利用近紅外光譜技術(shù)快速分析混合制漿木材樹種比例的方法
【專利摘要】本發(fā)明公開了一種利用近紅外光譜技術(shù)快速分析混合制漿木材樹種比例的方法。該方法適用于檢測兩種不同木材混合制漿時(shí)各材種所占的質(zhì)量分?jǐn)?shù)，同時(shí)結(jié)合近紅外技術(shù)快速無損分析的優(yōu)勢從而能夠?qū)崿F(xiàn)對制漿材材種信息的在線分析和過程控制。其方法為(1)將屬于不同樹種的純種制漿木片粉碎并篩分出過20目篩的木粉，(2)將兩種木粉按一定比例混合均勻配制成一系列標(biāo)樣并采集其近紅外光譜，(3)利用化學(xué)計(jì)量學(xué)方法將標(biāo)樣的樹種質(zhì)量分?jǐn)?shù)信息與其近紅外光譜數(shù)據(jù)關(guān)聯(lián)起來建立數(shù)學(xué)預(yù)測模型，(4)采用建立的數(shù)學(xué)預(yù)測模型對未知混合比例的樣品近紅外光譜數(shù)據(jù)進(jìn)行分析，從而快速、準(zhǔn)確地確定未知樣品中各樹種所占比例信息。
【專利說明】
利用近紅外光譜技術(shù)快速分析混合制漿木材樹種比例的方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種檢測混合制漿木材中各樹種比例信息的分析方法，尤其是利用近 紅外光譜技術(shù)快速分析混合制漿木材樹種比例信息的方法。
【背景技術(shù)】
[0002] 木材作為制漿造紙工業(yè)的主要原材料，其材性特征與終端產(chǎn)品質(zhì)量關(guān)系密切。而 隨著市場需求的擴(kuò)大和優(yōu)質(zhì)木材資源逐漸緊缺，使用單一品種的優(yōu)質(zhì)木材原料制漿已無法 滿足實(shí)際生產(chǎn)需求，因此采用多種木材纖維原料混合制漿造紙已成為必然，此外在收集、儲(chǔ) 存、運(yùn)輸?shù)冗^程中不同樹種或不同產(chǎn)地的木材原料也會(huì)不斷混合，由于不同材種間往往存 在較大差異，因此這些混合了不同材種的制漿原料其材性特征必然存在較大波動(dòng)性和差異 性，最終會(huì)直接影響到紙漿性能及紙產(chǎn)品質(zhì)量的穩(wěn)定性。因此在生產(chǎn)過程中需要實(shí)時(shí)檢測 混合原料的材種信息，根據(jù)材種和材性的變化及時(shí)調(diào)整工藝參數(shù)。
[0003] 在制漿造紙企業(yè)的實(shí)際生產(chǎn)過程中，制漿原料通常會(huì)選用兩種不同材種的混合木 片，而根據(jù)木片供應(yīng)商提供的信息，往往只能明確混合木片的樹種信息，但對于各樹種所占 比例，卻沒有有效的分析方法。
[0004] 近紅外光譜(Near-infrared Spectroscop，NIR)屬于分子光譜，當(dāng)分子受到近紅 外區(qū)域(780~2526nm)的電磁波輻射后，吸收特定頻率的近紅外光，使分子中原子的振動(dòng)能 級和轉(zhuǎn)動(dòng)能級發(fā)生躍迀，從而形成吸收光譜，因此近紅外光譜也可以稱為近紅外吸收光譜。 與常用作結(jié)構(gòu)鑒定分析的中紅外光譜不同，近紅外光譜通常是作為一種快速分析測量手 段，通過已知樣品信息的光譜數(shù)據(jù)構(gòu)建模型，利用模型對待測樣品進(jìn)行分析，以提高常規(guī)定 性定量分析的效率。由于具有儀器操作簡便、分析速度快，非破壞性和樣品制備量小，適合 各類樣品多組分多通道同時(shí)分析等優(yōu)勢，近紅外光譜技術(shù)已被用于實(shí)時(shí)在線檢測，質(zhì)量監(jiān) 控，過程控制等領(lǐng)域，在農(nóng)副產(chǎn)品、石油、化工、食品等行業(yè)被廣泛使用。在制漿造紙工業(yè)生 產(chǎn)過程中，近紅外光譜技術(shù)適用于制漿原料材種和材性的在線監(jiān)測，為調(diào)整工藝條件實(shí)時(shí) 反饋信息，實(shí)現(xiàn)對化學(xué)品用量和能耗的精確控制，從而提高工業(yè)生產(chǎn)效率并降低生產(chǎn)成本 和污染排放。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提出一種利用近紅外光譜技術(shù)快速分析混合制漿木材樹種比例 的方法，該方法基于近紅外光譜分析技術(shù)，可實(shí)現(xiàn)對制漿原料材種信息的在線檢測和過程 控制分析，對實(shí)時(shí)調(diào)控工藝參數(shù)、提高工業(yè)生產(chǎn)效率具有重要意義。
