一种基于近红外识别桉木和相思木属间树种的方法
【技术领域】：
[0001] 本发明是一种识别桉木和相思木属间树种的方法，尤其是一种基于近红外识别桉 木和相思木属间树种的方法。
【背景技术】：
[0002] 制浆造纸工业中，常选用桉木和相思木作为原料，但原料购买时往往不标注具体 树种，故而无法按树种确定材性从而选取适当的工艺参数。而传统的树种识别将样品木材 的化学成分含量、颜色、气味等作为识别依据或者通过制作木材显微切片来观察其结构特 征，再通过对照检索表来确定树种，其方法复杂、费时且成本高。
[0003] 近红外光谱位于可见光区和中红外光区之间，属于分子振动光谱，产生于共价化 学键非谐能级振动，是非谐振动的倍频和组合频，对于含氢基团如含C一H、0- H、N- H的物 质都会产生近红外光谱。因此采集在组成或者性质分布上具有代表性的样品，测定其近红 外光谱的同时，采用标准分析方法或有关参考分析方法测定其性质；然后采用多元校正方 法将样品近红外光谱与样品性质数据进行关联，建立二者之间的定量关系；根据此定量关 系，可以进行预测分析。近年来近红外光谱技术广泛应用于分析农产品、石化产品、高分子 材料等有机物质的组成、物理性质、化学性质和形态性质等，有着高效、无损，适宜多通道并 行且可远程控制的优点。
[0004] 通常同类样品近红外光谱的吸光度值相差不大且光谱具有复杂性，通过人眼很难 直接看出样品之间的差异。在近红外光谱定性分析中，往往通过计算机软件及化学计量学 算法来分离并提取近红外光谱信息特征。目前，近红外定性分析根据其结果类型可分为两 类：一是相似性分析，是一种用来描述类与类或样本与样本之间相似关系的分析方法，该分 析方法不能单独对一个样品进行分析，常用的相似性分析方法包括簇类独立软模式法，系 统聚类法等；二是模式判别分析，该种方法是通过算法先建立一个识别模型，再用该模型来 判别未知样品的归属情况。利用主成分分析建立识别模型，可以高效识别桉木和相思木属 间树种，满足了制浆造纸工业中原料分类及识别方面的需求，为制浆工艺参数的在线调整 提供了可能。
【发明内容】
：
[0005] 本发明的目的是为了解决制浆造纸工业中无法满足实际需求进行原料树种识别 的问题，提供了一种基于近红外识别桉木和相思木属间树种的方法，可以快速高效的进行 识别。
[0006] 本发明采用的技术方案：一种基于近红外识别桉木和相思木属间树种的方法，步 骤是：
[0007] 第一步，采集常见桉木和相思木属间树种的木片；
[0008] 第二步，将木片置入粉碎机中磨成木粉作为样本；
[0009] 第三步，采集各样本的近红外光谱数据；
[0010] 第四步，对样本近红外光谱数据进行预处理，并分为训练集和预测集；
[0011] 第五步，运用主成分分析法提取训练集样本光谱数据的主成分，建立识别模型；
[0012] 第六步，用已知具体树种的预测集样本检验模型的识别能力。
[0013] 所述常见桉木和相思木属间树种为尾巨桉、尾叶桉LH1、尾叶桉U6、蓝桉、马占相 思、厚荚相思。
[0014] 所述木粉粒径在0· 25~0· 38mm之间。
[0015] 所述近红外光谱数据为利用近红外光谱仪采用漫反射方式获得的吸光度值，扫描 范围为1600~2400nm，分辨率为8cm、
[0016] 第三步所述采集方法为每个样本采集3次光谱，取平均光谱数据作为样本的原始 近红外光谱数据。
[0017] 第四步所述预处理方法为多元信号校正和Savitzky-Golay平滑。
[0018] 第五步所述识别模型建立过程主要为：基于主成分分析法建立样本分类变量与光 谱数据之间的相关关系，并通过交互验证的方式确定建模过程中提取的最佳主成分数，然 后根据此最佳主成分数建立识别模型。
[0019] 第六步所述识别能力用马氏距离表征，并设定样本距离真实类别的马氏距离最小 且小于3. 00为通过验证。
[0020] 有益效果
[0021] 通过识别模型可以快速高效地识别桉木和相思木属间树种，这满足了制浆造纸工 业中原料分类及识别方面的需求，为制浆工艺参数的在线调整提供了可能。
【附图说明】：
[0022] 图1为桉木和相思木六种常见属间树种分类的三维图。
【具体实施方式】：
[0023] -种基于近红外识别桉木和相思木属间树种的方法。其步骤如下：a.采集常见桉 木和相思木属间树种的木片；b.将木片置入粉碎机中磨成木粉，截取能通过0. 38mm筛孔 (40目）而不能通过0· 25mm筛孔（60目）的细末作为样本；c.采集各样本的近红外光谱； d.对样本近红外光谱进行预处理，并将其分为训练集和预测集； e.运用主成分分析法提取 训练集样本光谱数据的主成分并据此建立识别模型；f.用已知具体树种的预测集样本检 验模型的识别能力。
[0024] 所述步骤a中桉木和相思木属间树种包括尾巨桉、尾叶桉LH1、尾叶桉U6、蓝桉、马 占相思、厚荚相思六种。
[0025] 所述步骤b中木粉粒径在0. 25~0. 38mm之间，能通过40目筛孔而不能通过60 目筛孔。
