高光譜成像技術在木材檢測中的應用（上）
1.木材質量檢測的重要性
木材作為一種廣泛使用的建築和裝飾材料，其質量直接影響建築的安全性和耐久性。通過檢測木材的物理性能（如強度、密度、含水率）和化學性質（如耐腐性、抗蟲性），可(ke)以(yi)確(que)保(bao)其(qi)滿(man)足(zu)相(xiang)關(guan)標(biao)準(zhun)要(yao)求(qiu)，從(cong)而(er)保(bao)障(zhang)工(gong)程(cheng)質(zhi)量(liang)和(he)使(shi)用(yong)安(an)全(quan)。其(qi)次(ci)，木(mu)材(cai)是(shi)一(yi)種(zhong)寶(bao)貴(gui)的(de)自(zi)然(ran)資(zi)源(yuan)，合(he)理(li)利(li)用(yong)尤(you)為(wei)重(zhong)要(yao)。通(tong)過(guo)檢(jian)測(ce)木(mu)材(cai)的(de)性(xing)能(neng)，可(ke)以(yi)合(he)理(li)分(fen)類(lei)與(yu)定(ding)級(ji)，確(que)保(bao)高(gao)性(xing)能(neng)木(mu)材(cai)用(yong)於(yu)承(cheng)重(zhong)結(jie)構(gou)等(deng)關(guan)鍵(jian)部(bu)位(wei)，低(di)性(xing)能(neng)木(mu)材(cai)用(yong)於(yu)裝(zhuang)飾(shi)或(huo)其(qi)他(ta)用(yong)途(tu)，從(cong)而(er)提(ti)高(gao)資(zi)源(yuan)利(li)用(yong)率(lv)。此(ci)外(wai)，木(mu)材(cai)檢(jian)測(ce)還(hai)可(ke)幫(bang)助(zhu)識(shi)別(bie)合(he)格(ge)木(mu)材(cai)與(yu)非(fei)法(fa)采(cai)伐(fa)木(mu)材(cai)，推(tui)動(dong)木(mu)材(cai)的(de)循(xun)環(huan)利(li)用(yong)，有(you)效(xiao)保(bao)護(hu)森(sen)林(lin)資(zi)源(yuan)，助(zhu)力(li)可(ke)持(chi)續(xu)發(fa)展(zhan)。在(zai)國(guo)際(ji)市(shi)場(chang)上(shang)，木(mu)製(zhi)品(pin)的(de)質(zhi)量(liang)直(zhi)接(jie)影(ying)響(xiang)其(qi)競(jing)爭(zheng)力(li)。通(tong)過(guo)係(xi)統(tong)的(de)木(mu)材(cai)檢(jian)測(ce)，有(you)助(zhu)於(yu)企(qi)業(ye)生(sheng)產(chan)符(fu)合(he)標(biao)準(zhun)的(de)高(gao)品(pin)質(zhi)木(mu)製(zhi)品(pin)，提(ti)升(sheng)產(chan)品(pin)競(jing)爭(zheng)力(li)和(he)品(pin)牌(pai)價(jia)值(zhi)。因(yin)此(ci)，木(mu)材(cai)檢(jian)測(ce)的(de)重(zhong)要(yao)性(xing)貫(guan)穿(chuan)了(le)從(cong)生(sheng)產(chan)、應用到再利用的整個生命周期，是保障質量、優化資源和推動環保的重要手段。
2.傳統木材質量檢測的方法與難點
傳統木材檢測方法包括視覺與手工檢測、物理性能測試、化學分析以及無損檢測等，視覺與手工檢測主要是通過人工觀察木材的外觀特征，如顏色、紋理、裂紋、節疤等，初步判斷木材質量。這種方法依賴經驗，主觀性較強。物理性能測試是利用實驗設備測試木材的密度、含水率、抗壓強度、抗彎強度和硬度等指標，通過機械加載評估木材的結構性能。化學分析是對木材的化學成分進行檢測，如纖維素、半纖維素、木質素的含量，以及防腐劑的滲透和分布情況。無損檢測是使用聲波、超聲波、紅外、X射線等技術檢測木材的內部結構缺陷，如裂縫、空kong洞dong和he腐fu朽xiu。這zhe些xie檢jian測ce方fang法fa在zai識shi別bie內nei部bu缺que陷xian和he微wei小xiao裂lie紋wen時shi存cun在zai局ju限xian，且qie檢jian測ce過guo程cheng耗hao時shi較jiao長chang，難nan以yi適shi應ying大da規gui模mo檢jian測ce需xu求qiu，部bu分fen方fang法fa具ju有you破po壞huai性xing，影ying響xiang木mu材cai完wan整zheng性xing和he後hou續xu使shi用yong價jia值zhi。另ling外wai對dui操cao作zuo人ren員yuan的de***性要求較高，存在人為因素導致的誤差。
3.高光譜成像技術的發展
