论文部分内容阅读
木片作为造纸的主要原料,其材性直接影响终产品质量,根据木片的材性信息可以对木片进行筛选、在线监测,及时控制和预测纸浆质量,同时通过控制参数和加药量对制浆造纸过程优化精炼,达到最佳木片使用率和得率。近红外光谱作为一种无损快速检测手段,且木片在近红外光谱上有丰富的吸收峰,可以通过建立近红外光谱快速预测木材材性的模型实现其在线分析。本文以桉木(尾巨桉、尾叶桉LH1、尾叶桉U6、蓝桉、广西桉木)和相思木(马占相思、厚荚相思)为原料,首先用Anatris傅里叶近红外光谱仪和阿达玛近红外光谱仪测定其木片和木粉的近红外光谱图,其次测定了所有木材的综纤维素、克拉森木质素和苯醇抽出物的含量及蓝桉和马占相思综纤维素和木质素的近红外光谱图,对比发现木材的化学组分含量和光谱图的吸光度均有差异。通过观察综纤维素和克拉森木质素在近红外光谱上的吸收峰及综合CARS变量筛选两种方法筛选出两者的特征吸收点分别为4740、4756、4767、4787、6719、6734、6765 cm-1;4289、4304、4382、4405、5793、5827、5863、5920、6850、6885、6908、6923 cm-1,并且通过对比原木粉与烘干后木粉得出水分的特征吸收峰为4700~5200 cm-1。采用偏最小二乘法判别分析(PLS-DA)建立了桉木和相思木木粉的分类模型,校正集和验证集的预测值与实际值之间的回归线基本重合,决定系数(R2)分别为0.99和0.97,模型效果较好,且对未知样本的识别正确率为100%;而对于属间的6种木材的判别,采用MSC和Savitzky-Golay平滑对7500~4000 cm-1光谱进行预处理后,结合主成分分析建立判别模型,获得了较理想的预测结果;对于6种桉木和相思木木片同样采用预处理方式为MSC、Savitzky-Golay平滑、波段5500~6500 cm-1,并结合主成分分析建立判别模型,模型识别率和验证正确率均为100%。结果表明基于近红外光谱结合化学计量学算法可以对桉木和相思木进行快速鉴别,阿达玛近红外光谱仪也可以用于桉木和相思木的木材种类鉴别。以桉木和相思木为原料,木片和木粉两种木片状态,共计44种,建立近红外快速预测木材综纤维素、木质素和苯醇抽出物的模型。采用偏最小二乘法建立木粉综纤维素、II木质素、苯醇抽出物的模型,采用内部交叉验证的方法对其验证,最终综纤维素、木质素、苯醇抽出物近红外模型RCV分别为0.9812、0.9226、0.9709,RMSECV分别为0.1890、0.6019、0.2288,RPD值分别为5.1815、2.5923、4.1756。利用建立好的模型对验证集进行预测并与标准方法测定值进行对比,三种化学成分近红外模型预测值与真实值的偏差不大。预测结果再通过配对样本T检验进一步确认模型的预测精准度,两者无显著性差异。同样的建模方式,最终木片综纤维素、木质素、苯醇抽出物近红外模型RCV分别为0.9046、0.9052、0.9305,RMSECV分别为0.5173、0.6601、0.3425,RPD值分别为2.3460、2.3530、2.7300。通过对比Antaris傅里叶近红外光谱仪和阿达玛近红外光谱仪建立的木材定量模型效果,前者效果更好,后者的建模模型效果也在可接受范围之内。