基于近红外光谱技术的木材识别方法及系统技术方案

本发明专利技术涉及一种基于近红外光谱技术的木材识别方法及系统，其中方法包括木材识别模型建立和待测木材识别，所述木材识别模型建立包括：准备至少一种木材样本；利用近红外光谱采集设备获取所述木材样本的近红外光谱；对所述木材样本的近红外光谱进行预处理；采用化学计量学软件建立木材识别模型；所述待测木材识别包括如下步骤：利用近红外光谱采集设备获取待测木材的近红外光谱；基于所述木材识别模型预测待测木材的木材类别。采用该种方法及系统，基于近红外光谱技术进行多种木材识别，只需样品的光谱，无需破坏样品性状，不需要添加任何化学剂，避免了有害物质的产生，绿色环保，提高分析速度，适用于大规模推广应用。

Wood identification method and system based on near infrared spectroscopy

The invention relates to a system and method for wood identification based on near infrared spectroscopy technology, the method includes establishing wood identification model and wood identification to be tested, the wood identification model establishment includes: preparing at least one sample by near infrared spectroscopy of wood; the wood samples using near infrared spectrum of near infrared acquisition equipment; the spectra of the wood samples were pretreated; establish wood identification model using chemometrics software; the measurement of wood recognition comprises the following steps: obtaining the near infrared spectrum of wood to be measured using near infrared spectrum acquisition equipment; the wood identification model to predict the measured wood wood based categories. The method and system of near infrared spectroscopy for a variety of wood identification based on only the spectra of samples without destroying the sample character, do not need to add any chemical agents, to avoid the generation of hazardous substances, green environmental protection, improve the analysis speed, is suitable for large-scale popularization and application.

