一种树木木质素的测量方法及系统

1.本发明涉及木质素的测定领域，特别是涉及一种树木木质素的测量方法及系统。


背景技术：

2.木质素对杉木等经济用材具有重要的意义，对其品质具有重要的意义，因此测量木质素含量可以有效地判断杉木等经济用材的品质；准确测量木质素含量对于杉木等经济木材的品质分类具有必要性。
3.现有技术对杉木等经济用材的木质素的测定方法存在无法精确测量和预测杉木的木质素的含量，准确度不高。
4.因此，基于一种新的木质素测量方法或系统，以提高木质素含量测量的准确性，进而准确的确定杉木等经济木材的品质分类。


技术实现要素：

5.本发明的目的是提供一种树木木质素的测量方法及系统，能够提高木质素含量测量的准确性。
6.为实现上述目的，本发明提供了如下方案：
7.一种树木木质素的测量方法，包括：
8.获取树木的木心；
9.将木心自然干燥后加入至粉碎机中，获得设定粒径大小的粉末；
10.将粉末转至烘箱中进行烘干；
11.获取烘干后的粉末的近红外光谱数据和木质素含量；
12.对近红外光谱数据进行主成分分析，并根据主成分分析后的近红外光谱数据与木质素含量确定预测模型；所述预测模型以主成分分析后的近红外光谱数据为输入，以木质素含量为输出；
13.获取待测量的树木的主成分分析后的近红外光谱数据，并利用预测模型确定待测量的树木的木质素含量。
14.可选地，所述获取树木的木心，具体包括：
15.利用生长锥钻入树木中获取木心；所述生长锥的长度为30厘米-50厘米，所述生长锥的直径为0.8厘米-1.2厘米，钻入树木的深度为树木直径的2/5-3/5。
16.可选地，烘干时间为48小时-96小时。
17.可选地，所述获取烘干后的粉末的近红外光谱数据和木质素含量，具体包括：
18.对烘干后的粉末进行红外测试，确定近红外光谱数据；
19.对烘干后的粉末进行化学测定法，确定木质素含量。
20.可选地，所述对近红外光谱数据进行主成分分析，并根据主成分分析后的近红外光谱数据与木质素含量确定预测模型，之前还包括：
21.对近红外光谱数据进行预处理；所述预处理包括：光散射校正、多元散射校正、标
准正态变量变换以及平滑处理。
22.一种树木木质素的测量系统，包括：
23.木心获取模块，用于获取树木的木心；
24.粉末获得模块，用于将木心自然干燥后加入至粉碎机中，获得设定粒径大小的粉末；
25.烘干模块，用于将粉末转至烘箱中进行烘干；
26.近红外光谱数据和木质素含量获取模块，用于获取烘干后的粉末的近红外光谱数据和木质素含量；
27.预测模型确定模块，用于对近红外光谱数据进行主成分分析，并根据主成分分析后的近红外光谱数据与木质素含量确定预测模型；所述预测模型以主成分分析后的近红外光谱数据为输入，以木质素含量为输出；
28.测量模块，用于获取待测量的树木的主成分分析后的近红外光谱数据，并利用预测模型确定待测量的树木的木质素含量。
29.一种树木木质素的测量系统，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现所述的一种树木木质素的测量方法。
30.根据本发明提供的具体实施例，本发明公开了以下技术效果：
31.本发明所提供的一种树木木质素的测量方法及系统，根据获取木心的粉末近红外光谱数据和测量的木质素含量，并利用神经网络算法进行学习，确定预测模型，利用预测模型，根据未知木质素含量的树木对应的近红外光谱数据，确定木质素含量。利用近红外光谱的精准测量结合传统的化学检测手段，克服现有化学检测手段测量手段繁琐，测量样品不能重复利用，建立基于近红外光谱的木质素无损、快速、精准的检测方法；同时利用基于神经网络的机器学习算法对近红外光谱数据和化学测定数据进行训练学习，获得基于近红外光谱的木质素的预测模型。
附图说明
32.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
33.图1为本发明所提供的一种树木木质素的测量方法流程示意图；
34.图2为本发明所提供的一种树木木质素的测量系统结构示意图。
具体实施方式
35.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
36.本发明的目的是提供一种树木木质素的测量方法及系统，能够提高木质素含量测
量的准确性。
37.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
38.图1为本发明所提供的一种树木木质素的测量方法流程示意图，如图1所示，本发明所提供的一种树木木质素的测量方法，包括：
39.s101，获取树木的木心；采用生长锥钻入获取木心的方法，可以精准获取木心的原材料。
40.s101具体包括：
41.利用生长锥钻入树木中获取木心；所述生长锥的长度为30厘米-50厘米，所述生长锥的直径为0.8厘米-1.2厘米，钻入树木的深度为树木直径的2/5-3/5。
42.s102，将木心自然干燥后加入至粉碎机中，获得设定粒径大小的粉末；
43.s102具体包括：将木心自然干燥后加入至粉碎机中，获得粉末；将粉末过筛；不符合粒径大小的粉末继续粉碎。筛孔为100目。
44.s103，将粉末转至烘箱中进行烘干；烘干时间为48小时-96小时。
45.s104，获取烘干后的粉末的近红外光谱数据和木质素含量；
46.s104具体包括：
47.对烘干后的粉末进行红外测试，确定近红外光谱数据；
48.对烘干后的粉末进行化学测定法，确定木质素含量。
49.s105，对近红外光谱数据进行主成分分析，并根据主成分分析后的近红外光谱数据与木质素含量确定预测模型；所述预测模型以主成分分析后的近红外光谱数据为输入，以木质素含量为输出；
50.其中，将样本集(主成分分析后的近红外光谱数据与木质素含量)划分为学习组和验证组；分别利用学习组和验证组对模型进行训练和验证。
51.学习组和验证组的比例为8:2或者9:1。
52.s105之前还包括：
53.对近红外光谱数据进行预处理；所述预处理包括：光散射校正、多元散射校正、标准正态变量变换以及平滑处理。
54.光散射校正方式可以消除由于颗粒分布不均及颗粒大小不同产生的散射对光谱的影响，其中多元散射校正主要用于消除因颗粒分布不均匀及颗粒大小产生的散射现象，标准正态变量变换则是用于消除由固体颗粒大小、表面散射及光程变换对漫反射的影响。然后，使用了平滑的方式对相关光谱的机器误差进行了消除。
55.s106，获取待测量的树木的主成分分析后的近红外光谱数据，并利用预测模型确定待测量的树木的木质素含量。
56.图2为本发明所提供的一种树木木质素的测量系统结构示意图，如图2所示，本发明所提供的一种树木木质素的测量系统，包括：
57.木心获取模块201，用于获取树木的木心；
58.粉末获得模块202，用于将木心自然干燥后加入至粉碎机中，获得设定粒径大小的粉末；
59.烘干模块203，用于将粉末转至烘箱中进行烘干；
60.近红外光谱数据和木质素含量获取模块204，用于获取烘干后的粉末的近红外光谱数据和木质素含量；
61.预测模型确定模块205，用于对近红外光谱数据进行主成分分析，并根据主成分分析后的近红外光谱数据与木质素含量确定预测模型；所述预测模型以主成分分析后的近红外光谱数据为输入，以木质素含量为输出；
62.测量模块206，用于获取待测量的树木的主成分分析后的近红外光谱数据，并利用预测模型确定待测量的树木的木质素含量。
63.为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，本发明还提供一种树木木质素的测量系统，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现所述的一种树木木质素的测量方法。
64.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
65.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。