【CN109870421A】一种基于可见光近红外光谱分析的递增式木材树种分类识别方法【专利】
基于近红外光谱法的木材原料的Kohonen网络分类法
基于近红外光谱法的木材原料的Kohonen网络分类法吴新生;谢益民
【期刊名称】《造纸科学与技术》
【年(卷),期】2009(28)4
【摘要】使用近红外光谱法结合Kohonen网络对不同的造纸木材原料进行了快速分类与评价。
先对原料的近红外光谱数据进行小波变换预处理,再利用主成分分析法对小波变换预处理后的光谱数据进行信息的压缩和提取,选择了第一、二主成分可表达原有光谱数据信息,再把这2个主成分输入Kohonen网络进行分类处理,从处理结果来看可较好地区分马尾松、杨木和桉木等3种不同制浆性能的木材原料,且能较好表达木材原料类别之间的性质关系。
【总页数】3页(P4-6)
【关键词】近红外光谱;木材原料;Kohonen网络;分类
【作者】吴新生;谢益民
【作者单位】广东科学技术职业学院广州学院;湖北工业大学化学与环境工程学院【正文语种】中文
【中图分类】TS721.1;O657.33
【相关文献】
1.近红外光谱法预测粗皮桉木材的化学成分质量分数 [J], 霍小梅;赵荣军;姚春丽;任海青
2.近红外光谱法快速测定木材纤维素、戊聚糖和木质素含量的研究 [J], 贺文明;薛
崇昀;聂怡;李义民
3.基于近红外光谱法的造纸用木材原料的快速分类 [J], 吴新生;谢益民;帅兴华
4.近红外光谱法预测粗皮桉木材气干密度的影响因素分析 [J], 赵荣军;霍小梅;上官蔚蔚;王玉荣
5.近红外光谱法快速预测栓皮栎木材密度可行性研究 [J], 汪睿;王雪玉;贾茹;甘家兵;任海青;王玉荣
因版权原因，仅展示原文概要，查看原文内容请购买。
利用光谱遥感技术进行林木种类研究与分类
利用光谱遥感技术进行林木种类研究与分类光谱遥感技术是一种非常有用的工具，可以帮助我们了解地球上不同地区的植被分布和种类。
在林木种类研究和分类方面，光谱遥感技术在提供高效准确的数据方面有着巨大的潜力。
本文将介绍利用光谱遥感技术进行林木种类研究与分类的方法和应用。
首先，光谱遥感技术可通过分析不同波段的反射率来识别和分类不同种类的林木。
不同种类的植物具有不同的光谱特性，这些特征能够以数字化形式记录在光谱数据中。
通过比较不同种类植物在不同波段的反射率变化，我们可以得到用于分类的重要特征。
在进行林木分类之前，我们需要采集大量的光谱数据。
这些数据可以通过航空或卫星遥感技术获取。
航空遥感技术使用搭载在航空器上的高分辨率光谱仪，可以获取更为详细和准确的光谱数据。
而卫星遥感技术则能够覆盖更大范围的地区。
通过对这些数据进行处理和分析，我们可以了解不同地区的植被类型和林木种类。
利用光谱遥感技术进行林木种类研究与分类需要一些先验知识。
在开始研究时，我们需要进行地面调查和数据采集，确定不同地区的林木种类和分布情况。
这些数据可以作为训练样本，用于开发分类算法和建立模型。
常用的光谱遥感技术中，最常使用的是多光谱遥感技术。
多光谱遥感数据包含了多个波段的信息，从可见光到红外波段。
这些波段各自对应着不同的光谱特征，可以提供丰富的信息用于分类分析。
通过对多光谱数据进行特征提取和处理，例如主成分分析、线性判别分析和神经网络等方法，可以提取出林木种类分类所需的信息。
除了多光谱数据，高光谱遥感数据也被广泛应用于林木种类研究与分类。
高光谱遥感数据包含更多的波段信息，通常涵盖了可见光和近红外波段。
这种数据可以提供更为详细和精确的光谱特征，能够更准确地识别和分类不同种类的林木。
