利用近红外光谱技术快速分析混合制浆木材树种比例的方法
【专利摘要】本发明公开了一种利用近红外光谱技术快速分析混合制浆木材树种比例的方法。该方法适用于检测两种不同木材混合制浆时各材种所占的质量分数，同时结合近红外技术快速无损分析的优势从而能够实现对制浆材材种信息的在线分析和过程控制。其方法为(1)将属于不同树种的纯种制浆木片粉碎并筛分出过20目筛的木粉，(2)将两种木粉按一定比例混合均匀配制成一系列标样并采集其近红外光谱，(3)利用化学计量学方法将标样的树种质量分数信息与其近红外光谱数据关联起来建立数学预测模型，(4)采用建立的数学预测模型对未知混合比例的样品近红外光谱数据进行分析，从而快速、准确地确定未知样品中各树种所占比例信息。
【专利说明】
利用近红外光谱技术快速分析混合制浆木材树种比例的方法
技术领域
[0001] 本发明涉及一种检测混合制浆木材中各树种比例信息的分析方法，尤其是利用近 红外光谱技术快速分析混合制浆木材树种比例信息的方法。
【背景技术】
[0002] 木材作为制浆造纸工业的主要原材料，其材性特征与终端产品质量关系密切。而 随着市场需求的扩大和优质木材资源逐渐紧缺，使用单一品种的优质木材原料制浆已无法 满足实际生产需求，因此采用多种木材纤维原料混合制浆造纸已成为必然，此外在收集、储 存、运输等过程中不同树种或不同产地的木材原料也会不断混合，由于不同材种间往往存 在较大差异，因此这些混合了不同材种的制浆原料其材性特征必然存在较大波动性和差异 性，最终会直接影响到纸浆性能及纸产品质量的稳定性。因此在生产过程中需要实时检测 混合原料的材种信息，根据材种和材性的变化及时调整工艺参数。
[0003] 在制浆造纸企业的实际生产过程中，制浆原料通常会选用两种不同材种的混合木 片，而根据木片供应商提供的信息，往往只能明确混合木片的树种信息，但对于各树种所占 比例，却没有有效的分析方法。
[0004] 近红外光谱(Near-infrared Spectroscop，NIR)属于分子光谱，当分子受到近红 外区域(780~2526nm)的电磁波辐射后，吸收特定频率的近红外光，使分子中原子的振动能 级和转动能级发生跃迀，从而形成吸收光谱，因此近红外光谱也可以称为近红外吸收光谱。 与常用作结构鉴定分析的中红外光谱不同，近红外光谱通常是作为一种快速分析测量手 段，通过已知样品信息的光谱数据构建模型，利用模型对待测样品进行分析，以提高常规定 性定量分析的效率。由于具有仪器操作简便、分析速度快，非破坏性和样品制备量小，适合 各类样品多组分多通道同时分析等优势，近红外光谱技术已被用于实时在线检测，质量监 控，过程控制等领域，在农副产品、石油、化工、食品等行业被广泛使用。在制浆造纸工业生 产过程中，近红外光谱技术适用于制浆原料材种和材性的在线监测，为调整工艺条件实时 反馈信息，实现对化学品用量和能耗的精确控制，从而提高工业生产效率并降低生产成本 和污染排放。
【发明内容】
[0005] 本发明的目的是提出一种利用近红外光谱技术快速分析混合制浆木材树种比例 的方法，该方法基于近红外光谱分析技术，可实现对制浆原料材种信息的在线检测和过程 控制分析，对实时调控工艺参数、提高工业生产效率具有重要意义。
[0006] 本发明采用的技术方法如下：
[0007] -种利用近红外光谱技术快速分析混合制浆木材树种比例的方法，包括以下步骤：
[0008] (1)将待检测的属于不同树种的两种纯种制衆木片分别粉碎并用振动筛筛分出木粉；
[0009] (2)测量木粉干度并将两种木粉按照一定绝干质量比例混合均匀配制成一系列已 知各树种质量分数的标准样品；
[0010] (3)利用近红外光谱仪采集各标样在4000cm i-lOOOOcm 1光谱区间的近红外光谱数据；
[0011] (4)利用化学计量学方法将各标样已知的树种质量分数信息与其近红外光谱数据 进行关联建立数学预测模型；
[0012] (5)采用数学预测模型对未知树种比例信息的混合木粉样品的近红外光谱数据进 行分析并确定未知样品中各树种所占比例信息。
