木材作為一種廣泛使用的建筑和裝飾材料，其質(zhì)量直接影響建筑的安全性和耐久性,。通過檢測木材的物理性能（如強(qiáng)度,、密度、含水率）和化學(xué)性質(zhì)（如耐腐性,、抗蟲性）,，可以確保其滿足相關(guān)標(biāo)準(zhǔn)要求，從而保障工程質(zhì)量和使用安全,。其次,，木材是一種寶貴的自然資源，合理利用尤為重要,。通過檢測木材的性能,，可以合理分類與定級，確保高性能木材用于承重結(jié)構(gòu)等關(guān)鍵部位,，低性能木材用于裝飾或其他用途,，從而提高資源利用率。此外,，木材檢測還可幫助識別合格木材與非法采伐木材,，推動木材的循環(huán)利用，有效保護(hù)森林資源,，助力可持續(xù)發(fā)展,。在國際市場上,，木制品的質(zhì)量直接影響其競爭力。通過系統(tǒng)的木材檢測,，有助于企業(yè)生產(chǎn)符合標(biāo)準(zhǔn)的高品質(zhì)木制品，提升產(chǎn)品競爭力和品牌價值,。因此,，木材檢測的重要性貫穿了從生產(chǎn)、應(yīng)用到再利用的整個生命周期,，是保障質(zhì)量,、優(yōu)化資源和推動環(huán)保的重要手段。
傳統(tǒng)木材檢測方法包括視覺與手工檢測,、物理性能測試,、化學(xué)分析以及無損檢測等，視覺與手工檢測主要是通過人工觀察木材的外觀特征,，如顏色,、紋理、裂紋,、節(jié)疤等,，初步判斷木材質(zhì)量。這種方法依賴經(jīng)驗,，主觀性較強(qiáng),。物理性能測試是利用實驗設(shè)備測試木材的密度、含水率,、抗壓強(qiáng)度,、抗彎強(qiáng)度和硬度等指標(biāo)，通過機(jī)械加載評估木材的結(jié)構(gòu)性能,?；瘜W(xué)分析是對木材的化學(xué)成分進(jìn)行檢測，如纖維素,、半纖維素,、木質(zhì)素的含量，以及防腐劑的滲透和分布情況,。無損檢測是使用聲波,、超聲波、紅外,、X射線等技術(shù)檢測木材的內(nèi)部結(jié)構(gòu)缺陷,，如裂縫、空洞和腐朽。這些檢測方法在識別內(nèi)部缺陷和微小裂紋時存在局限,，且檢測過程耗時較長,，難以適應(yīng)大規(guī)模檢測需求,，部分方法具有破壞性,，影響木材完整性和后續(xù)使用價值,。另外對操作人員的專業(yè)性要求較高,，存在人為因素導(dǎo)致的誤差,。
高光譜成像（HSI）是一種集數(shù)字圖像和光譜信息于一體的表征分析技術(shù),，具有快速,、無損的特點。由于其光譜范圍廣,，能夠同時且快速提供測試對象表面形貌特征和化學(xué)成分信息,。近年來，HSI技術(shù)結(jié)合光譜分析與圖像處理,，為木材檢測提供了非接觸,、無損、高精度的解決方案,。通過捕捉木材在不同波段的光譜特性差異,，高光譜成像能夠快速識別和分類不同種類的木材，適用于混合木材的自動化分選,。對于木材內(nèi)部的裂紋,、空洞、腐朽和蟲害等缺陷,，高光譜圖像中光譜特征的細(xì)微變化提供了可靠的檢測依據(jù),，彌補(bǔ)了傳統(tǒng)檢測方法在精度上的不足。此外,，高光譜成像能夠精準(zhǔn)表征木材的含水率分布,，并對纖維素、木質(zhì)素等化學(xué)成分進(jìn)行定量分析,，為加工處理提供科學(xué)依據(jù),。并且該技術(shù)可捕捉木材表面的顏色、紋理和光澤變化,，可用于質(zhì)量評價和涂層檢測,。綜上所述，高光譜成像技術(shù)以其獨*的光譜與空間信息融合能力,，能夠為木材檢測提供了全新的研究視角和技術(shù)手段,。
木材的種類識別與分類對于林業(yè)資源管理、木材加工業(yè)和環(huán)境保護(hù)具有重要意義,。近年來,，HSI技術(shù)憑借其非接觸、無損且高精度的特點，成為木材分類研究的重要工具,。
Kobori等人(Kobori et al., 2017)提出了一種基于近紅外高光譜成像（NIR-HSI）和重復(fù)主成分分析（rPCA）的新型木材廢料分類方法（圖1）,，旨在提高木材廢料的回收率并優(yōu)化其利用方式。研究分析了四種木材廢料（涂樹脂膠合板,、防腐處理木材,、硬木和軟木）的高光譜圖像，提取了每種樣品的平均光譜,，并利用rPCA建立分類模型,。研究驗證了NIR-HSI結(jié)合rPCA在木材廢料快速分類中的有效性和實用性，為木材回收工廠提供了一種非接觸,、快速、高效的分類方法,。