[0006] 本發(fā)明采用的技術(shù)方法如下：
[0007] -種利用近紅外光譜技術(shù)快速分析混合制漿木材樹種比例的方法，包括以下步驟：
[0008] (1)將待檢測的屬于不同樹種的兩種純種制衆(zhòng)木片分別粉碎并用振動(dòng)篩篩分出木粉；
[0009] (2)測量木粉干度并將兩種木粉按照一定絕干質(zhì)量比例混合均勻配制成一系列已 知各樹種質(zhì)量分?jǐn)?shù)的標(biāo)準(zhǔn)樣品；
[0010] (3)利用近紅外光譜儀采集各標(biāo)樣在4000cm i-lOOOOcm 1光譜區(qū)間的近紅外光譜數(shù)據(jù)；
[0011] (4)利用化學(xué)計(jì)量學(xué)方法將各標(biāo)樣已知的樹種質(zhì)量分?jǐn)?shù)信息與其近紅外光譜數(shù)據(jù) 進(jìn)行關(guān)聯(lián)建立數(shù)學(xué)預(yù)測模型；
[0012] (5)采用數(shù)學(xué)預(yù)測模型對未知樹種比例信息的混合木粉樣品的近紅外光譜數(shù)據(jù)進(jìn) 行分析并確定未知樣品中各樹種所占比例信息。
[0013] 具體地，該方法適用于針葉材和闊葉材中任意兩種木材混合制漿時(shí)對這兩種木材 所占比例信息進(jìn)行分析。如桉木、相思、楊木、杉木和馬尾松等中的任意兩種。
[0014] 優(yōu)選地，步驟（1)中，用振動(dòng)篩篩分過20目篩的木粉，這是因?yàn)槿绻痉哿竭^大 會(huì)對光譜采集造成干擾。
[0015] 優(yōu)選地，步驟(2)中，標(biāo)準(zhǔn)樣品配制時(shí)，以一種木材在樣品中所占的絕干質(zhì)量分?jǐn)?shù) 來表征該樣品的樹種比例信息，要求配制樹種比例信息從0 % -100 %的一系列標(biāo)樣，比例間 隔約為1%-3%。
[0016] 步驟(4)中，所述的近紅外光譜數(shù)據(jù)為采用漫反射方式獲得的吸光度值。
[0017] 所述的化學(xué)計(jì)量方法為一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、多元散射校正、標(biāo)準(zhǔn)正態(tài)變換中的任 意一種或多種，同時(shí)基于偏最小二乘算法建立數(shù)學(xué)預(yù)測模型。以模型預(yù)測準(zhǔn)確度、穩(wěn)定性、 算法實(shí)現(xiàn)的難易程度、計(jì)算的復(fù)雜程度和普適性作為評判指標(biāo)對幾種常用的建模算法(如 多元線性回歸、主成分分析回歸、偏最小二乘回歸、人工神經(jīng)網(wǎng)絡(luò)算法、支持向量機(jī))進(jìn)行對 比分析，最終選擇偏最小二乘回歸作為關(guān)聯(lián)光譜數(shù)據(jù)和質(zhì)量百分比數(shù)據(jù)的建模方法。
[0018] 有益效果:企業(yè)在確定選用某批次木片后，即會(huì)在此后相當(dāng)一段時(shí)間內(nèi)持續(xù)使用 該木片以保證生產(chǎn)的穩(wěn)定性，而木片的材種一般也較為穩(wěn)定。因此只需在該批次木片投入 生產(chǎn)之前，根據(jù)混合木片材種信息建立標(biāo)準(zhǔn)模型，即可在此后一段時(shí)間內(nèi)實(shí)現(xiàn)對該批木片 材種比例信息的在線快速分析，不用每次檢測時(shí)都重復(fù)做標(biāo)準(zhǔn)曲線。本發(fā)明該方法適用于 檢測兩種不同木材混合制漿時(shí)各材種所占的質(zhì)量分?jǐn)?shù)，同時(shí)結(jié)合近紅外技術(shù)快速無損分析 的優(yōu)勢從而能夠?qū)崿F(xiàn)對制漿材材種信息的在線分析和過程控制，對實(shí)時(shí)調(diào)控工藝參數(shù)、提 高工業(yè)生產(chǎn)效率具有重要意義。同時(shí)，本發(fā)明通過對光譜數(shù)據(jù)的處理，包括樣品制備、光譜 采集、模型建立和數(shù)據(jù)分析而建立的分析檢測方法，該方法對不同種的木材均適用。
【附圖說明】
[0019] 圖1混合制漿材木粉樣品近紅外光譜圖；
[0020] 圖2標(biāo)準(zhǔn)正態(tài)變換+歸一化處理后的光譜圖；
[0021] 圖3交互驗(yàn)證得到的PRESS圖；