在利用光谱遥感技术进行林木种类研究与分类时，建立一个准确的分类模型是至关重要的。
在模型的建立中，我们通常使用监督学习算法，例如支持向量机、随机森林和人工神经网络等方法。
这些方法能够根据已知的训练样本进行分类模型的训练和测试，然后将学习到的模型应用于未知数据进行林木种类的分类。
木材的红外与近红外特性
半纤维素：吸收峰在1700-1800cm-1，主要与羟基的振动有关
水分：吸收峰在1400-1600cm-1，主要与羟基的振动有关
木质素：吸收峰在1500-1600cm-1，主要与苯环的振动有关
空气：吸收峰在2200-2400cm-1，主要与CO2、H2O的振动有关
木材的化学成分分析：通过红外光谱分析，可以了解木材的化学成分和结构。
木材的红外与近红外光谱散射特性在木材品质评价中的应用：通过分析木材的红外与近红外光谱散射特性，可以评价木材的密度、硬度、弹性等物理性质，为木材品质评价提供科学依据。
木材的红外与近红外光谱散射特性在木材加工中的应用：通过分析木材的红外与近红外光谱散射特性，可以优化木材加工工艺，提高木材加工效率和质量。
木材红外与近红外光谱分析技术在木材分类、鉴定和品质评价中的应用
汇报人：
感谢您的观看
汇报人：
木材的红外与近红外特性
目录
木材的红外与近红外光谱特性
木材的红外与近红外光谱吸收特性
木材的红外与近红外光谱散射特性
木材的红外与近红外光谱热特性
木材的红外与近红外光谱应用展望
木材的红外与近红外光谱特性
红外光谱：利用红外辐射与物质相互作用产生的吸收、发射、散射等现象，研究物质的结构和性质
近红外光谱：利用近红外辐射与物质相互作用产生的吸收、发射、散射等现象，研究物质的结构和性质
木材的物理性质分析：通过近红外光谱分析，可以了解木材的密度、硬度、弹性等物理性质。
01
02
木材的生物特性分析：通过红外与近红外光谱分析，可以了解木材的生物特性，如生长速度、病虫害等。
木材的加工特性分析：通过红外与近红外光谱分析，可以了解木材的加工特性，如切削性能、胶合性能等。
树木红外光谱
树木红外光谱
树木红外光谱是指对树木样品进行红外光谱分析，以获取树木组织的化学成分和结构信息。
红外光谱是一种非破坏性的分析方法，通过检测材料对不同波长的红外辐射的吸收或反射情况，可以获得样品在不同波数范围内的吸收峰图谱。
在树木红外光谱中，主要关注的波数范围是4000-400 cm-1
（或称为4000-2500 nm），该范围可分为三个主要区域：近
红外区（4000-7000 cm-1），中红外区（7000-15000 cm-1）和
远红外区（15000-400 cm-1）。
这些区域对应了不同的化学键
振动和分子结构特征。
通过树木红外光谱分析，可以获得树木的一些化学成分信息，比如纤维素、木质素、半纤维素、脂肪、蛋白质等的含量。
此外，树木红外光谱还可以用于研究树木的生长环境、应激响应、疾病诊断和木材的质量评估等方面。
需要注意的是，树木红外光谱分析需要对样品进行特定的预处理和建模处理，以消除背景干扰和增强信号。
此外，树木红外光谱也需要与其他分析技术（如X射线衍射、质谱、显微镜等）结合使用，以获取更全面的信息。
近红外光谱技术在植物叶片分类中的应用研究
近红外光谱技术在植物叶片分类中的应用研究植物是自然界的重要组成部分，具有重要的生态和经济价值。
随着科技的不断发展，近红外光谱技术正在被广泛应用于植物研究中。
在植物叶片分类方面，近红外光谱技术作为一种新兴的分类方法具有很高的应用价值。
一、近红外光谱技术简介近红外光谱技术是一种基于物质吸收和反射特性研究物质性质的技术。
