近紅外光譜信息提取及其在木材材性分析中的應(yīng)用研究.pdf

1、隨著我國(guó)經(jīng)濟(jì)、社會(huì)的快速發(fā)展,對(duì)木材的需求量日益增加。為了緩解木材供需矛盾緊張的狀況,必須加快林木的定向培育、實(shí)現(xiàn)木材的高效利用。因此,尋求快速、準(zhǔn)確的木材性質(zhì)檢測(cè)方法,對(duì)于提高我國(guó)林木培育質(zhì)量、木材的遺傳改良以及木材的高效利用具有重要意義。
　　 近紅外光譜分析技術(shù)是一種新型的分析技術(shù),能夠快速、準(zhǔn)確地對(duì)固體、液體、粉末狀等有機(jī)物樣品的物理、力學(xué)和化學(xué)性質(zhì)等進(jìn)行無(wú)損檢測(cè)。它綜合運(yùn)用了現(xiàn)代光譜信息技術(shù)、計(jì)算機(jī)信息處理技術(shù)以及化學(xué)

2、計(jì)量學(xué)數(shù)據(jù)分析和多元校正技術(shù)最新研究成果,并使之融為一體,以其獨(dú)有的特點(diǎn)在眾多領(lǐng)域得到了廣泛應(yīng)用。近紅外光譜信息的特征提取及預(yù)測(cè)模型的建立是近紅外光譜分析的關(guān)鍵技術(shù),如何從復(fù)雜、重疊、變動(dòng)的光譜中提取有效光譜信息是影響近紅外光譜技術(shù)發(fā)展的重要問(wèn)題。
　　 論文在綜合分析了近紅外光譜信息產(chǎn)生機(jī)理的基礎(chǔ)上,對(duì)木材近紅外光譜的信息特征提取及其定量表示進(jìn)行了研究。以我國(guó)人工林杉木和桉樹(shù)近紅外光譜為信息源,對(duì)近紅外光譜信息的特征提取進(jìn)行了

3、定量分析,利用偏最小二乘法建立了杉木密度和桉樹(shù)木質(zhì)素含量預(yù)測(cè)模型,對(duì)比分析了不同光譜信息提取方法對(duì)所建模型的影響。
　　 論文主要研究?jī)?nèi)容包括:
　　 (1)以光譜二階導(dǎo)數(shù)數(shù)據(jù)平方和與均方根誤差為標(biāo)準(zhǔn),比較分析了光譜數(shù)據(jù)平均平滑法和卷積平滑法在不同窗口下提取光譜信息的效果。平均平滑法當(dāng)窗口寬度為15、17和19時(shí),提取及保留光譜有效信息效果最好;卷積平滑法當(dāng)窗口的最佳寬度為13、15和17時(shí),提取及保留光譜有效信息效果最

4、好。光譜數(shù)據(jù)平均平滑法和卷積平滑法可以去除光譜測(cè)量噪聲,優(yōu)化光譜信息。
　　 (2)提出了基于移動(dòng)窗口方差法的木材近紅外光譜信息處理方法。該方法采用局部波段上光譜數(shù)據(jù)的方差來(lái)衡量數(shù)據(jù)的起伏,以識(shí)別光譜信息起伏較大的波段,然后對(duì)這些波段進(jìn)行去噪處理。以光譜數(shù)據(jù)平方和與均方根誤差為標(biāo)準(zhǔn),研究了選取多種窗口、多種閾值條件下該方法對(duì)光譜信息的處理效果。結(jié)果顯示,當(dāng)窗口大小取4～8、窗口方差取0.87～0.9或0.94～0.95的下側(cè)分位

5、數(shù)為閾值時(shí),該方法具有很好的去除光譜噪聲的效果。
　　 (3)采用小波變換閾值法對(duì)木材一階導(dǎo)數(shù)光譜進(jìn)行去噪研究。以信噪比和均方根誤差為標(biāo)準(zhǔn),對(duì)固定閾值規(guī)則、無(wú)偏似然閾值規(guī)則、混合閾值規(guī)則和極大極小閾值規(guī)則去除導(dǎo)數(shù)光譜噪聲進(jìn)行了對(duì)比分析。在對(duì)導(dǎo)數(shù)光譜信號(hào)進(jìn)行小波4尺度分解、選取固定硬閾值規(guī)則時(shí),導(dǎo)數(shù)光譜信噪比為10.22,均方根誤差為0.000307,去噪效果優(yōu)于其他方法。
　　 (4)采用小波變換模極大值進(jìn)行光譜信息特征

6、提取研究。根據(jù)信號(hào)和噪聲在不同尺度上的極大值的不同傳播特性,將木材近紅外光譜信號(hào)進(jìn)行8尺度小波分解,在相鄰尺度間搜尋信號(hào)和噪聲的小波模極大點(diǎn),提取信號(hào)的模極大值,消除噪聲模極大值,經(jīng)逆小波變換重構(gòu)去噪信號(hào),達(dá)到提取光譜特征信息、去除噪聲的目的。經(jīng)小波4尺度分解,小波模極大值去噪后的光譜信噪比達(dá)到15.14,均方根誤差為0.000953。小波變換模極大值可以有效提取光譜特征信息,去除光譜噪聲。
　　 (5)采用偏最小二乘法建立了杉

7、木密度預(yù)測(cè)模型。通過(guò)對(duì)原始光譜進(jìn)行一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、移動(dòng)平均平滑法、卷積平滑法、移動(dòng)窗口方差法、多元散射校正、數(shù)據(jù)標(biāo)準(zhǔn)化、小波閾值法和小波模極大值進(jìn)行預(yù)處理后的光譜數(shù)據(jù)所建立的杉木密度預(yù)測(cè)模型進(jìn)行綜合分析,移動(dòng)窗口方差法和小波模極大值法所建校正集模型相關(guān)系數(shù)分別為0.9391和0.9405,預(yù)測(cè)集相關(guān)系數(shù)分別為0.8706和0.8756,所建模型預(yù)測(cè)效果好于其他光譜信息預(yù)處理方法。對(duì)模型進(jìn)一步優(yōu)化,將一階導(dǎo)數(shù)光譜進(jìn)行25點(diǎn)卷積平滑剔除

8、6個(gè)異常樣本并選取10個(gè)主成分,所建杉木密度校正集模型相關(guān)系數(shù)為0.9692、預(yù)測(cè)集相關(guān)系數(shù)為0.8976。
　　 (6)采用偏最小二乘法建立了桉樹(shù)木質(zhì)素含量預(yù)測(cè)模型。通過(guò)對(duì)預(yù)處理后的光譜數(shù)據(jù)所建立的桉樹(shù)木質(zhì)素含量預(yù)測(cè)模型的綜合分析,結(jié)果顯示,移動(dòng)窗口方差法所建校正集模型相關(guān)系數(shù)為0.9011,預(yù)測(cè)集相關(guān)系數(shù)為0.8414,預(yù)測(cè)效果好于其他預(yù)處理方法。對(duì)模型進(jìn)一步優(yōu)化,將原始光譜的一階導(dǎo)數(shù)進(jìn)行19點(diǎn)移動(dòng)平均平滑剔除4個(gè)異常樣本并