高光譜成像技術在木材檢測中的應用（下）
4.高光譜成像技術在木材質量檢測中的應用
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。
Tsuchikawa等人(Tsuchikawa et al., 2023)總結了近紅外光譜技術（NIRS）在林業與木製品中的應用現狀和發展趨勢。突出強調了NIR-HSI在林業和木製品研究中的的空間分辨、動態監測、多duo屬shu性xing分fen析xi和he無wu損sun性xing等deng方fang麵mian的de顯xian著zhu優you勢shi。文wen章zhang提ti到dao高gao光guang譜pu成cheng像xiang在zai木mu材cai幹gan燥zao過guo程cheng中zhong水shui分fen遷qian移yi動dong態tai的de可ke視shi化hua能neng力li，例li如ru通tong過guo水shui分fen解jie吸xi和he吸xi附fu過guo程cheng生sheng成cheng含han水shui率lv分fen布bu圖tu，從cong而er更geng直zhi觀guan地di觀guan察cha木mu材cai的de物wu理li和he化hua學xue變bian化hua（圖7）。展示了使用基於NIR-HSI的水分檢測來優化木材幹燥的複雜模擬參數的潛力，為了解不同幹燥環境下木材內部的水分分布提供了基礎。
圖7.（A）木材樣本與近紅外高光譜成像（NIR-HSI）係統；（B）從木材樣本的水分解吸和吸附過程中采集的HSI數據中提取的平均NIR光譜，以及NIRS預測的含水率（MC）與參考值之間的散點圖；（C）含水率的可視化結果（上圖）和在纖維飽和點（FSP）下進行水分解吸時的模擬結果（下圖），樣本尺寸為30 mm³
Colares等人(Colares et al., 2016)探討了利用NIR-HSI技術結合多元曲線分辨-交替最小二乘法（MCR-ALS）對紅木化學成分在微觀尺度上的分布進行可視化分析的方法（圖8）。通過分析木材的三種生長方向（徑向、切線方向和橫截麵），研究揭示了木質素、全纖維素（纖維素+半纖維素）和萃取物在不同解剖結構中的分布差異。
圖8.使用MCR-ALS方法對高光譜圖像進行可視化的示意圖
Awais等人(Awais et al., 2020)研究了HSIjiehehuaxuejiliangxuefangfazaifenximucaibiaomianyixianhuaguochengzhongdeyingyong，tongguoduimucaizhongyisuangandeshentouxingweijinxingkeshihuahedingliangfenxi，pinggulebiaomiangaixingduimucaixingnengdeyingxiang。yanjiuxuanqusugelansongweiyangpin，tongguodanmianyixianhuachulizaijingxiangfangxiangshangxingchengyixianhuatidu，bingshiyongPLSR模型和PCA對光譜數據進行降維與分析（圖9）。
圖9.乙酰化木材表麵高光譜成像技術表征示意圖
Mäkelä等人(Mäkelä et al., 2021)研究了采用NIR-HSI結合PCA和PLSR模型，定量分析乙酰化的重量增益（WPG）及其空間分布（圖10）。展示了HSIzaimucaihuaxuegaixingyanjiuzhongdezhongyaoyingyongqianli，bujinjieshileyixianhuazaimucaibutongcengjijiegoushangdedongtaifenbu，haiweilijiehuaxuechuliduimucaixishixinghechicunwendingxingdeyingxiangtigonglexindeshijiao。
圖10.預測WPG的可視化圖像（上圖）及對應的像素直方圖（下圖）。（a）未乙酰化樣品；（b）設計中心區域乙酰化樣品；（c）高度乙酰化樣品
Thumm等人(Thumm et al., 2010)研究了利用HSI技術對輻射鬆木材的化學成分進行二維分布映射的方法。通過結合成像光譜儀和多元回歸分析，研究實現了木材樣品中木質素、半纖維素（如葡萄糖和半乳糖）的含量預測與空間分布可視化。Araya等人(Araya et al., 2017)提出了兩種基於中紅外高光譜成像（MIR-HSI）和多元曲線分辨-交替最小二乘法（MCR-ALS）的(de)單(dan)像(xiang)素(su)定(ding)量(liang)策(ce)略(lve)，用(yong)於(yu)測(ce)量(liang)木(mu)質(zhi)纖(xian)維(wei)材(cai)料(liao)中(zhong)木(mu)質(zhi)素(su)和(he)葡(pu)聚(ju)糖(tang)的(de)分(fen)布(bu)及(ji)濃(nong)度(du)。通(tong)過(guo)提(ti)取(qu)光(guang)譜(pu)數(shu)據(ju)來(lai)揭(jie)示(shi)化(hua)學(xue)成(cheng)分(fen)在(zai)微(wei)觀(guan)尺(chi)度(du)上(shang)的(de)空(kong)間(jian)分(fen)布(bu)特(te)征(zheng)。研(yan)究(jiu)表(biao)明(ming)，基(ji)於(yu)MCR-ALS的de單dan像xiang素su定ding量liang策ce略lve可ke以yi有you效xiao地di對dui木mu質zhi纖xian維wei樣yang品pin進jin行xing微wei尺chi度du化hua學xue分fen析xi，揭jie示shi其qi化hua學xue成cheng分fen的de異yi質zhi性xing分fen布bu。以yi上shang研yan究jiu驗yan證zheng了le近jin紅hong外wai高gao光guang譜pu成cheng像xiang技ji術shu在zai木mu材cai化hua學xue成cheng分fen分fen布bu分fen析xi中zhong的de應ying用yong潛qian力li，不bu僅jin能neng夠gou快kuai速su、無損地測定木材的化學成分，還能實現高空間分辨率的分布圖像生成，為木材質量評估和加工優化提供了科學依據。