近红外光谱范围为750-2500nm，与物质的振动吸收有联系。
通过光谱仪等设备记录植物样本在不同波长下的反射光谱，再通过数学建模，将光谱数据转化为数值量化的指标。
近红外光谱技术具有非破坏性、快速、无需样品处理等优势。
二、近红外光谱技术在植物叶片分类中的应用叶片是植物的重要部位之一，叶片形态和结构的差异往往能够表征不同植物的分类。
传统的分类方法一般依靠形态学特征、生理学特征和生化特征等来进行分类，但这些方法有时需要大量时间和精力，且难以区分不同种类之间相似的叶片特征。
近红外光谱技术可以通过叶片反射光谱数据获取植物的化学信息，其中反映植物品种和生长环境的成分含量和组织结构信息，可以快速、准确的对叶片进行分类。
在植物叶片分类研究中，近红外光谱技术主要应用于以下两个方面：1. 基于成分含量的分类植物叶片中的成分含量是影响叶片性质的主要因素之一，而这些成分又与植物的种类密切相关。
利用近红外光谱技术获取反射光谱数据，通过数学模型建立成分含量与植物类型之间的关系，可以快速准确地完成对植物叶片的分类。
2. 基于组织结构的分类植物叶片的组织结构是叶片和植物的形态、解剖、发育等特征的基础，通过近红外光谱技术获取反射光谱数据，利用数学模型对组织结构等成分进行分析，可以实现不同植物叶片组织结构的快速判断与分类。
三、近红外光谱技术在植物叶片分类中的优势相对于传统的植物叶片分类方法，近红外光谱技术具有以下优势：1. 非破坏性：近红外光谱技术对植物叶片没有破坏，可以反复使用，减少了对植物的伤害和对研究的影响。
2. 快速性：采用近红外光谱技术可以快速获取植物叶片的反射光谱数据，利用数学模型可以快速准确地完成对植物叶片的分类。
林业中近红外光谱检测技术的应用研究
林业中近红外光谱检测技术的应用研究【摘要】从二十世纪八十年代开始，近红外光谱分析技术开始迅速的发展起来，并且逐渐的变得引人注目，本文通过对近红外光谱技术的优势进行分析，研究这项技术在林业中的应用现状，并且对这项技术的应用前景进行了展望，希望能够对相关的林业技术人员提升近红外光谱分析技术的应用水平具有一定的参考价值。
【关键词】林业；近红外光谱；应用分析近红外光谱分析技术是在20世纪80年代之后逐渐发展起来的一项技术，随着近几年来，近红外光谱仪等设备的成本开始下降，这样测量分析技术的应用领域也开始随之不断的扩大。
这项技术具有很多突出的优点，例如：操作起来十分的简便，不会对样品进行破坏，成本低廉，效率高，速度快以及无污染等。
在当前的新形势之下，近红外光谱技术已经在我国的林业木材检测以及种子质量检测等很多的方面被普遍的采用。
1.近红外光谱检测技术在果品质量检测中的应用为了向市场提供品质更高的水果，满足现代人们对水果品质日益增长的需求，水果的种植以及销售等过程都需要采取一种准确的检测技术。
近红外光谱检测技术是一种无损和比较简便的检测方式，采用近红外分光测定法可以对水果的含酸度以及成熟度、含糖度等进行检验，还可以观察水果是否出现了无病斑。
国外的很多研究都表明，采用近红外光谱检测技术来对水果的贮藏和销售等环节进行在线的检测具有很高的可行性。
样品的预测值同真实值之间的相关系数分别是0.970和0.906，由此可见，在有效的光谱范围内对水果的有效酸度进行检测是可行的。
2.近红外光谱检测技术在木材性质检测中的应用国外对近红外光谱技术在木材性质的检测应用研究工作开始的比较早，近几年来，我国也逐渐展开了这方面的研究工作，已经对木材密度和木材的腐蚀性质等方面的检测进行了研究。
在木材的性质之中，木材的密度十分的重要，它同木材的化学组成以及构造等方面有着十分密切的关系，可以对木材的工艺性质以及力学的相关性质进行判断。
