一种基于近红外光谱判别制浆材的方法
【技术领域】：
[0001] 本发明是一种判别制浆材的方法，尤其是一种基于近红外光谱技术的判别制浆材 的方法。
【背景技术】：
[0002] 近年世界造纸纤维用材中阔叶材的比例逐渐增大，如今已超过针叶材，成为主要 造纸用材，其中桉树和相思树品种很多，且具有生长快，纤维形态好，单位体积木材的制浆 得率和生产效率高等优点。目前大型制浆造纸企业根据原料的供给情况，往往会将多个来 源地和不同品种的制浆材进行混合制浆，为实现林纸结合的目标，就必须打破有材就用的 传统，需要实现对制浆材的快速识别进而确定混合原料性质与制浆造纸性能要求间的较佳 组合，实现制浆材的"适材适用"。然而传统的制浆材识别方法比较复杂且成本高，如制作显 微切片来观察其结构特征等，无法满足制浆过程的快速分类的要求。
[0003] 近红外光谱是基于分子振动的非谐振性使分子振动从基态向激发态跃迀产生的， 记录了非谐振动的倍频与合频吸收信息，主要反映了含氢基团X-H(X= 0,C，N，S)的吸收信 息。由于倍频和合频的跃迀几率低，且相互耦合，导致近红外谱光谱中存在大量重叠谱带且 难以精确区分谱带归属，因此无法直接从谱图中读取有用信息，需借助计算机技术和化学 计量学方法对光谱数据进行优化处理和解析。近红外光谱分析技术综合运用了计算机技 术、光谱技术和化学计量学等多个学科的最新研究成果，利用样品的近红外特征吸收峰与 样品成分含量或性能之间建立数学关系，来预测未知样品成分含量及其性能，具有样品制 备简单、高速快捷、样品成分与结构无破坏等特点。近年来，由于计算机与化学统计学软件 的发展，特别是化学计量学的深入研究和广泛应用，近红外光谱技术成广泛应用于农业、食 品、石化与药物产品的分析及农林产品中蛋白质、水分、淀粉、脂类与纤维素等成分的测定。
【发明内容】
：
[0004] 本发明的目的是为了解决制浆造纸工业中制浆材识别时消耗大量时间、人力的问 题，提供了一种能够快速、无损地对制浆材进行判别的方法。
[0005] 本发明采用的技术方案：一种基于近红外光谱判别制浆材的方法，步骤是：
[0006] 第一步，制浆材预处理：将适龄制浆材去皮，切削成规格相近的制浆材木片样品；
[0007] 第二步，采集近红外光谱数据：经充分平衡水分后，利用近红外光谱仪采集各制浆 材木片样品的原始近红外光谱数据，扫描范围为1600~2400nm，分辨率为8cmS
[0008] 第三步，数据预处理：对原始近红外光谱数据进行预处理，并将其分为训练集和验 证集；
[0009] 第四步，建模：通过偏最小二乘判别分析数据分析方法，建立制浆材的判别模型；
[0010] 第五步，通过判别模型对制浆材进行验证识别。
[0011] 所述制浆材包括桉木和相思木。
[0012] 所述木片样品规格为20mmXIOmmX2mm。
[0013] 第二步中所述样品采集光谱后倒出，重新混合采样，每个样品以此方法采集3次 光谱，取其平均光谱数据作为样品的原始近红外光谱数据。
[0014] 6.根据权利要求1所述的基于近红外光谱判别制浆材的方法，其特征在于，第三 步中数据预处理采用的是多元信号校正、标准正则变换、Savitzky-Golay滤波或Norris微 分过滤中的任一方式进行预处理。
[0015] 第四步建模具体是：
[0016] ⑴按照样品类别属性，赋予训练集样本分类变量值，桉木为Y= 0,相思木Y= 1， 当模型预测的分类变量值Yp小于0. 5,接近0为桉木，YP大于0. 5接近1为相思木；
[0017] (2)基于偏最小二乘法建立样本分类变量与光谱向量之间的相关关系，并通过交 互验证的方式确定建模过程中提取的最佳主成分数；
[0018] (3)基于所提取的最佳主成分数建立判别模型。
[0019] 第五步中利用判别模型对验证集样品进行验证，桉木样本的分类变量的预测值Yp 均接近于0,且偏差小于0. 2 ;相思木样本的分类变量的预测值Yp都接近于1，且偏差小于 〇. 2,判别正确率为100%。
[0020] 有益效果：
[0021] 按本发明方法备料和采集近红外光谱数据，通过建好的判别模型可以快速、无损 地识别制浆材，这与制浆造纸工业生产线上对制浆材原料识别的实际要求相吻合。为制浆 过程中实现适材适用的目标提供了可能。
【附图说明】：
[0022] 图1为桉木和相思木的近红外光谱图。
[0023] 图2为主成分数的累积贡献率。其中横坐标为主成分数，纵坐标为累计贡献率。
[0024]图3为判别模型的验证结果。其中横坐标为样品种类，A为桉木，B为相思木；纵 坐标为预测值。
【具体实施方式】：
[0025] -种基于近红外光谱判别制浆材的方法，步骤是：a.将适龄制浆材去皮，切削成 规格相近约20mmXIOmmX2mm的木片；b.经充分平衡水分后，利用近红外光谱仪采集各制 浆材木片样品的原始近红外光谱数据，扫描范围为1600~2400nm，分辨率为8cmSc.使 用多元信号校正、标准正则变换、Savitzky-Golay滤波或Norris微分过滤等方式对原始近 红外光谱数据进行预处理；d.通过偏最小二乘判别分析等方法，建立制浆材的判别模型； e.通过判别模型对制浆材进行识别。
[0026] 所述步骤a中制衆材包括桉木和相思木，木片样品规格约20mmXIOmmX2mm。
[0027] 所述步骤b中近红外光谱数据为利用近红外光谱仪采用漫反射方式获得的吸光 度值，扫描范围为1600~2400nm，分辨率为8cm%样品采集光谱后倒出，重新混合采样，每 个样品以此方法采集3次光谱，取其平均光谱数据作为样品的原始近红外光谱数据。
[0028] 所述步骤c中的预处理方法为多元信号校正、标准正则变换、Savitzky-Golay滤 波或Norris微分过滤等方式，经预处理后将近红外光谱数据分为训练集