圖11.MCR-ALS定量樣品木質素和葡聚糖可視化圖
4.3木材物理性能分析
木材的物理性能，如彈性模量（MOE）、密度、微纖維角（MFA）等，是評價其力學性能和適用範圍的關鍵指標。HSI技術通過與多元回歸模型的結合，能夠高*預測木材物理性能，並以圖像形式展示其在微觀或宏觀尺度上的分布特點。此外，NIR-HSI還可用於分析結疤、孔洞等內部缺陷對木材性能的影響，為木材選種、加工和質量控製提供科學依據。
Sofianto等人(Sofianto et al., 2019)利用NIR-HSI技術預測和映射日本杉木單板的MOE，並探討了結疤和孔洞對MOE預測及其分布的影響。研究采用偏最小二乘回歸（CV-PLSR）模型構建了針對單板樣品的MOE預測模型，並結合NIR-HSI實現了MOE空間分布的可視化映射（圖12）。
圖12.采用像素NIR平均值預測整塊單板樣品MOE預測值的分布圖，括號中為三點彎曲測試的實際測量MOE值
Chambi-Legoas等人(Chambi-Legoas et al., 2023)研究了利用近HSI技術預測桉樹木材密度，並評估其在早期樹種選擇中的可行性。通過結合局部加權偏最小二乘回歸（LWPLSR）模型和X射線密度計校準數據，該研究成功生成了整個木材橫截麵的高分辨率密度映射（圖13）。NIR-HSI結合LWPLSR模型能夠高*、準確地預測木材密度，為早期選擇高密度樹種提供了有力支持。
圖13.LWPLSR模型預測的木盤密度圖（a）、年輪（b）和每年齡的橫向麵積劃分（c）
Ma等人(Ma et al., 2017)研究了NIR-HSI係統在木材屬性*確映射和空間分辨分析中的應用潛力。圖14展示了NIR-HSI技術在分析木材密度和MFA分布方麵的能力。這些結果提供了木材早材（EW）和晚材（LW）密度變化的詳細圖譜，同時顯示了正常木材和壓縮木材的密度差異。
圖14.（A）SilviScan；（B）NIR-HSI係統；（C）木材樣品（D）密度；（E）微纖維角的測繪結果
另外，Schimleck等人(Schimleck et al., 2023)綜述了NIR-HSI技術在木材及其相關產品研究中的應用。介紹了HSI技術在木材科學中的多種應用領域，包括木材性質的空間變化分析、反應木檢測、木材產品的質量評估、紙漿和造紙工業的應用、木材的降解和保護研究、木材-水分相互作用、木材廢料分選及木材種類的識別。強調了NIR-HSI技(ji)術(shu)結(jie)合(he)光(guang)譜(pu)與(yu)圖(tu)像(xiang)的(de)優(you)勢(shi)，不(bu)僅(jin)能(neng)夠(gou)非(fei)破(po)壞(huai)性(xing)地(di)檢(jian)測(ce)木(mu)材(cai)內(nei)部(bu)化(hua)學(xue)和(he)物(wu)理(li)特(te)性(xing)，還(hai)可(ke)以(yi)生(sheng)成(cheng)木(mu)材(cai)性(xing)質(zhi)的(de)二(er)維(wei)或(huo)三(san)維(wei)分(fen)布(bu)圖(tu)。例(li)如(ru)，通(tong)過(guo)高(gao)光(guang)譜(pu)數(shu)據(ju)，可(ke)以(yi)對(dui)木(mu)材(cai)的(de)密(mi)度(du)、濕度、MFA、木材剛度等參數進行*確預測，並可用於監測木材的水分動態、降解過程和化學處理效果。文章還總結了木材研究中常用的高光譜成像係統，包括近紅外（900-1700 nm）和短波紅外（1000-2500 nm）相機，並比較了不同儀器和研究方法的性能。通過對木材種類鑒別、木材廢料回收分選等具體案例的分析，展示了NIR-HSI技術在提高木材利用率、優化加工工藝以及推動可持續林業發展中的重要作用。
總結與展望
高光譜成像（HSI）技術在木材質量檢測中的應用取得了重要進展，涵蓋了木材種類識別、水分動態監測、化學成分分析以及物理性能評估等多個關鍵領域。研究表明，HSI通過整合光譜與空間分辨能力，能夠快速、無損地獲取木材內部的化學與物理信息，為木材工業的質量控製、資源優化利用及加工工藝改進提供了科學支持和技術保障。展望未來，隨著硬件技術的不斷革新與人工智能算法的廣泛應用，NIR-HSI技術在木材檢測中的應用潛力將進一步擴大。尤其是在智能化木材加工、精準林業管理以及可持續資源利用等方向，高光譜成像技術有望發揮更加重要的作用，助力木材工業向數字化、智能化和綠色化邁進。
參考文獻
Tsuchikawa, S., Inagaki, T., & Ma, T. (2023). Application of Near-Infrared Spectroscopy to Forest and Wood Products. Current Forestry Reports, 9(6), 401–412. https://doi.org/10.1007/s40725-023-00203-3