【技术实现步骤摘要】
基于近红外光谱技术的木材识别方法及系统
本专利技术涉及光谱测量
，尤其涉及红外光谱测量
，具体是指一种基于近红外光谱技术的木材识别方法及系统。
技术介绍
目前市场上，木材种类繁多，价格差异较大，而消费者对于木材种类的鉴别没有过多准确且快速的方法，大多情况下需依据专业仪器或经验丰富的专家才可获得判别结果，而这些方法存在成本高、化学试剂污染、破坏性强、耗时长或主观判定不准确等问题，在面对实际需求时，这些方法往往存在较大的局限性。木材识别技术是指通过观察木材的宏观和微观构造特征、化学成分等，将木材鉴别为属、类（科）或种的技术。由于树木种类繁多，正确地识别木材树种，对于推动木材市场健康发展具有深刻意义，因此近年来国内外学者先后在木材识别技术上展开了大量的研究。现有木材识别技术总体可分为如下几种：（1）传统木材识别技术传统木材识别技术主要为木材宏观与微观识别，宏观识别就是用肉眼或借助放大镜观察所能见到的木材的宏观构造特征，其主要识别特征为木材的心材、生长轮、管孔、轴向薄壁组织、木射线等，次要识别特征为木材的纹理、颜色、光泽、气味等。微观识别即借助检测仪器对木材进行切片等处理后，在光学显微镜下观察其组织与细胞的形态与排列，必须在实验室完成。（2）气相色谱质谱联用技术科学家Holmes和Morrell于1957年首次研发出气相色谱质谱联用仪（GasChromatograph-MassSpectrometer，GC-MS）。国内外研究中，有利用傅立叶转换红外线光谱采集设备和GC-MS技术对大果紫檀、交趾黄檀、微凹黄檀和卢氏黑黄檀这四种红木的有机溶剂抽提物进行分析，利用统计方法分别建立这四种红木的FTIR及GC-MS指纹图谱，研究结果表明参照GC-MS进行木材品种分类鉴别是可行的。GC-MS技术识别工作效率高，取样方便，但是需要将木材样品进行前处理，且实验中需要较高的精密度。（3）遗传法（DNA标记）技术不同品种和产地的木材具有不同的DNA，因此可以利用DNA技术来鉴别木材，一些研究者先后采用DNA技术对一些珍稀木材进行了鉴定。此技术鉴别过程迅速，但需对样本进行前处理，只适合实验室使用。（4）稳定同位素分析技术稳定同位素分析技术是指根据同一产地的木材具有唯一的稳定同位素（C，H，P，N，S）比率，可推断出木材的原产地。例如来自德国的研究人员采集北欧233个产地的1651个样本，在树干截取圆盘。另外，从东南亚钻取了102个产地的487个生长锥树芯，将其磨粉、抽提、干燥，结果表明在北欧根据木材有机物中氢的D/H比率，可以获知木材的原产地，同时利用D/H和18O/16O比率，准确率提高，但在热带地区较困难。该技术拓宽了木材识别的范围，提高了识别精度，但该方法需要大量的实验和样本采集，对样本具体来源有更高要求，且操作复杂，只适合实验室使用，不利于大规模快速检测。（5）高光谱成像技术高光谱成像技术是在电磁波谱的光谱波段获取较高光谱分辨率的图像信息的过程。采用高光谱成像技术判别针叶材挪威云杉和欧洲赤松应力木，结合偏最小二乘法和多元线性回归法建立识别模型，其识别正确率均高于92%。因此，高光谱成像技术是图像技术与光谱技术的完美结合，精度高，但高光谱成像系统体积大，设备携带不方便，不适用于野外检测。近年来，随着近红外光谱技术与化学计量学结合日益紧密，该结合技术在木材鉴别领域也迅速发展起来，它具有高效、迅速、无损成本低、重现性好等优势，因此利用近红外光谱技术结合多变量数据分析建立珍稀木材鉴别模型，使长期困扰我国的市场上各种木材混乱无法鉴别的问题得到了一定的解决。目前，国内外己有大量研究表明近红外光谱技术鉴别木材的可行性，随着云计算技术和物联网技术的提出和快速发展，近红外仪器微型化且可靠性得到了提升，云计算得以实用化，这些为研究开发珍稀木材快速鉴别系统提供了新的思路。现有技术中多利用近红外光谱技术对市面上的真假红木进行鉴别，首先选择标准的红木和假红木样本，样本表面需要平整、无污染，样本包括标准中的八类红木和从市场上获得的假红木，假红木有通过染色、涂饰、浸注药剂、装饰纸贴面和压密方法生产的人造红木以及类似红木特征的木材样本；利用偏最小二乘判别分析法来建立模型；最终实现对真假红木两类样本正确率达到100%。但是该方法仅实现红木类与非红木类的鉴别，未能实现对红木品种外的其余木材进行分类识别。综上所述，现有技术中的木材识别方法具有如下缺陷：传统木材识别技术依据人工分析的方式，准确度易受主观因素影响，而基于木材本身构成元素进行分类的技术，需要依靠实验室的分析器材，且大多需要将木材进行研磨加工，破坏木材完整度，且分析成本较高，分析时间较长，需要经验丰富的分析人员对结果进行判定；高光谱成像技术是图像技术与光谱技术的完美结合，精度高，但其实验系统体积大，设备携带不方便，不适用于现场及野外检测；现有基于近红外光谱技术的木材识别技术，只能实现红木类与非红木类的鉴别，未能实现对除红木外的其他木材种类进行鉴别的功能。
技术实现思路
本专利技术的目的是克服了上述现有技术的缺点，提供了一种基于近红外光谱技术的木材识别方法及系统，无需对木材进行前处理，基于近红外光谱技术进行多种木材识别，提高分析速度，降低分析成本。为了实现上述目的，本专利技术具有如下构成：该基于近红外光谱技术的木材识别方法，所述的方法包括以下步骤：所述的方法包括木材识别模型建立和待测木材识别，所述木材识别模型建立包括如下步骤：（1-1）准备至少一种木材样本；（1-2）利用近红外光谱采集设备获取所述木材样本的近红外光谱；（1-3）对所述木材样本的近红外光谱进行预处理得到与所述木材样本性质关联的数据；（1-4）采用化学计量学软件建立木材识别模型；所述待测木材识别包括如下步骤：（2-1）利用近红外光谱采集设备获取待测木材的近红外光谱；（2-2）基于所述木材识别模型预测待测木材的木材类别。较佳地，所述利用近红外光谱采集设备获取所述木材样本的近红外光谱，包括如下步骤：（1-2-1）利用红外光谱采集设备在所述木材样本表面的不同位置采集数次样本数据。更佳地，采集所述木材样本的样本数据时，将所述木材样本摆放于所述红外光谱采集设备的探测头位置。更佳地，所述利用近红外光谱采集设备获取所述木材样本的近红外光谱，还包括如下步骤：（1-2-2）使用样本杠杆值筛选方法，将贡献率设置为预设贡献率值，剔除部分奇异样本数据；（1-2-3）从每种所述木材样本的剩余数据中随机挑选预设数量的样本数据设为校正集，剩余的样本数据为验证集。较佳地，所述对所述木材样本的近红外光谱进行预处理，具体为：对所述木材样本的近红外光谱的波长进行截取，剔除噪声干扰信号，保留表征木材结构和化学组分的有效信息。更佳地，采用Savitzky-Golay平滑算法对所述木材样本的近红外光谱进行平滑滤波处理。较佳地，采用化学计量学软件建立木材识别模型时，采用PCA降维算法和Fisher分类算法建立所述木材识别模型。更佳地，所述步骤（1-4）之后，还包括如下步骤：（1-5）对所述木材识别模型进行校正。更进一步地，所述对所述木材识别模型进行校正，包括模型验证，所述模型验证具体为：采用所述校正集建立木材识别模型，并用所述验证集进行验证，根据验证结果判断所述木材识别模型本文档来自技高网...

