论文部分内容阅读
木制品现已成为人类社会中不可或缺的一部分。同时继茶叶之后,越来越多的树叶制品也慢慢渗透到人们的日常生活中。树种识别是这些产业发展中最基本的一个环节。近红外光谱技术能够无损、快速、准确地对树种进行识别,在树种识别及木材鉴别等方面发挥着重要的作用,同时能够为天然林保护、次生林抚育和人工林定向培育提供经营决策方面的技术支持,本论文主要从以下几方面进行了基于近红外技术的树种识别:(1)应用近红外光谱技术,研究了市场流通的40种名贵木材的识别及模型优化,经过一阶导数预处理方法和距离法建立识别模型的识别准确率为98.75%。用识别模型预测5周后和17周后采集的样本的近红外光谱,准确率为82.81%。经过Norris导数滤波优化后模型的识别准确率为95.31%。(2)利用近红外光谱技术研究了东北林区的14种主要树种基于活立木采样的树种识别。样品使用生长锥从活立木1.3m胸高处由南向北钻取。采用距离法建立识别模型,比较了不同波段和不同预处理方法对模型识别效果的影响。研究表明基于Norris二阶导数滤波的距离法识别模型的准确率最高,达98.21%。(3)以东北林区常见的9种树种树叶为研究对象,分别比较了距离法和DPLS对识别模型精度的影响。结果显示,使用距离法建立的识别模型识别9种树种的准确率为99.16%。使用单列识别变量矩阵的偏最小二乘法(DPLS)识别4个树种的准确率为100%,识别模型的相关系数为0.9936,交叉验证误差均方根(RMSEC)为0.120,预测误差均方根(RMSEP)为0.144。使用多列识别变量矩阵的偏最小二乘法(DPLS)识别9种树种的准确率为99.58%,识别模型的相关系数为0.8886～0.9569,交叉验证误差均方根(RMSEC)为0.0845～0.15,预测误差均方根(RMSEP)为0.0887～0.155。(4)研究了重现性对近红外光谱识别模型的影响。试验发现在不同条件下采集的近红外光谱会出现差异,且相隔时间越长,差异越明显。在采用不同时间采集的近红外光谱进行树种识别时,光谱采集间隔时间越长,模型的识别准确率越低。论文同时探索了 S-G平滑和Norris导数滤波最优参数组合选择方法对树种识别模型精度的影响。结果表明随着参数递变,模型的识别准确率也存在递变规律。实验发现由生长锥取样的针叶树材和阔叶树材在波长点为1637nm和1687nm处的近红外长波段有明显差异。在1637nm处,4种针叶树材样本的近红外光谱有吸收,而10种阔叶树材样本没有吸收。在1687nm处,10种阔叶树材在该波段有明显吸收,而4种针叶树材吸收不明显。本实验为近红外光谱技术快速识别树种,快速识别名贵木材,快速识别针叶、阔叶树种,快速识别树叶树种提供了一种新的方法;为S-G平滑和Norris导数滤波的参数选择提供了参考;为近红外光谱模型的构建及随时间推移的模型维护提供了思路。