一種基于近紅外光譜判別制漿材的方法
【技術(shù)領(lǐng)域】：
[0001] 本發(fā)明是一種判別制漿材的方法，尤其是一種基于近紅外光譜技術(shù)的判別制漿材 的方法。
【背景技術(shù)】：
[0002] 近年世界造紙纖維用材中闊葉材的比例逐漸增大，如今已超過針葉材，成為主要 造紙用材，其中桉樹和相思樹品種很多，且具有生長快，纖維形態(tài)好，單位體積木材的制漿 得率和生產(chǎn)效率高等優(yōu)點(diǎn)。目前大型制漿造紙企業(yè)根據(jù)原料的供給情況，往往會(huì)將多個(gè)來 源地和不同品種的制漿材進(jìn)行混合制漿，為實(shí)現(xiàn)林紙結(jié)合的目標(biāo)，就必須打破有材就用的 傳統(tǒng)，需要實(shí)現(xiàn)對制漿材的快速識(shí)別進(jìn)而確定混合原料性質(zhì)與制漿造紙性能要求間的較佳 組合，實(shí)現(xiàn)制漿材的"適材適用"。然而傳統(tǒng)的制漿材識(shí)別方法比較復(fù)雜且成本高，如制作顯 微切片來觀察其結(jié)構(gòu)特征等，無法滿足制漿過程的快速分類的要求。
[0003] 近紅外光譜是基于分子振動(dòng)的非諧振性使分子振動(dòng)從基態(tài)向激發(fā)態(tài)躍迀產(chǎn)生的， 記錄了非諧振動(dòng)的倍頻與合頻吸收信息，主要反映了含氫基團(tuán)X-H(X= 0,C，N，S)的吸收信 息。由于倍頻和合頻的躍迀幾率低，且相互耦合，導(dǎo)致近紅外譜光譜中存在大量重疊譜帶且 難以精確區(qū)分譜帶歸屬，因此無法直接從譜圖中讀取有用信息，需借助計(jì)算機(jī)技術(shù)和化學(xué) 計(jì)量學(xué)方法對光譜數(shù)據(jù)進(jìn)行優(yōu)化處理和解析。近紅外光譜分析技術(shù)綜合運(yùn)用了計(jì)算機(jī)技 術(shù)、光譜技術(shù)和化學(xué)計(jì)量學(xué)等多個(gè)學(xué)科的最新研究成果，利用樣品的近紅外特征吸收峰與 樣品成分含量或性能之間建立數(shù)學(xué)關(guān)系，來預(yù)測未知樣品成分含量及其性能，具有樣品制 備簡單、高速快捷、樣品成分與結(jié)構(gòu)無破壞等特點(diǎn)。近年來，由于計(jì)算機(jī)與化學(xué)統(tǒng)計(jì)學(xué)軟件 的發(fā)展，特別是化學(xué)計(jì)量學(xué)的深入研究和廣泛應(yīng)用，近紅外光譜技術(shù)成廣泛應(yīng)用于農(nóng)業(yè)、食 品、石化與藥物產(chǎn)品的分析及農(nóng)林產(chǎn)品中蛋白質(zhì)、水分、淀粉、脂類與纖維素等成分的測定。

【發(fā)明內(nèi)容】
：
[0004] 本發(fā)明的目的是為了解決制漿造紙工業(yè)中制漿材識(shí)別時(shí)消耗大量時(shí)間、人力的問 題，提供了一種能夠快速、無損地對制漿材進(jìn)行判別的方法。
[0005] 本發(fā)明采用的技術(shù)方案：一種基于近紅外光譜判別制漿材的方法，步驟是：
[0006] 第一步，制漿材預(yù)處理：將適齡制漿材去皮，切削成規(guī)格相近的制漿材木片樣品；
[0007] 第二步，采集近紅外光譜數(shù)據(jù)：經(jīng)充分平衡水分后，利用近紅外光譜儀采集各制漿 材木片樣品的原始近紅外光譜數(shù)據(jù)，掃描范圍為1600~2400nm，分辨率為8cmS
[0008] 第三步，數(shù)據(jù)預(yù)處理：對原始近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理，并將其分為訓(xùn)練集和驗(yàn) 證集；
[0009] 第四步，建模：通過偏最小二乘判別分析數(shù)據(jù)分析方法，建立制漿材的判別模型；
[0010] 第五步，通過判別模型對制漿材進(jìn)行驗(yàn)證識(shí)別。