【技术保护点】
一种基于近红外光谱技术的木材识别方法，其特征在于，所述的方法包括木材识别模型建立和待测木材识别，所述木材识别模型建立包括如下步骤：（1‑1）准备至少一种木材样本；（1‑2）利用近红外光谱采集设备获取所述木材样本的近红外光谱；（1‑3）对所述木材样本的近红外光谱进行预处理得到与所述木材样本性质关联的数据；（1‑4）采用化学计量学软件建立木材识别模型；所述待测木材识别包括如下步骤：（2‑1）利用近红外光谱采集设备获取待测木材的近红外光谱；（2‑2）基于所述木材识别模型预测待测木材的木材类别。

【技术特征摘要】
1.一种基于近红外光谱技术的木材识别方法，其特征在于，所述的方法包括木材识别模型建立和待测木材识别，所述木材识别模型建立包括如下步骤：（1-1）准备至少一种木材样本；（1-2）利用近红外光谱采集设备获取所述木材样本的近红外光谱；（1-3）对所述木材样本的近红外光谱进行预处理得到与所述木材样本性质关联的数据；（1-4）采用化学计量学软件建立木材识别模型；所述待测木材识别包括如下步骤：（2-1）利用近红外光谱采集设备获取待测木材的近红外光谱；（2-2）基于所述木材识别模型预测待测木材的木材类别。2.根据权利要求1所述的基于近红外光谱技术的木材识别方法，其特征在于，所述利用近红外光谱采集设备获取所述木材样本的近红外光谱，包括如下步骤：（1-2-1）利用红外光谱采集设备在所述木材样本表面的不同位置采集数次样本数据。3.根据权利要求2所述的基于近红外光谱技术的木材识别方法，其特征在于，采集所述木材样本的样本数据时，将所述木材样本摆放于所述红外光谱采集设备的探测头位置。4.根据权利要求2所述的基于近红外光谱技术的木材识别方法，其特征在于，所述利用近红外光谱采集设备获取所述木材样本的近红外光谱，还包括如下步骤：（1-2-2）使用样本杠杆值筛选方法，将贡献率设置为预设贡献率值，剔除部分奇异样本数据；（1-2-3）从每种所述木材样本的剩余数据中随机挑选预设数量的样本数据设为校正集，剩余的样本数据为验证集。5.根据权利要求1所述的基于近红外光谱技术的木材识别方法，其特征在于，所述对所述木材样本的近红外光谱进行预处理，具体为：对所述木材样本的近红外光谱的波长进行截取，剔除噪声干扰信号，保留表征木材结构和化学组分的有效信息。6.根据权利要求5所述的基于近红外光谱技术的木材识别方法，其特征在于，采用Savitzky-Golay平滑算法对所述木材样本的近红外光谱进行平滑滤波处理。7.根据权利要求1所述的基于近红外光谱技术的木材识别方法，其特征在于，采用化学计量学软件建立木材识别模型时，采用PCA降维...

【专利技术属性】
技术研发人员：程勇，万勇，刑宏斌，
申请(专利权)人：无锡迅杰光远科技有限公司，
类型：发明
国别省市：江苏,32