Colares, C. J. G., Pastore, T. C. M., Coradin, V. T. R., Marques, L. F., Moreira, A. C. O., Alexandrino, G. L., Poppi, R. J., & Braga, J. W. B. (2016). Near infrared hyperspectral imaging and MCR-ALS applied for mapping chemical composition of the wood specie Swietenia Macrophylla King (Mahogany) at microscopic level. Microchemical Journal, 124, 356–363. https://doi.org/10.1016/j.microc.2015.09.022
Awais, M., Altgen, M., Mäkelä, M., Altgen, D., & Rautkari, L. (2020). Hyperspectral Near-Infrared Image Assessment of Surface-Acetylated Solid Wood. ACS Applied Bio Materials, 3(8), 5223–5232. https://doi.org/10.1021/acsabm.0c00626
Mäkelä, M., Altgen, M., Belt, T., & Rautkari, L. (2021). Hyperspectral imaging and chemometrics reveal wood acetylation on different spatial scales. Journal of Materials Science, 56(8), 5053–5066. https://doi.org/10.1007/s10853-020-05597-0
Thumm, A., Riddell, M., Nanayakkara, B., Harrington, J., & Meder, R. (2010). Near Infrared Hyperspectral Imaging Applied to Mapping Chemical Composition in Wood Samples. Journal of Near Infrared Spectroscopy, 18(6), 507–515. https://doi.org/10.1255/jnirs.909
Araya, J. A., Carneiro, R. L., Arévalo, C., Freer, J., & Castillo, R. D. P. (2017). Single pixel quantification strategies using middle infrared hyperspectral imaging of lignocellulosic fibers and MCR-ALS analysis. Microchemical Journal, 134, 164–172. https://doi.org/10.1016/j.microc.2017.05.019
Sofianto, I. A., Inagaki, T., Ma, T., & Tsuchikawa, S. (2019). Effect of knots and holes on the modulus of elasticity prediction and mapping of sugi ( Cryptomeria japonica ) veneer using near-infrared hyperspectral imaging (NIR-HSI). Holzforschung, 73(3), 259–268. https://doi.org/10.1515/hf-2018-0060
Chambi-Legoas, R., Tomazello-Filho, M., Vidal, C., & Chaix, G. (2023). Wood density prediction using near-infrared hyperspectral imaging for early selection of Eucalyptus grandis trees. Trees, 37(3), 981–991. https://doi.org/10.1007/s00468-023-02397-2
Ma, T., Inagaki, T., & Tsuchikawa, S. (2017). Calibration of SilviScan data of Cryptomeria japonica wood concerning density and microfibril angles with NIR hyperspectral imaging with high spatial resolution. Holzforschung, 71(4), 341–347. https://doi.org/10.1515/hf-2016-0153
Schimleck, L., Ma, T., Inagaki, T., & Tsuchikawa, S. (2023). Review of near infrared hyperspectral imaging applications related to wood and wood products. Applied Spectroscopy Reviews, 58(9), 585–609. https://doi.org/10.1080/05704928.2022.2098759
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