因此在对近红外光谱检测技术进行应用时，应该考虑到水分的因素，通过对不同杉木的密度模型进行分析，可以实现对木材密度的快速检测。
一种基于高光谱技术的珍贵木材种类鉴别装置[实用新型专利]
![一种基于高光谱技术的珍贵木材种类鉴别装置[实用新型专利]](https://img.taocdn.com/s3/m/0eb95eafb307e87100f69686.png)
专利名称：一种基于高光谱技术的珍贵木材种类鉴别装置专利类型：实用新型专利
发明人：倪超,茆玉鹏,邹红艳
申请号：CN201920420420.3
申请日：20190329
公开号：CN209727753U
公开日：
20191203
专利内容由知识产权出版社提供
摘要：本实用新型公开一种基于高光谱技术的珍贵木材种类鉴别装置，包括用于放置待测木材的进料板；在进料板的末端连接有传送履带；在传送履带的上方设置有高光谱相机和光源；所述高光谱相机连接有主控显示屏；在传送履带的末端连接有出料板，在上所述出料板的末端下方设置有落料筐。
本实用新型采用高光谱相机对珍贵木材进行图像采集，通过高光谱图像可以获取木材的构造等信息，进而判别木材的种类，实现木材的无损鉴别。
本实用新型所有部分空间一体化，避免了空间的位移，采用的光源和穹顶装置可以实现木材的无死角均匀照射，图像采集清晰，本实用新型鉴别准确率高，降低了人工鉴别难度，提高了工作效率。
申请人：南京林业大学
地址：210037 江苏省南京市玄武区龙蟠路159号
国籍：CN
代理机构：南京申云知识产权代理事务所(普通合伙)
代理人：邱兴天
更多信息请下载全文后查看。
采用近红外光谱法分析预示蓝桉木材中木素和抽提物含量
采用近红外光谱法分析预示蓝桉木材中木素和抽提物含量姚光裕
【期刊名称】《《造纸信息》》
【年(卷),期】2005(000)012
【摘要】木材中木素和抽提物含量是确定制浆性能和纸浆质量的重要因素，采用传统的化学分析方法需要较长的测定时间和较高费用，而选用近红外光谱（NIR）法分析木材中木素和抽提物含量是费用较低、可以预示木材质量的快速方法。
研制出一种校正方法，用于预示蓝桉木材中抽提物、酸溶木素、克拉逊木素和总的木素含量，校正值与标准值误差小于0．6％。
实验室测得试样预示值的相关性高，对于抽提物R^2为0．89，酸溶木素R^2为0．83，克拉逊木素R^2为0．97和总的木素R^2为0．99。
因此，NIR分析方法适用于快速测定蓝桉中木素和抽提物含量。
【总页数】1页(P28)
【作者】姚光裕
【作者单位】
【正文语种】中文
【中图分类】TS736.2
【相关文献】
1.三倍体毛白杨木素和苯醇抽提物的近红外光谱法测定 [J], 阎继鹏;吴玉英;张学铭;樊永明
2.蓝桉果实中多酚含量测定及其提取工艺优化 [J], 樊慧;陈王蓉
3.尾叶桉,巨尾桉木材密度及木材抽提物含量的研究 [J], 李琼初
4.HPLC法同时测定蓝桉果实中两种marocarpal型成分含量 [J], 于欢;张冬丽;李敏;许嵘;唐铖;唐生安
5.采用红外光谱法分析聚丙烯中的组分含量 [J], 张亚春
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910237855.9
(22)申请日 2019.03.27
(71)申请人 东北林业大学
地址 150040 黑龙江省哈尔滨市香坊区和
兴路26号
(72)发明人 赵鹏 李悦
(74)专利代理机构 哈尔滨市伟晨专利代理事务
所(普通合伙) 23209
代理人 曹徐婷
(51)Int.Cl.