[0013] 具体地，该方法适用于针叶材和阔叶材中任意两种木材混合制浆时对这两种木材 所占比例信息进行分析。如桉木、相思、杨木、杉木和马尾松等中的任意两种。
[0014] 优选地，步骤（1)中，用振动筛筛分过20目筛的木粉，这是因为如果木粉粒径过大 会对光谱采集造成干扰。
[0015] 优选地，步骤(2)中，标准样品配制时，以一种木材在样品中所占的绝干质量分数 来表征该样品的树种比例信息，要求配制树种比例信息从0 % -100 %的一系列标样，比例间 隔约为1%-3%。
[0016] 步骤(4)中，所述的近红外光谱数据为采用漫反射方式获得的吸光度值。
[0017] 所述的化学计量方法为一阶导数、二阶导数、多元散射校正、标准正态变换中的任 意一种或多种，同时基于偏最小二乘算法建立数学预测模型。以模型预测准确度、稳定性、 算法实现的难易程度、计算的复杂程度和普适性作为评判指标对几种常用的建模算法(如 多元线性回归、主成分分析回归、偏最小二乘回归、人工神经网络算法、支持向量机)进行对 比分析，最终选择偏最小二乘回归作为关联光谱数据和质量百分比数据的建模方法。
[0018] 有益效果:企业在确定选用某批次木片后，即会在此后相当一段时间内持续使用 该木片以保证生产的稳定性，而木片的材种一般也较为稳定。因此只需在该批次木片投入 生产之前，根据混合木片材种信息建立标准模型，即可在此后一段时间内实现对该批木片 材种比例信息的在线快速分析，不用每次检测时都重复做标准曲线。本发明该方法适用于 检测两种不同木材混合制浆时各材种所占的质量分数，同时结合近红外技术快速无损分析 的优势从而能够实现对制浆材材种信息的在线分析和过程控制，对实时调控工艺参数、提 高工业生产效率具有重要意义。同时，本发明通过对光谱数据的处理，包括样品制备、光谱 采集、模型建立和数据分析而建立的分析检测方法，该方法对不同种的木材均适用。
【附图说明】
[0019] 图1混合制浆材木粉样品近红外光谱图；
[0020] 图2标准正态变换+归一化处理后的光谱图；
[0021] 图3交互验证得到的PRESS图；
[0022]图4交互验证模型预测值和真实值的相关关系散点图；
[0023]图5外部验证模型预测值和真实值的相关关系散点图；
【具体实施方式】
[0024] 原料收集:分别收集纯种蓝桉和纯种马占相思的制浆木片，经筛选和风干后，把两 种木片分别置于原料粉碎机中进行粉碎，并用振动筛筛分出20目木粉。然后将两种木粉分 别置于封口袋中平衡水分并测量木粉干度。
[0025] 制备标样：将两种木粉按照一定绝干质量分数混合均匀配制成一系列从0%至 100% (以蓝桉质量分数表示)的标准样品，共计90个样品，具体配比信息见表1。 [0026] 表1样品配比信息
[0031]采集光谱:将配制好的木粉样品倒入样品杯中压紧实，然后用Antaris傅里叶近红 外光谱仪采集样品的近红外漫反射光谱。设定仪器参数及测量环境如下:采样光谱范围为 10000-4000〇^1;分辨率为8〇^ 1;采样点为1557;环境温度为20°(：-30°(：，环境湿度为20%-50%。每个样品重复装样3次，每次连续扫描64次然后取平均光谱作为该样品的光谱数据， 最后将所有光谱数据进行标准正态变换和归一化预处理，图1和图2分别是样品近红外光谱 图和经预处理后的光谱图。
[0032]建立模型：从90个样品中随机抽取70个作为训练集，训练集样品的光谱数据用于 建立预测模型，其余20个样品作为测试集，测试集样品的光谱数据不参与建模，只用于对所 建模型进行外部验证。确定样本集后，通过偏最小二乘算法将训练集样品的光谱数据和样 品中蓝桉所占质量分数进行关联，经回归分析建立数学预测模型。建模过程中模型潜变量 数是模型的重要参数，可通过交互验证方法(cross validation)来确定最佳参数。在本例 中其具体做法是:对某一潜变量数，从70个训练集样品中选取10个作为预测，用余下的60个 样品建立校正模型，来预测这10个样品。然后再从这70个训练集样品中另外选取10个作为 预测，重复上述过程。经反复建模及预测，直至这70个样品均被预测一次且只被预测一次， 则得到对应这一潜变量数的预测残差平方和（Prediction Residual Error Sum of Squares，PRESS)，
