基于近红外光谱技术的针叶材板材表面节子缺陷检测

编号 zgly0001569610

文献类型 期刊论文

文献题名 基于近红外光谱技术的针叶材板材表面节子缺陷检测

作者 周竹  尹建新  周素茵  周厚奎 

作者单位 浙江农林大学信息工程学院  浙江农林大学浙江省林业智能监测与信息技术研究重点实验室  浙江农林大学智慧农林业研究中心 

母体文献 浙江农林大学学报 

年卷期 2017年03期

年份 2017 

分类号 S781.5  O657.3 

关键词 木材科学与技术  近红外光谱  针叶材  板材  节子  随机青蛙算法  最小二乘-支持向量机 

文摘内容 为了实现木板材依据节子进行自动化分级,采用近红外光谱技术研究了多种针叶材表面节子缺陷的检测方法。采用Smart Eye 1700近红外光谱仪获取北美黄杉Pseudotsuga menziesii,铁杉Tsuga chinensis,云杉Picea asperata,白云杉Picea glauca-英格曼云杉Picea engelmannii-扭叶松Pinus contorta-冷杉Abies laciocarp a(SPF)等4种板材的近红外光谱(1 000~1 650 nm),比较了光谱预处理方法、建模方法对节子识别的影响,并首次对多种针叶树材进行了节子识别的适应性研究,随后引入一种新的变量选择方法即随机青蛙算法用于优选节子检测的特征波长,在此基础上建立了板材节子识别的最小二乘-支持向量机(LS-SVM)模型。结果显示:一阶导数光谱预处理结合LS-SVM所建混合树种板材节子识别模型性能最优。随机青蛙算法提取了8个特征波长变量,仅占全波段变量的1.23%,所建简化模型效果最好。该模型对测试集的敏感性、特异性和识别准确率分别为98.49%,93.42%和96.30%。近红外光谱技术结合化学计量学方法可以对针叶材树种板材的表面节子进行快速准确检测,随机青蛙算法是提取板材表面节子缺陷特征的有效方法。该结果可为下一步搭建木材节子快速检测系统提供技术支撑。