G01N 21/31(2006.01)
G01N 21/3563(2014.01)
G01N 21/359(2014.01)
(54)发明名称
一种基于可见光/近红外光谱分析的递增式
木材树种分类识别方法
(57)摘要
一种基于可见光/近红外光谱分析的递增式
木材树种分类识别方法属于木材分类领域；但目
前研究中都只是针对少数的树种进行识别；包括
获取待测木材样品；对待测木材样品进行光谱一
阶微分预处理；将处理后的木材样品信息通过
SVDD分类器进行判别是否已知树种，若是已知树
种，使用BP神经网络对已知树种进行树种类别的
鉴别，判断出已知树种的类别；若是未知树种，进
行t -SNE降维处理，通过CFSFDP聚类算法进行自
动聚类处理，引入CH聚类指标，设定簇类个数K的
搜索范围，确定使得CH指标值最大的K为最佳聚
类数；当未知树种的聚类样本达到阈值时，确定
未知树种的具体类别；转移到木材样本数据库
中，通过不断重复上述过程，本发明能够分类识
别的木材树种数量将不断增加。
权利要求书3页 说明书7页 附图3页CN 109870421 A 2019.06.11
C N 109870421
A
权 利 要 求 书1/3页CN 109870421 A
1.一种基于可见光/近红外光谱分析的递增式木材树种分类识别方法，其特征在于，包括以下步骤：
步骤a、获取待测木材样品；
步骤b、对待测木材样品进行光谱一阶微分预处理；
步骤c、将处理后的木材样品信息通过SVDD分类器进行判别是否已知树种，若是已知树种，进行步骤d，若不是已知树种，则是未知树种，进行步骤e；
步骤d、使用BP神经网络对已知树种进行树种类别的鉴别，判断出已知树种的类别；
步骤e、对未知树种进行t-SNE降维处理，通过CFSFDP聚类算法进行自动聚类处理，引入CH聚类指标，设定簇类个数K的搜索范围，确定使得CH指标值最大的K为最佳聚类数；当某一种未知树种的聚类样本达到阈值时，把所述未知树种的样本进行提取，确定所述未知树种的具体类别；将所述树种样本转移到木材样本数据库中，并且转换为已知树种的类别，继续执行步骤a。
2.根据权利要求1所述一种基于可见光/近红外光谱分析的递增式木材树种分类识别方法，其特征在于，所述光谱一阶微分预处理包括光谱采集方法和光谱降维方法；
所述光谱采集方法包括下列步骤：
步骤b11、待测木材样品放在光谱仪的支架上，待测面朝下，光纤探头距待测物体表面约5mm，圆形视场角的直径为6.35mm；
步骤b12、采集采用漫反射方式，谱区采集范围为350-1100nm，光谱波长分辨率约为0.3nm；
步骤b13、采集光谱前，进行光谱白板校正和暗校正，白板校正时使用标准聚四氟乙烯白板为背景，暗校正则是以遮光方式进行，同时打开电子暗噪声校正和杂散光校正按钮；
步骤b14、在光谱仪器配套的软件中参数设置如下：
积分时间为1s，重复扫描900次取平均，平滑度为5；
步骤b15、采集样本时，在每个样本的横切面上随机选取4个点进行光谱采集并求取其平均值，每测完5个样本后,进行一次标准白板校正；将首尾的波段去掉，选取450nm～900nm 范围内的反射光谱，即选取的光谱为1328维。
3.根据权利要求2所述一种基于可见光/近红外光谱分析的递增式木材树种分类识别方法，其特征在于，所述光谱降维方法包括下列步骤：
步骤b21、采用小波变换进行降维，模型的预测能力受小波基函数和分解尺度的影响；选择Symlet小波函数中的sym4为小波基；分解时每层采用不同的阈值并使用软阈值策略，对光谱信号进行分解；
步骤b22、光谱经小波分解后分为低频和高频两个部分，低频部分对应近似系数，高频部分对应细节系数，低频系数含有原光谱信号有效信息，而以噪声为代表的冗余信息存在于高频系数中；
步骤b23、用低频小波系数代替原来的光谱变量作为SVDD分类器的输入，实现去噪和提取特征信息的作用。
4.根据权利要求1所述一种基于可见光/近红外光谱分析的递增式木材树种分类识别方法，其特征在于，所述SVDD分类器判别是否已知树种的方法包括下列步骤：步骤c1、在建立模型前，求出最优的C和σ的组合，利用最优的SVDD模型对待预测样本进
2。