[0026] 所述步骤c中近红外光谱数据为利用近红外光谱仪采用漫反射方式获得的吸光 度值，扫描范围为1600~2400nm，分辨率为8cm %采集方法为每个样本采集3次光谱，取其 平均光谱数据作为样本的原始近红外光谱数据。
[0027] 所述步骤d中预处理方法为多元信号校正和Savitzky-Golay平滑。
[0028] 所述步骤e中建立识别模型的主要过程为：基于主成分分析法建立样本分类变 量与光谱数据之间的相关关系，并通过交互验证的方式确定建模过程中提取的最佳主成分 数，据此最佳主成分数建立识别模型。
[0029] 所述步骤f中识别情况用马氏距离表征，并设定样本距离真实类别的马氏距离最 小且小于3. 00为通过验证。
[0030] 实施例1
[0031] 米集尾巨桉、尾叶桉LH1、尾叶桉U6、蓝桉、马占相思、厚荚相思六种桉木和相思木 属间树种木片，将木片置入粉碎机中磨成木粉，截取能通过〇.38mm筛孔（40目）而不能通 过0.25mm筛孔(60目）的细末作为样本，共计86个。采集各样本原始近红外光谱数据并 利用多元信号校正和Savitzky-Golay平滑对原始近红外光谱数据进行预处理。将86个样 本分为训练集和预测集，其中训练集用于识别模型的建立，共70个样本；预测集用于模型 识别能力的验证，共16个样本。树种编号及样本选取情况见表1。
[0032] 表1树种编号及样本选取
[0033]
[0034] 基于主成分分析法建立样本分类变量与光谱数据之间的相关关系，并通过交互 验证的方式确定建模过程中提取的最佳主成分数为9,此时前9个主成分的累计贡献率为 99. 5%。据此建立了 6种木材的识别模型，模型对训练集中6种属间树种的识别正确率为 100%，图1为三维分类效果图。利用识别模型对未参与建模的验证集样本进行分析，进一 步评估模型的可靠性，设定样本距离真实类别的马氏距离最小且小于3. 00为通过验证，最 终验证输出结果见表2。可见模型验证通过率为100%，获得了较理想的预测结果。
[0035] 该识别模型能够高效准确地识别桉木和相思木属间树种，满足了制浆造纸工业实 现中原料分类及识别方面的需求，为制浆工艺参数的在线调整提供了可能。
[0036] 表2识别模型的验证结果
[0037]
【主权项】
1. 一种基于近红外识别桉木和相思木属间树种的方法，其特征是，步骤是： 第一步，采集常见桉木和相思木属间树种的木片； 第二步，将木片置入粉碎机中磨成木粉作为样本； 第三步，采集各样本的近红外光谱数据； 第四步，对样本近红外光谱数据进行预处理，并分为训练集和预测集； 第五步，运用主成分分析法提取训练集样本光谱数据的主成分，建立识别模型； 第六步，用已知具体树种的预测集样本检验模型的识别能力。2. 根据权利要求1所述的基于近红外识别桉木和相思木属间树种的方法，其特征是： 所述常见桉木和相思木属间树种为尾巨桉、尾叶桉LH1、尾叶桉U6、蓝桉、马占相思、厚荚相 思。3. 根据权利要求1所述的基于近红外识别桉木和相思木属间树种的方法，其特征是： 所述木粉粒径在〇. 25~0. 38mm之间。4. 根据权利要求1所述的基于近红外识别桉木和相思木属间树种的方法，其特征是： 所述近红外光谱数据为利用近红外光谱仪采用漫反射方式获得的吸光度值，扫描范围为 1600 ~2400nm，分辨率为 8cm 1C35. 根据权利要求1所述的基于近红外识别桉木和相思木属间树种的方法，其特征是： 第三步所述采集方法为每个样本采集3次光谱，取平均光谱数据作为样本的原始近红外光 谱数据。6. 根据权利要求书1所述的基于近红外识别桉木和相思木属间树种的方法，其特征 是：第四步所述预处理方法为多元信号校正和Savitzky-Golay平滑。7. 根据权利要求1所述的基于近红外识别桉木和相思木属间树种的方法，其特征是： 第五步所述识别模型建立过程主要为：基于主成分分析法建立样本分类变量与光谱数据之 间的相关关系，并通过交互验证的方式确定建模过程中提取的最佳主成分数，然后根据此 最佳主成分数建立识别模型。8. 根据权利要求1所述的基于近红外识别桉木和相思木属间树种的方法，其特征是： 第六步所述识别能力用马氏距离表征，并设定样本距离真实类别的马氏距离最小且小于 3. 00为通过验证。
【专利摘要】本发明涉及一种基于近红外识别桉木和相思木属间树种的方法，它解决了当前制浆造纸工业中无法快速识别原料具体树种的问题。其步骤为：a.采集常见桉木和相思木属间树种的木片；b.将木片置入粉碎机中磨成木粉，截取能通过0.38mm筛孔而不能通过0.25mm筛孔的细末作为样本；c.采集各样本的近红外光谱；d.对样本近红外光谱进行预处理，并将其分为训练集和预测集；e.运用主成分分析法提取训练集样本光谱数据的主成分并据此建立识别模型；f.用已知具体树种的预测集样本检验模型的识别能力。
【IPC分类】G01N21/3563, G01N21/359
【公开号】CN105136738
【申请号】CN201510632351
【发明人】房桂干, 吴珽, 崔宏辉, 梁龙, 邓拥军
【申请人】中国林业科学研究院林产化学工业研究所
【公开日】2015年12月9日
【申请日】2015年9月29日