抗弯强度的数学定量模型（决定系数R 2= 70. 79,均方根误差 RMSECV = 14,相对分析误差 RPD = 1. 83)。
[0067] 运用建立的弦切面抗弯强度模型，测试经180°C (180°C X4h)热处理的南方松木 块，得到预测值（180°C X4h)是86.61MPa，实验室测定的该木块的抗弯强度为63. 3MPa，偏 差为_23. 3。
[0068] 对比例：
[0069] 本对比例与实施例1的区别仅在于近红外光谱信息的预处理方法以及谱图不同：
[0070] 在步骤（6)中木材横切面抗弯强度近红外光谱信息的预处理方法为：最小-最大 归一化方法，得到的抗弯强度的数学定量模型（决定系数R 2= 76. 82,均方根误差RMSECV =12. 6,相对分析误差RPD = 2. 08)，利用此方法测试经180°C (180°C X4h)处理的南方松 木块，得到预测值（180°C X4h)是61.02MPa，实验室测定的该木块的抗弯强度是34.8MPa， 偏差为-26. 2。
[0071] 在步骤（7)中木材横切面抗弯弹性模量近红外光谱信息的预处理方法为：一阶导 数与减去一条直线，得到的抗弯弹性模量的数学定量模型（决定系数R 2= 57. 67,均方根误 差RMSECV = 971，相对分析误差RPD = 1. 54)，利用此方法测试经未处理的南方松木块，得 到预测值是5112MPa，实验室测定的该木块的抗弯弹性模量是5350MPa，偏差为238。
[0072] 虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在 本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因 此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
【主权项】
1. 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，其特征在于，包括 以下步骤： (1) 将木材处理成纤维方向为300~380mm，半径方向为18~20mm，弦切方向为18~ 20_的若干个木条并编号，木条各面平整； (2) 将处理好的木块部分或全部进行热处理； (3) 测定木条的破坏载荷； (4) 取进行过破坏载荷后的木条，在靠近破坏处截取18~20mmX18~20mmX18~ 20mm的木块，测定该木条的含水率；根据同一木条的破坏载荷和含水率得到该木条的抗弯 强度和抗弯弹性模量，抗弯强度和抗弯弹性模量与木条编号一一对应； (5) 取步骤（4)进行过含水率测定后的木条，采集木条横切面、径切面或弦切面的近红 外光谱信息； (6) 建立抗弯强度或/和抗弯弹性模量数学定量模型：对横切面、径切面或弦切面近红 外光谱信息进行预处理，取预处理后的横切面、径切面或弦切面近红外光谱信息中的任意 一种与步骤（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。2. 根据权利要求1所述的数学模型的构建方法，其特征在于，步骤（1)将木材处理成纤 维方向300mm，半径方向20mm，弦切方向20mm的木条。3. 根据权利要求1所述的数学模型的构建方法，其特征在于，步骤（2)将处理好的 木块平均分为四部分，其中一部分不经过热处理，剩余的三部分分别进行120°CX4h、 180°CX4h、220°CX4h热处理。4. 根据权利要求I任一项所述的数学模型的构建方法，其特征在于，步骤（5)采集木条 横切面的近红外光谱信息。5. 根据权利要求1-4任一项所述的数学模型的构建方法，其特征在于，步骤（6)中横切 面近红外光谱信息的预处理方法为利用OPUS软件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，9-17点平滑处理，3-10个主成分数，运用偏最小二 乘法和交叉检验方法； 步骤（6)中径切面近红外光谱信息的预处理方法为：对径切面的近红外光谱数据进行 矢量归一化预处理，选取谱区范围，9-17点平滑处理，3-10个主成分数，运用偏最小二乘法 和交叉检验方法； 步骤（6)中弦切面近红外光谱信息的预处理方法为：对弦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，9-17点平滑处理，3-10个主成分数，运用偏 最小二乘法和交叉检验方法。6. 根据权利要求5所述的数学模型的构建方法，其特征在于，步骤（6)中横切面近红外 光谱信息的预处理方法为利用OPUS软件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； 步骤（6)中径切面近红外光谱信息的预处理方法为对径切面的近红外光谱数据进行 矢量归一化预处理，选取谱区范围，17点平滑处理，9个主成分数，运用偏最小二乘法和交 叉检验方法； 步骤（6)中弦切面近红外光谱信息的预处理方法为对弦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，3个主成分数，运用偏最小 二乘法和交叉检验方法。7. 根据权利要求1-6任一项所述的数学模型的构建方法，其特征在于，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。8. 利用权利要求1-7的方法构建的数学模型。9. 权利要求8的数学模型在预测热处理木材力学强度中的应用。10. 根据权利要求9所述的应用，其特征在于，热处理木材力学强度的预测方法包括以 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。
【专利摘要】本发明涉及近红外光谱技术，特别涉及一种热处理木材力学强度的预测方法。该方法包括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和用该数学模型进行预测两部分，其中数学模型的构建包括以下步骤：(1)将木材处理成木条；(2)将处理好的木条进行热处理；(3)测定木条的破坏载荷；(4)计算木条的抗弯强度和抗弯弹性模量；(5)采集木条的近红外光谱信息；(6)建立抗弯强度或/和抗弯弹性模量数学定量模型。本发明提供的热处理木材力学强度预测的方法，能够实时、在线对热处理木材进行力学强度评价。
【IPC分类】G01N21/3563, G01N21/359
【公开号】CN104931450
【申请号】CN201510179491
【发明人】张文博, 仝莉
【申请人】北京林业大学
【公开日】2015年9月23日
【申请日】2015年4月15日