圖1. 四種木材廢料的RGB圖像和由每個分類模型計算的偽彩色圖像：（a）四種木材廢料的可見光圖像,；（b）涂樹脂膠合板分類的得分圖像；（c）防腐處理木材分類的得分圖像,；（d）軟木分類的得分圖像
Kanayama等人(Kanayama et al., 2019)提出了一種基于NIR-HSI和卷積神經(jīng)網(wǎng)絡(luò)（CNN）的木材種類識別方法,。作者通過對38種硬木的120個樣品進(jìn)行高光譜成像（波長范圍為913-2519 nm），結(jié)合標(biāo)準(zhǔn)正態(tài)變換（SNV）消除光散射影響,，并使用主成分分析（PCA）提取光譜特征（圖2）,，生成的主成分圖像作為CNN模型的輸入。實驗表明,，該方法在6個主成分圖像的基礎(chǔ)上,，木材種類識別的準(zhǔn)確率達(dá)到90.5%，顯著高于基于RGB圖像的56.0%,。
圖2. 從（a）由圖像掃描儀采集的可見光圖像和（b）經(jīng)SNV預(yù)處理光譜生成的前三個主成分圖像（3PCA圖像）中提取的圖塊
趙磊等人(趙磊, 2022)提出了一種融合NIR-HSI和太赫茲光譜（THz-TDS）的信息融合技術(shù),，用于木材種類識別（圖3）。選取了5種闊葉材和5種針葉材樣本,，結(jié)合高光譜圖像的光譜和空間信息以及太赫茲光譜信息,，通過SNV和特征選擇方法（如CARS、UVE和RF）對數(shù)據(jù)進(jìn)行預(yù)處理,。并使用支持向量機(jī)（SVM）極限學(xué)習(xí)機(jī)（ELM）模型對單一特征和融合特征的數(shù)據(jù)進(jìn)行木材分類,。結(jié)果表明，光譜數(shù)據(jù)融合技術(shù)對提高木材識別模型準(zhǔn)確率具有顯著效果,。
圖3. 基于高光譜和太赫茲光譜結(jié)合數(shù)據(jù)融合技術(shù)的木材識別研究流程圖
Mauruschat等人(Mauruschat et al., 2016)研究了NIR-HSI在廢木材和木塑復(fù)合材料（WPC）檢測與分揀中的應(yīng)用,，旨在解決廢木材回收中因污染物導(dǎo)致資源利用率低的問題。研究表明,，通過NIR-HSI可以有效區(qū)分不同類型的WPC,，WPC-PP顆粒純度可提高至97.1%。此外，研究檢測了多種木材防腐劑的近紅外反射光譜,，發(fā)現(xiàn)大多數(shù)有機(jī)防腐劑在純態(tài)下可以被準(zhǔn)確識別,。基于主成分分析（PCA）,，可以間接區(qū)分未經(jīng)處理和處理過的木材（圖4）,。這項研究為提高廢木材和WPC的回收利用效率提供了技術(shù)支持。
圖4. 原圖（第1幅圖）和主成分分析（PCA）處理后的高光譜圖像,。分別為第一主成分（第2幅圖）,、第三主成分（第3幅圖）和第四主成分（第4幅圖）。圖像展示了不同處理方式下的木材樣本,，包括：干燥未處理松木（a）,、潮濕未處理松木（b）、干燥硼鹽處理松木（c）,、潮濕硼鹽處理松木（d）,、干燥甲基托布津處理松木（e）以及潮濕甲基托布津處理松木（f）
木材的含水率與化學(xué)成分是決定其加工性能與最終用途的重要參數(shù)。HSI技術(shù)通過結(jié)合光譜和空間信息,，實現(xiàn)了木材中自由水,、結(jié)合水及其遷移動力學(xué)的動態(tài)監(jiān)測，同時結(jié)合化學(xué)計量學(xué)模型能夠無損,、快速地定量分析木質(zhì)素,、纖維素及其他化學(xué)成分含量，生成高分辨率的二維或三維化學(xué)成分分布圖,。
Ma等人(Ma et al., 2022)利用NIR-HSI技術(shù)分析木材干燥過程中的水分傳輸動力學(xué),，探討了木材中自由水和結(jié)合水的動態(tài)變化及其對干燥過程的影響。研究通過對不同長度（30 mm,、60 mm,、90 mm）的日本扁柏樣品在不同干燥溫度（30℃、60℃,、90℃）下的含水率分布進(jìn)行可視化分析（圖5）,，揭示了木材水分在干燥過程中的遷移機(jī)制。