[0011] 所述制漿材包括桉木和相思木。
[0012] 所述木片樣品規(guī)格為20mmXIOmmX2mm。
[0013] 第二步中所述樣品采集光譜后倒出，重新混合采樣，每個(gè)樣品以此方法采集3次 光譜，取其平均光譜數(shù)據(jù)作為樣品的原始近紅外光譜數(shù)據(jù)。
[0014] 6.根據(jù)權(quán)利要求1所述的基于近紅外光譜判別制漿材的方法，其特征在于，第三 步中數(shù)據(jù)預(yù)處理采用的是多元信號(hào)校正、標(biāo)準(zhǔn)正則變換、Savitzky-Golay濾波或Norris微 分過濾中的任一方式進(jìn)行預(yù)處理。
[0015] 第四步建模具體是：
[0016] ⑴按照樣品類別屬性，賦予訓(xùn)練集樣本分類變量值，桉木為Y= 0,相思木Y= 1， 當(dāng)模型預(yù)測的分類變量值Yp小于0. 5,接近0為桉木，YP大于0. 5接近1為相思木；
[0017] (2)基于偏最小二乘法建立樣本分類變量與光譜向量之間的相關(guān)關(guān)系，并通過交 互驗(yàn)證的方式確定建模過程中提取的最佳主成分?jǐn)?shù)；
[0018] (3)基于所提取的最佳主成分?jǐn)?shù)建立判別模型。
[0019] 第五步中利用判別模型對驗(yàn)證集樣品進(jìn)行驗(yàn)證，桉木樣本的分類變量的預(yù)測值Yp 均接近于0,且偏差小于0. 2 ;相思木樣本的分類變量的預(yù)測值Yp都接近于1，且偏差小于 〇. 2,判別正確率為100%。
[0020] 有益效果：
[0021] 按本發(fā)明方法備料和采集近紅外光譜數(shù)據(jù)，通過建好的判別模型可以快速、無損 地識(shí)別制漿材，這與制漿造紙工業(yè)生產(chǎn)線上對制漿材原料識(shí)別的實(shí)際要求相吻合。為制漿 過程中實(shí)現(xiàn)適材適用的目標(biāo)提供了可能。
【附圖說明】：
[0022] 圖1為桉木和相思木的近紅外光譜圖。
[0023] 圖2為主成分?jǐn)?shù)的累積貢獻(xiàn)率。其中橫坐標(biāo)為主成分?jǐn)?shù)，縱坐標(biāo)為累計(jì)貢獻(xiàn)率。
[0024]圖3為判別模型的驗(yàn)證結(jié)果。其中橫坐標(biāo)為樣品種類，A為桉木，B為相思木；縱 坐標(biāo)為預(yù)測值。
【具體實(shí)施方式】：
[0025] -種基于近紅外光譜判別制漿材的方法，步驟是：a.將適齡制漿材去皮，切削成 規(guī)格相近約20mmXIOmmX2mm的木片；b.經(jīng)充分平衡水分后，利用近紅外光譜儀采集各制 漿材木片樣品的原始近紅外光譜數(shù)據(jù)，掃描范圍為1600~2400nm，分辨率為8cmSc.使 用多元信號(hào)校正、標(biāo)準(zhǔn)正則變換、Savitzky-Golay濾波或Norris微分過濾等方式對原始近 紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理；d.通過偏最小二乘判別分析等方法，建立制漿材的判別模型； e.通過判別模型對制漿材進(jìn)行識(shí)別。
[0026] 所述步驟a中制衆(zhòng)材包括桉木和相思木，木片樣品規(guī)格約20mmXIOmmX2mm。
[0027] 所述步驟b中近紅外光譜數(shù)據(jù)為利用近紅外光譜儀采用漫反射方式獲得的吸光 度值，掃描范圍為1600~2400nm，分辨率為8cm%樣品采集光譜后倒出，重新混合采樣，每 個(gè)樣品以此方法采集3次光譜，取其平均光譜數(shù)據(jù)作為樣品的原始近紅外光譜數(shù)據(jù)。
[0028] 所述步驟c中的預(yù)處理方法為多元信號(hào)校正、標(biāo)準(zhǔn)正則變換、Savitzky-Golay濾 波或Norris微分過濾等方式，經(jīng)預(yù)處理后將近紅外光譜數(shù)據(jù)分為訓(xùn)練集