红木家具的近红外无损鉴别方法技术

本发明专利技术公开了一种红木家具的近红外无损鉴别方法,包括如下步骤：S1，制备红木样本并采集光谱数据，建立红木家具鉴别模型；S2，基于红木家具鉴别模型鉴别待测红木家具；其中，步骤S1包括：制备样本；对各样本进行光谱采集和特征分析；样本光谱预处理；建立红木家具鉴别模型数据库；步骤S2包括：采集待测红木家具的近红外光谱；待测红木家具光谱预处理；鉴别待测红木家具种类。本发明专利技术建立红木近红外光谱快速识别模型，通过光谱预处理、建模，降低与红木家具识别无关信息的干扰，提高模型稳定性和可靠性，从而建立适应性强、稳健性好的红木家具近红外光谱识别模型数据库。

【技术实现步骤摘要】
红木家具的近红外无损鉴别方法
本专利技术涉及红木家具检测
，尤其涉及一种红木家具的近红外无损鉴别方法。
技术介绍
红木与中国文化有相当大的联系，红木家具集消费品、收藏品、投资品于一身。但是可称之为红木的木材种类繁多，绝大数人对红木的种类及真假难以鉴别。中国《红木》国家标准（GB/T18107-2000），将5属8类33种木材列为红木：紫檀属的紫檀木类、花梨木类；黄檀属的香枝木类、黑酸枝类、红酸枝类；柿属的乌木类、条纹乌木类；铁刀木属及崖豆属的鸡翅木类。据中消协调查数据显示，红木家具市场合格率仅为40%。在家具和建材市场中，以下问题多见：一是直接混淆视听，将木材以次充好、以假乱真，将前者说成是后者，并按后者的售价卖高价；二是拼接小料、废料，制作过程中，将废料或小料掺进木材中；第三种是掺假，比如最外层采用珍贵木材，表皮中间浇注水泥或其它材料，最后再上色、打蜡，这样做出来的家具，外行很难分辨。经过这样处理后的家具，价格可以相差十倍到几十倍，会给消费者带来几万甚至几百万的损失。目前，国内外已有大量研究表明近红外光谱技术鉴别木材的可行性，但对中国市场上红木家具鉴定研究依旧不够深入。因为红木制作成家具要经过裁料、烘干、加工雕刻、组装、刮磨、表面涂饰等复杂工艺，这些工艺过程会对红木家具的近红红外光谱产生影响，导致红木的识别模型并不适合家具的识别。因此，急需开发一种科学、快速、准确的识别红木家具的方法将会为红木市场提供服务。传统红木家具鉴别方法有人工知识识别，该方法需要在红木家具上凿取一小块木块进行切片取样，由专家结合宏观和微观特征进行比较、分析后给出结论，但这种方法不仅会破坏家具的完整性，同时也容易受人主观因素的影响。李敏华等人提出采用手持式数码显微镜拍摄家具表面的微观特征图，根据微观构造图再进行鉴定，该方法虽然不破坏家具的完整性，但是当家具上有深色油漆时就可能将木材微观特征覆盖。申请日为2016年6月2日、申请号为201610384194.9的中国专利公开了一种红木家具的近红外光谱识别方法，但是没有深入研究红木家具的制作工艺流程对近红外谱图的影响；申请日为2016年1月13日、申请号为201610024331.8的中国专利公开了一种基于网络平台的红木家具木材种类的无损检测方法，在数码显微镜要拍摄的木材位置涂上香柏油,或用不同目数砂纸逐级进行打磨处理后涂上香柏油,再采用数码显微镜采集横切面、弦切面和径切面的图像信息，根据切面图像与标准数据库进行比对来检测，该专利技术只对切面信息进行研究而且检测过程中对红木家具产生一定的破坏性。
技术实现思路
本专利技术提出一种红木家具的近红外无损鉴别方法以解决上述技术问题。为了达到上述目的，本专利技术所采用的技术方案为：一种红木家具的近红外无损鉴别方法，包括如下步骤：S1，制备红木样本并采集光谱数据，建立红木家具鉴别模型；S2，基于红木家具鉴别模型鉴别待测红木家具；其中，所述的步骤S1包括：S11，制备样本，所述的样本包括红木上中下部位不同切面的心材样本、红木上中下部位不同切面的边材样本以及红木含水率样本、红木油漆样本、红木打蜡样本；S12，对各样本进行光谱采集和特征分析；S13，样本光谱预处理；S14，建立红木家具鉴别模型数据库；所述的步骤S2包括：S21，采集待测红木家具的近红外光谱；S22，待测红木家具光谱预处理；S23，鉴别待测红木家具种类。作为优选，步骤S11包括：S111，采集边材样本和心材样本：从每种红木树上截出若干个上、中、下三个部位厚度相等的圆盘，并将加工成标准切面的边材样本和心材样本；S112，制作红木含水率样本：选取树干中部的心材样本，置于恒温恒湿室中，调节温湿度来控制木材含水率的变化，制成三种含水率的红木含水率样本；S113，制作红木油漆样本：选取树干中部的心材样本，油漆选用水性木器漆，制成四种厚度的红木油漆样本；S114，制作红木打蜡样本：选取树干中部的心材样本，对同类树种一半样本上水蜡，制成红木打蜡样本。作为优选，所述的步骤111中，所述圆盘的厚度为10cm，所述标准切面的尺寸为15mm×15mm×10mm至60mm×40mm×10mm。作为优选，所述的步骤112中，三组红木含水率样本的含水率分别为8%、12%和16%。作为优选，所述的步骤S12中，光谱采集时，环境温度为20±2℃，相对湿度为50±5%。作为优选，所述的步骤S13和步骤S22中，光谱预处理采用的方法为以下的一种或多种：均值化中心、平滑、微分、多元散射校正、标准正态变量变换或正交信号校正。作为优选，所述的步骤S14中，所述红木家具鉴别模型的建立方法为以下的任意一种：K均值聚类、BP神经网络、支持向量机或概率神经网络算法。与现有技术相比较，本专利技术建立红木近红外光谱快速识别模型，通过光谱预处理、建模，降低与红木家具识别无关信息的干扰，提高模型稳定性和可靠性，从而建立适应性强、稳健性好的红木家具近红外光谱识别模型数据库。附图说明图1为本专利技术红木家具的近红外无损鉴别方法的一种流程图；图2为本专利技术中步骤S1进一步的流程图；图3为本专利技术中步骤S11样本制备的流程图；图4为卢氏黑黄檀横切面和纵切面的原始光谱进行平均后获得的光谱；图5为乌木的心材和边材的近红外光谱；图6为大果紫檀在含水率8%、12%、16%下的近红外光谱图；图7为大果紫檀在原木、一层油漆、两层油漆、三层油漆四种情形下的近红外光谱图；图8为交趾黄檀红木家具的原始光谱图；图9为交趾黄檀红木家具的原始光谱经SG平滑预处理后的光谱图；图10为交趾黄檀红木家具的原始光谱经SG平滑及SG1阶导预处理后的光谱图；图11为本专利技术中步骤S2进一步的流程图。具体实施方式以下将结合附图所示的具体实施方式对本专利技术进行详细描述。但这些实施方式并不限制本专利技术，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本专利技术的保护范围内。在本专利技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。如图1所示，一种红木家具的近红外无损鉴别方法，如图1所示，包括如下步骤：S1，制备红木样本并采集光谱数据，建立红木家具鉴别模型。S2，基于红木家具鉴别模型鉴别未知红木家具。其中，如图2所示，步骤S1包括：S11，制备样本。其中，样本包括红木上中下部位不同切面的心材样本、红木上中下部位不同切面的边材样本以及红木含水率样本、红木油漆样本、红木打蜡样本。S12，对各样本进行光谱采集和特征分析。S13，样本光谱预处理。S14，建立红木家具鉴别模型数据库。如图3所示，步骤S11包括：S111，采集边材样本和心材样本：从每种红木树上截出若干个上、中、下三个部位厚度相等的圆盘，并将加工成标准切面的边材样本和心材样本。其中，圆盘的厚度优选为10cm，所述标准切面的尺寸优选为15mm×15mm×10mm至60mm×40mm×10mm之间，特别的可直接取60mm×40mm×10mm。研究切面影响因素时，采用中部的心材样本；研究上中下部位因素影响时，采用上本文档来自技高网...

