智能化精准获取木材基本信息是木材质量追溯系统信息采集的核心,同时也是木材后期分流、加工、精细化利用的重要依据。旨在探讨基于小波变换的木材近红外光谱(NIRS)去噪及模型优化,研究近红外技术用于木材质量追溯的基础理论与方法,构建基于近红外的木材质量追溯体系。以山杨木材气干密度为例,采用小波变换进行光谱去噪及模型优化,应用偏最小二乘法(PLS)构建了基于近红外光谱技术的山杨木材气干密度定标模型。在此基础上,集成二维码技术,在Matlab环境下,将近红外定标模型预测结果(以木材密度为例)及其他木材相关信息(树种名称、产地、采集单位、数据获取方式等)生成快速响应矩阵码(QR Code),以实现木材信息的有效、快速追溯。同时研究分析了不同纠错等级、字符数、像素下QR码的可读性及有效性。结果显示:(1)当db5小波基分解层为5时,经启发式硬阈值去噪后得到的信噪比(SNR)最大,均方根误差(RMSE)最小,基于小波变换的近红外光谱去噪效果最好,将校正模型决定系数由0.774 8提高到了0.850 1;(2)字符数一定时(本追溯信息的字符数为217),当像素大于100px×100px时,QR码的可读性均大于90%;当纠错等级为7%、像素大小为200px×200px时,随着字符数由100增加至600,解码率和可读性均为100%。研究表明,基于小波去噪及近红外光谱技术,可以实现木材密度的准确预测,并能有效集成QR码技术,以QR码作为传递木材信息的有效载体,为木材材性信息的无损获取及有效追溯提供了理论依据与技术支撑。