[0034] (yi为真实值，贫为预测值，n为训练集样品数）。最后以PRESS值对各潜变量数作图 (PRESS图）的方式确立最佳潜变量数。图3为潜变量数在1-30之间的PRESS图。从图3中可看 出PRESS值随着潜变量数的增加迅速降低，表明潜变量数越大则模型预测性能越好，当潜变 量数为13时，PRESS值达到最低点，此后又开始出现微小上升或波动，说明在这点以后，加入 的主成分是与被测组分无关的噪声成分，因此最终确定最佳潜变量数为13。
[0035]模型验证：用训练集样品通过交互验证的方式对模型的预测性能进行评估。模型 交互验证均方根误差SECV、模型交互验证决定系数RCT2作为评价指标。各评价指标的值在表 2中列出，图4为模型预测值和真实值的相关关系散点图，从图表可看出，潜变量数为13时， 模型SECV为0.0265，R CT2为0.9966，模型整体预测性能较好。
[0038] (71为真实值，务为训练集交互验证过程中的预测值，爲为真实值的平均值，n为样 品数）
[0039]表2模型交互验证评价指标
[0041]使用测试集样品对模型进行外部验证。表3是模型预测值、真实值、绝对偏差、相对 偏差的比较。以模型预测均方根误差SEP、模型预测相关系数RP2、相对分析误差RH)作为评价 指标，各评价指标的值在表4中列出。图5为模型预测值和真实值的相关系数散点图。从图表 的结果可看出，外部验证的SEP为0.0320，R P2为0.9902，RH)值为10.11，表明模型的预测的范 围较广，且预测性能非常好，完全能够满足对混合制浆材材种比例信息的快速预测分析。
[0045] (71为真实值，氧为测试集预测过程中的预测值，为真实值的平均值，n为样品数， SD为测试集标准偏差）
[0046] 表3预测模型对测试集样品的预测值与真实值比较
[0049]表4模型外部验证评价指标
【主权项】
1. 一种利用近红外光谱技术快速分析混合制浆木材树种比例的方法，其特征在于，包 括以下步骤： (1) 将待检测的属于不同树种的两种纯种制浆木片分别粉碎并用振动筛筛分出木粉； (2) 测量木粉干度并将两种木粉按照一定绝干质量比例混合均匀配制成一系列已知各 树种质量分数的标准样品； (3) 利用近红外光谱仪采集各标样在^OOcnfllOOOOcnf1光谱区间的近红外光谱数据； (4) 利用化学计量学方法将各标样已知的树种质量分数信息与其近红外光谱数据进行 关联建立数学预测模型； (5) 采用数学预测模型对未知树种比例信息的混合木粉样品的近红外光谱数据进行分 析并确定未知样品中各树种所占比例信息。2. 根据权利要求1所述的方法，其特征在于，该方法适用于对针叶木和阔叶木中的任意 两种木材混合制浆时对这两种木材所占比例信息进行分析。3. 根据权利要求1所述的方法，其特征在于，步骤（1)中，用振动筛筛分过20目筛的木 粉。4. 根据权利要求1所述的方法，其特征在于，步骤(2)中，标准样品配制时，以一种木材 在样品中所占的绝干质量分数来表征该样品的树种比例信息，要求配制树种比例信息从 0%-100%的一系列标样，比例间隔约为1%-3%。5. 根据权利要求1所述的方法，其特征在于，步骤(4)中，所述的近红外光谱数据为采用 漫反射方式获得的吸光度值。6. 根据权利要求1所述的方法，其特征在于，所述的化学计量方法为一阶导数、二阶导 数、多元散射校正、标准正态变换中的任意一种或多种，同时基于偏最小二乘算法建立数学 预测模型。
【文档编号】G01N21/3563GK106053380SQ201610347477
【公开日】2016年10月26日
【申请日】2016年5月24日
【发明人】梁龙, 房桂干, 吴珽, 施英乔, 邓拥军, 沈葵忠, 丁来保, 韩善明, 李红斌, 焦健, 盘爱享, 梁芳敏, 张华兰, 林艳, 田庆文, 冉淼
【申请人】中国林业科学研究院林产化学工业研究所