【技术保护点】
1.一种红木家具的近红外无损鉴别方法，其特征在于，包括如下步骤：S1，制备红木样本并采集光谱数据，建立红木家具鉴别模型；S2，基于红木家具鉴别模型鉴别待测红木家具；其中，所述的步骤S1包括：S11，制备样本，所述的样本包括红木上中下部位不同切面的心材样本、红木上中下部位不同切面的边材样本以及红木含水率样本、红木油漆样本、红木打蜡样本；S12，对各样本进行光谱采集和特征分析；S13，样本光谱预处理；S14，建立红木家具鉴别模型数据库；所述的步骤S2包括：S21，采集待测红木家具的近红外光谱；S22，待测红木家具光谱预处理；S23，鉴别待测红木家具种类。

【技术特征摘要】
1.一种红木家具的近红外无损鉴别方法，其特征在于，包括如下步骤：S1，制备红木样本并采集光谱数据，建立红木家具鉴别模型；S2，基于红木家具鉴别模型鉴别待测红木家具；其中，所述的步骤S1包括：S11，制备样本，所述的样本包括红木上中下部位不同切面的心材样本、红木上中下部位不同切面的边材样本以及红木含水率样本、红木油漆样本、红木打蜡样本；S12，对各样本进行光谱采集和特征分析；S13，样本光谱预处理；S14，建立红木家具鉴别模型数据库；所述的步骤S2包括：S21，采集待测红木家具的近红外光谱；S22，待测红木家具光谱预处理；S23，鉴别待测红木家具种类。2.根据权利要求1所述的方法，其特征在于，步骤S11包括：S111，采集边材样本和心材样本：从每种红木树上截出若干个上、中、下三个部位厚度相等的圆盘，并将加工成标准切面的边材样本和心材样本；S112，制作红木含水率样本：选取树干中部的心材样本，置于恒温恒湿室中，调节温湿度来控制木材含水率的变化，制成三种含水率的红木含水率样本；S113，制作红木油漆样本：选取...

【专利技术属性】
技术研发人员：寿国忠，顾玉琦，王佩欣，赵大旭，邓飞，赵晓俊，
申请(专利权)人：浙江农林大学，杭州西斯特姆微电子科技有限公司，
类型：发明
国别省市：浙江,33