高光譜成像（HSI）是一種集數字圖像和光譜信息於一體的表征分析技術，具有快速、無損的特點。由於其光譜範圍廣，能夠同時且快速提供測試對象表麵形貌特征和化學成分信息。近年來，HSI技術結合光譜分析與圖像處理，為木材檢測提供了非接觸、無損、高(gao)精(jing)度(du)的(de)解(jie)決(jue)方(fang)案(an)。通(tong)過(guo)捕(bu)捉(zhuo)木(mu)材(cai)在(zai)不(bu)同(tong)波(bo)段(duan)的(de)光(guang)譜(pu)特(te)性(xing)差(cha)異(yi)，高(gao)光(guang)譜(pu)成(cheng)像(xiang)能(neng)夠(gou)快(kuai)速(su)識(shi)別(bie)和(he)分(fen)類(lei)不(bu)同(tong)種(zhong)類(lei)的(de)木(mu)材(cai)，適(shi)用(yong)於(yu)混(hun)合(he)木(mu)材(cai)的(de)自(zi)動(dong)化(hua)分(fen)選(xuan)。對(dui)於(yu)木(mu)材(cai)內(nei)部(bu)的(de)裂(lie)紋(wen)、空洞、腐fu朽xiu和he蟲chong害hai等deng缺que陷xian，高gao光guang譜pu圖tu像xiang中zhong光guang譜pu特te征zheng的de細xi微wei變bian化hua提ti供gong了le可ke靠kao的de檢jian測ce依yi據ju，彌mi補bu了le傳chuan統tong檢jian測ce方fang法fa在zai精jing度du上shang的de不bu足zu。此ci外wai，高gao光guang譜pu成cheng像xiang能neng夠gou精jing準zhun表biao征zheng木mu材cai的de含han水shui率lv分fen布bu，並bing對dui纖xian維wei素su、木質素等化學成分進行定量分析，為加工處理提供科學依據。並且該技術可捕捉木材表麵的顏色、wenliheguangzebianhua，keyongyuzhiliangpingjiahetucengjiance。zongshangsuoshu，gaoguangpuchengxiangjishuyiqidutedeguangpuyukongjianxinxironghenengli，nenggouweimucaijiancetigonglequanxindeyanjiushijiaohejishushouduan。
4.高光譜成像技術在木材質量檢測中的應用
4.1木材分類與種類識別
木材的種類識別與分類對於林業資源管理、木材加工業和環境保護具有重要意義。近年來，HSI技術憑借其非接觸、無損且高精度的特點，成為木材分類研究的重要工具。
Kobori等人(Kobori et al., 2017)提出了一種基於近紅外高光譜成像（NIR-HSI）和重複主成分分析（rPCA）的新型木材廢料分類方法（圖1），旨在提高木材廢料的回收率並優化其利用方式。研究分析了四種木材廢料（塗樹脂膠合板、防腐處理木材、硬木和軟木）的高光譜圖像，提取了每種樣品的平均光譜，並利用rPCA建立分類模型。研究驗證了NIR-HSI結合rPCA在木材廢料快速分類中的有效性和實用性，為木材回收工廠提供了一種非接觸、快速、***的分類方法。
圖1. 四種木材廢料的RGB圖像和由每個分類模型計算的偽彩色圖像：（a）四種木材廢料的可見光圖像；（b）塗樹脂膠合板分類的得分圖像；（c）防腐處理木材分類的得分圖像；（d）軟木分類的得分圖像
Kanayama等人(Kanayama et al., 2019)提出了一種基於NIR-HSI和卷積神經網絡（CNN）的木材種類識別方法。作者通過對38種硬木的120個樣品進行高光譜成像（波長範圍為913-2519 nm），結合標準正態變換（SNV）***光散射影響，並使用主成分分析（PCA）提取光譜特征（圖2），生成的主成分圖像作為CNN模型的輸入。實驗表明，該方法在6個主成分圖像的基礎上，木材種類識別的準確率達到90.5%，顯著高於基於RGB圖像的56.0%。
圖2. 從（a）由圖像掃描儀采集的可見光圖像和（b）經SNV預處理光譜生成的前三個主成分圖像（3PCA圖像）中提取的圖塊
趙磊等人(趙磊, 2022)提出了一種融合NIR-HSI和太赫茲光譜（THz-TDS）的信息融合技術，用於木材種類識別（圖3）。選取了5種闊葉材和5種針葉材樣本，結合高光譜圖像的光譜和空間信息以及太赫茲光譜信息，通過SNV和特征選擇方法（如CARS、UVE和RF）對數據進行預處理。並使用支持向量機（SVM）極限學習機（ELM）模型對單一特征和融合特征的數據進行木材分類。結果表明，光譜數據融合技術對提高木材識別模型準確率具有顯著效果。
圖3. 基於高光譜和太赫茲光譜結合數據融合技術的木材識別研究流程圖
Mauruschat等人(Mauruschat et al., 2016)研究了NIR-HSI在廢木材和木塑複合材料（WPC）檢測與分揀中的應用，旨在解決廢木材回收中因汙染物導致資源利用率低的問題。研究表明，通過NIR-HSI可以有效區分不同類型的WPC，WPC-PP顆粒純度可提高至97.1%。此外，研究檢測了多種木材防腐劑的近紅外反射光譜，發現大多數有機防腐劑在純態下可以被準確識別。基於主成分分析（PCA），可以間接區分未經處理和處理過的木材（圖4）。這項研究為提高廢木材和WPC的回收利用效率提供了技術支持。