[0022]圖4交互驗(yàn)證模型預(yù)測值和真實(shí)值的相關(guān)關(guān)系散點(diǎn)圖；
[0023]圖5外部驗(yàn)證模型預(yù)測值和真實(shí)值的相關(guān)關(guān)系散點(diǎn)圖；
【具體實(shí)施方式】
[0024] 原料收集:分別收集純種藍(lán)桉和純種馬占相思的制漿木片，經(jīng)篩選和風(fēng)干后，把兩 種木片分別置于原料粉碎機(jī)中進(jìn)行粉碎，并用振動(dòng)篩篩分出20目木粉。然后將兩種木粉分 別置于封口袋中平衡水分并測量木粉干度。
[0025] 制備標(biāo)樣：將兩種木粉按照一定絕干質(zhì)量分?jǐn)?shù)混合均勻配制成一系列從0%至 100% (以藍(lán)桉質(zhì)量分?jǐn)?shù)表示)的標(biāo)準(zhǔn)樣品，共計(jì)90個(gè)樣品，具體配比信息見表1。 [0026] 表1樣品配比信息



[0031]采集光譜:將配制好的木粉樣品倒入樣品杯中壓緊實(shí)，然后用Antaris傅里葉近紅 外光譜儀采集樣品的近紅外漫反射光譜。設(shè)定儀器參數(shù)及測量環(huán)境如下:采樣光譜范圍為 10000-4000〇^1;分辨率為8〇^ 1;采樣點(diǎn)為1557;環(huán)境溫度為20°(：-30°(：，環(huán)境濕度為20%-50%。每個(gè)樣品重復(fù)裝樣3次，每次連續(xù)掃描64次然后取平均光譜作為該樣品的光譜數(shù)據(jù)， 最后將所有光譜數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)正態(tài)變換和歸一化預(yù)處理，圖1和圖2分別是樣品近紅外光譜 圖和經(jīng)預(yù)處理后的光譜圖。
[0032]建立模型：從90個(gè)樣品中隨機(jī)抽取70個(gè)作為訓(xùn)練集，訓(xùn)練集樣品的光譜數(shù)據(jù)用于 建立預(yù)測模型，其余20個(gè)樣品作為測試集，測試集樣品的光譜數(shù)據(jù)不參與建模，只用于對所 建模型進(jìn)行外部驗(yàn)證。確定樣本集后，通過偏最小二乘算法將訓(xùn)練集樣品的光譜數(shù)據(jù)和樣 品中藍(lán)桉所占質(zhì)量分?jǐn)?shù)進(jìn)行關(guān)聯(lián)，經(jīng)回歸分析建立數(shù)學(xué)預(yù)測模型。建模過程中模型潛變量 數(shù)是模型的重要參數(shù)，可通過交互驗(yàn)證方法(cross validation)來確定最佳參數(shù)。在本例 中其具體做法是:對某一潛變量數(shù)，從70個(gè)訓(xùn)練集樣品中選取10個(gè)作為預(yù)測，用余下的60個(gè) 樣品建立校正模型，來預(yù)測這10個(gè)樣品。然后再從這70個(gè)訓(xùn)練集樣品中另外選取10個(gè)作為 預(yù)測，重復(fù)上述過程。經(jīng)反復(fù)建模及預(yù)測，直至這70個(gè)樣品均被預(yù)測一次且只被預(yù)測一次， 則得到對應(yīng)這一潛變量數(shù)的預(yù)測殘差平方和（Prediction Residual Error Sum of Squares，PRESS)，
[0034] (yi為真實(shí)值，貧為預(yù)測值，n為訓(xùn)練集樣品數(shù)）。最后以PRESS值對各潛變量數(shù)作圖 (PRESS圖）的方式確立最佳潛變量數(shù)。圖3為潛變量數(shù)在1-30之間的PRESS圖。從圖3中可看 出PRESS值隨著潛變量數(shù)的增加迅速降低，表明潛變量數(shù)越大則模型預(yù)測性能越好，當(dāng)潛變 量數(shù)為13時(shí)，PRESS值達(dá)到最低點(diǎn)，此后又開始出現(xiàn)微小上升或波動(dòng)，說明在這點(diǎn)以后，加入 的主成分是與被測組分無關(guān)的噪聲成分，因此最終確定最佳潛變量數(shù)為13。
[0035]模型驗(yàn)證：用訓(xùn)練集樣品通過交互驗(yàn)證的方式對模型的預(yù)測性能進(jìn)行評估。模型 交互驗(yàn)證均方根誤差SECV、模型交互驗(yàn)證決定系數(shù)RCT2作為評價(jià)指標(biāo)。各評價(jià)指標(biāo)的值在表 2中列出，圖4為模型預(yù)測值和真實(shí)值的相關(guān)關(guān)系散點(diǎn)圖，從圖表可看出，潛變量數(shù)為13時(shí)， 模型SECV為0.0265，R CT2為0.9966，模型整體預(yù)測性能較好。
