论文部分内容阅读
本文通过可见光特征、近红外光谱和中红外光谱的采集试验,采用现代光谱分析方法和统计方法,研究和探讨木材树种识别方法的可行性,以对传统木材树种识别进行补充和发展。(1)木材可见光特征在LCH颜色空间呈正态分布；树种间可见光特征差异显著性比例为96.3%,对可见光特征影响程度从大到小依次为H、L、C;依据可见光特征的分类与花纹无关,依据木材可见光特征对树种的分类情况,与根据树木学对树种分类不尽相同,与同样根据木材材色对树种进行分类的红木类别有差距；经验证,以量化的可见光特征为依据的木材树种识别模型基本可行,该模型与组织构造特征相结合可以正确识别本文树种；模型优化关键是：选取检验显著性水平α=0.001,增大样本量。(2)同一类别木材的近红外光谱具有相近的吸收峰和吸收强度,不同类别的木材近红外光谱的吸收峰和吸收强度有明显不同之处,这是由各树种木材化学成分的相似性和差异性造成的,也为基于近红外光谱的木材树种识别提供基础。近红外光谱整体波段在木材树种的识别中起作用,其中700-904.742nm波段的识别作用更大。基于近红外光谱的木材树种分类效果明显,尤其对红木类木材的分类与红木标准基本一致。(3)经抽提,木粉质量减少27.09%-40.23%。木粉颜色大幅度变浅,且各树种木粉颜色变得接近。纤维素、半纤维素、木质素决定了中红外光谱的主要分布,抽提物对某些吸收峰和吸收强度起关键决定作用。木材化学成分的主要差异首先在于酚类化合物和烃类化合物,这是木材含有不同颜色和不同气味的原因；其次在于醛、醚、醇、酮,以及饱和脂肪酸和不饱和脂肪酸。(4)依据组织构造特征,可实现大部分木材树种的正确识别,然而,对组织构造特征相近的木材识别有难度：依据可见光特征可实现大部分木材树种的正确识别,然而,对可见光特征差异性不显著的木材识别有难度；依据近红外光谱对木材树种的分类与红木类木材分类相近：依据中红外光谱树种间吸收峰的异同,可区分不同木材树种或类别。依据组织构造特征、可见光特征、近红外光谱特征、中红外光谱特征的木材树种识别或分类存在互补性,使得光谱特征可作为依据组织构造特征的木材树种识别的的补充和发展,从而更准确的识别木材树种。