圖4. 原圖（第1幅圖）和主成分分析（PCA）處理後的高光譜圖像。分別為***主成分（第2幅圖）、第三主成分（第3幅圖）和第四主成分（第4幅圖）。圖像展示了不同處理方式下的木材樣本，包括：幹燥未處理鬆木（a）、潮濕未處理鬆木（b）、幹燥硼鹽處理鬆木（c）、潮濕硼鹽處理鬆木（d）、幹燥甲基托布津處理鬆木（e）以及潮濕甲基托布津處理鬆木（f）
4.2木材水分預測與化學成分分析
木材的含水率與化學成分是決定其加工性能與最終用途的重要參數。HSI技術通過結合光譜和空間信息，實現了木材中自由水、結合水及其遷移動力學的動態監測，同時結合化學計量學模型能夠無損、快速地定量分析木質素、纖維素及其他化學成分含量，生成高分辨率的二維或三維化學成分分布圖。
Ma等人(Ma et al., 2022)利用NIR-HSI技術分析木材幹燥過程中的水分傳輸動力學，探討了木材中自由水和結合水的動態變化及其對幹燥過程的影響。研究通過對不同長度（30 mm、60 mm、90 mm）的日本扁柏樣品在不同幹燥溫度（30℃、60℃、90℃）下的含水率分布進行可視化分析（圖5），揭示了木材水分在幹燥過程中的遷移機製。
圖5. 不同長度（a：30 mm、b：60 mm和c：90 mm）和不同溫度幹燥的木材樣品中水分含量的分布
另外該作者(Ma et al., 2020)還研究了利用HSI技術對木質纖維素材料在幹燥過程中自由水、弱氫鍵結合水和強氫鍵結合水的動態分布狀態進行快速可視化的方法。通過光譜數據結合偏最小二乘回歸（PLSR）和PCA，對木材含水率和水分子結構的變化進行定量和可視化分析（圖6）。研究結果表明，自由水、弱結合水和強結合水的分布及動態遷移可以通過PCA的主成分得分進行區分，並實現高空間分辨率的圖像顯示。研究揭示了纖維飽和點（FSP）前後水分的遷移機製，證實了NIR-HSI在實時監測木材水分動態和優化幹燥工藝中的重要應用潛力。
圖6. 平衡水分含量下的RGB照片及其對三種研究木材類型樣品（a：日本雪鬆；b：山毛櫸；c：水曲柳）的水分含量監測結果
參考文獻
Kobori, H., Higa, S., Tsuchikawa, S., Kojima, Y., & Suzuki, S. (2017). Segregating wood wastes by repetitive principal component analysis of near infrared spectra. Journal of Near Infrared Spectroscopy, 25(3), 180-187. https://doi.org/10.1177/0967033517714344
Kanayama, H., Ma, T., Tsuchikawa, S., & Inagaki, T. (2019). Cognitive spectroscopy for wood species identification: Near infrared hyperspectral imaging combined with convolutional neural networks. The Analyst, 144(21), 6438-6446. https://doi.org/10.1039/C9AN01180C
趙磊. (2022). 基於高光譜和太赫茲光譜結合數據融合技術的木材識別研究. 碩士學位論文, 北京林業大學.
Mauruschat, D., Plinke, B., Aderhold, J., Gunschera, J., Meinlschmidt, P., & Salthammer, T. (2016). Application of near-infrared spectroscopy for the fast detection and sorting of wood–plastic composites and waste wood treated with wood preservatives. Wood Science and Technology, 50(2), 313-331. https://doi.org/10.1007/s00226-015-0785-x
Ma, T., Morita, G., Inagaki, T., & Tsuchikawa, S. (2022). Moisture transport dynamics in wood during drying studied by long-wave near-infrared hyperspectral imaging. Cellulose, 29(1), 133-145. https://doi.org/10.1007/s10570-021-04290-y
Ma, T., Inagaki, T., & Tsuchikawa, S. (2020). Rapidly visualizing the dynamic state of free, weakly, and strongly hydrogen-bonded water with lignocellulosic material during drying by near-infrared hyperspectral imaging. Cellulose, 27(9), 4857-4869. https://doi.org/10.1007/s10570-020-03117-6
地址：無錫市梁溪區南湖大道飛宏路58-1-108.png)
電話：.png)
郵箱：
在線谘詢