圖5. 不同長度（a：30 mm,、b：60 mm和c：90 mm）和不同溫度干燥的木材樣品中水分含量的分布
另外該作者(Ma et al., 2020)還研究了利用HSI技術(shù)對木質(zhì)纖維素材料在干燥過程中自由水,、弱氫鍵結(jié)合水和強(qiáng)氫鍵結(jié)合水的動態(tài)分布狀態(tài)進(jìn)行快速可視化的方法。通過光譜數(shù)據(jù)結(jié)合偏最小二乘回歸（PLSR）和PCA,，對木材含水率和水分子結(jié)構(gòu)的變化進(jìn)行定量和可視化分析（圖6）,。研究結(jié)果表明，自由水,、弱結(jié)合水和強(qiáng)結(jié)合水的分布及動態(tài)遷移可以通過PCA的主成分得分進(jìn)行區(qū)分,，并實現(xiàn)高空間分辨率的圖像顯示,。研究揭示了纖維飽和點（FSP）前后水分的遷移機(jī)制，證實了NIR-HSI在實時監(jiān)測木材水分動態(tài)和優(yōu)化干燥工藝中的重要應(yīng)用潛力,。
圖6. 平衡水分含量下的RGB照片及其對三種研究木材類型樣品（a：日本雪松,；b：山毛櫸；c：水曲柳）的水分含量監(jiān)測結(jié)果
Kobori, H., Higa, S., Tsuchikawa, S., Kojima, Y., & Suzuki, S. (2017). Segregating wood wastes by repetitive principal component analysis of near infrared spectra. Journal of Near Infrared Spectroscopy, 25(3), 180-187.
Kanayama, H., Ma, T., Tsuchikawa, S., & Inagaki, T. (2019). Cognitive spectroscopy for wood species identification: Near infrared hyperspectral imaging combined with convolutional neural networks. The Analyst, 144(21), 6438-6446.
趙磊. (2022). 基于高光譜和太赫茲光譜結(jié)合數(shù)據(jù)融合技術(shù)的木材識別研究. 碩士學(xué)位論文, 北京林業(yè)大學(xué).
Mauruschat, D., Plinke, B., Aderhold, J., Gunschera, J., Meinlschmidt, P., & Salthammer, T. (2016). Application of near-infrared spectroscopy for the fast detection and sorting of wood–plastic composites and waste wood treated with wood preservatives. Wood Science and Technology, 50(2), 313-331.
Ma, T., Morita, G., Inagaki, T., & Tsuchikawa, S. (2022). Moisture transport dynamics in wood during drying studied by long-wave near-infrared hyperspectral imaging. Cellulose, 29(1), 133-145.
Ma, T., Inagaki, T., & Tsuchikawa, S. (2020). Rapidly visualizing the dynamic state of free, weakly, and strongly hydrogen-bonded water with lignocellulosic material during drying by near-infrared hyperspectral imaging. Cellulose, 27(9), 4857-4869.
(空格分隔,最多3個,單個標(biāo)簽最多10個字符)
8
立即詢價
您提交后,，專屬客服將第一時間為您服務(wù)