[0038] (71為真實(shí)值，務(wù)為訓(xùn)練集交互驗(yàn)證過程中的預(yù)測值，爲(wèi)為真實(shí)值的平均值，n為樣 品數(shù)）
[0039]表2模型交互驗(yàn)證評價(jià)指標(biāo)
[0041]使用測試集樣品對模型進(jìn)行外部驗(yàn)證。表3是模型預(yù)測值、真實(shí)值、絕對偏差、相對 偏差的比較。以模型預(yù)測均方根誤差SEP、模型預(yù)測相關(guān)系數(shù)RP2、相對分析誤差RH)作為評價(jià) 指標(biāo)，各評價(jià)指標(biāo)的值在表4中列出。圖5為模型預(yù)測值和真實(shí)值的相關(guān)系數(shù)散點(diǎn)圖。從圖表 的結(jié)果可看出，外部驗(yàn)證的SEP為0.0320，R P2為0.9902，RH)值為10.11，表明模型的預(yù)測的范 圍較廣，且預(yù)測性能非常好，完全能夠滿足對混合制漿材材種比例信息的快速預(yù)測分析。
[0045] (71為真實(shí)值，氧為測試集預(yù)測過程中的預(yù)測值，為真實(shí)值的平均值，n為樣品數(shù)， SD為測試集標(biāo)準(zhǔn)偏差）
[0046] 表3預(yù)測模型對測試集樣品的預(yù)測值與真實(shí)值比較
[0049]表4模型外部驗(yàn)證評價(jià)指標(biāo)
【主權(quán)項(xiàng)】
1. 一種利用近紅外光譜技術(shù)快速分析混合制漿木材樹種比例的方法，其特征在于，包 括以下步驟： (1) 將待檢測的屬于不同樹種的兩種純種制漿木片分別粉碎并用振動(dòng)篩篩分出木粉； (2) 測量木粉干度并將兩種木粉按照一定絕干質(zhì)量比例混合均勻配制成一系列已知各 樹種質(zhì)量分?jǐn)?shù)的標(biāo)準(zhǔn)樣品； (3) 利用近紅外光譜儀采集各標(biāo)樣在^OOcnfllOOOOcnf1光譜區(qū)間的近紅外光譜數(shù)據(jù)； (4) 利用化學(xué)計(jì)量學(xué)方法將各標(biāo)樣已知的樹種質(zhì)量分?jǐn)?shù)信息與其近紅外光譜數(shù)據(jù)進(jìn)行 關(guān)聯(lián)建立數(shù)學(xué)預(yù)測模型； (5) 采用數(shù)學(xué)預(yù)測模型對未知樹種比例信息的混合木粉樣品的近紅外光譜數(shù)據(jù)進(jìn)行分 析并確定未知樣品中各樹種所占比例信息。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，該方法適用于對針葉木和闊葉木中的任意 兩種木材混合制漿時(shí)對這兩種木材所占比例信息進(jìn)行分析。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟（1)中，用振動(dòng)篩篩分過20目篩的木 粉。4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(2)中，標(biāo)準(zhǔn)樣品配制時(shí)，以一種木材 在樣品中所占的絕干質(zhì)量分?jǐn)?shù)來表征該樣品的樹種比例信息，要求配制樹種比例信息從 0%-100%的一系列標(biāo)樣，比例間隔約為1%-3%。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(4)中，所述的近紅外光譜數(shù)據(jù)為采用 漫反射方式獲得的吸光度值。6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的化學(xué)計(jì)量方法為一階導(dǎo)數(shù)、二階導(dǎo) 數(shù)、多元散射校正、標(biāo)準(zhǔn)正態(tài)變換中的任意一種或多種，同時(shí)基于偏最小二乘算法建立數(shù)學(xué) 預(yù)測模型。
【文檔編號】G01N21/3563GK106053380SQ201610347477
【公開日】2016年10月26日
【申請日】2016年5月24日
【發(fā)明人】梁龍, 房桂干, 吳珽, 施英喬, 鄧擁軍, 沈葵忠, 丁來保, 韓善明, 李紅斌, 焦健, 盤愛享, 梁芳敏, 張華蘭, 林艷, 田慶文, 冉淼
【申請人】中國林業(yè)科學(xué)研究院林產(chǎn)化學(xué)工業(yè)研究所