利用近紅外光譜技術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各材種所占的質量分數(shù)，同時結合近紅外技術快速無損分析的優(yōu)勢從而能夠實現(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樣并采集其近紅外光譜，(3)利用化學計量學方法將標樣的樹種質量分數(shù)信息與其近紅外光譜數(shù)據(jù)關聯(lián)起來建立數(shù)學預測模型，(4)采用建立的數(shù)學預測模型對未知混合比例的樣品近紅外光譜數(shù)據(jù)進行分析，從而快速、準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快速分析混合制漿木材樹種比例的方法
技術領域
[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 紅外光譜技術快速分析混合制漿木材樹種比例信息的方法。
【背景技術】
[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品質量關系密切。而 隨著市場需求的擴大和優(yōu)質木材資源逐漸緊缺，使用單一品種的優(yōu)質木材原料制漿已無法 滿足實際生產需求，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 存、運輸?shù)冗^程中不同樹種或不同產地的木材原料也會不斷混合，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性和差異 性，最終會直接影響到紙漿性能及紙產品質量的穩(wěn)定性。因此在生產過程中需要實時檢測 混合原料的材種信息，根據(jù)材種和材性的變化及時調整工藝參數(shù)。
[0003] 在制漿造紙企業(yè)的實際生產過程中，制漿原料通常會選用兩種不同材種的混合木 片，而根據(jù)木片供應商提供的信息，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能 級和轉動能級發(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。 與常用作結構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)構建模型，利用模型對待測樣品進行分析，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分析等優(yōu)勢，近紅外光譜技術已被用于實時在線檢測，質量監(jiān) 控，過程控制等領域，在農副產品、石油、化工、食品等行業(yè)被廣泛使用。在制漿造紙工業(yè)生 產過程中，近紅外光譜技術適用于制漿原料材種和材性的在線監(jiān)測，為調整工藝條件實時 反饋信息，實現(xiàn)對化學品用量和能耗的精確控制，從而提高工業(yè)生產效率并降低生產成本 和污染排放。

【發(fā)明內容】

[0005] 本發(fā)明的目的是提出一種利用近紅外光譜技術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，可實現(xiàn)對制漿原料材種信息的在線檢測和過程 控制分析，對實時調控工藝參數(shù)、提高工業(yè)生產效率具有重要意義。
[0006] 本發(fā)明采用的技術方法如下：
[0007] -種利用近紅外光譜技術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量比例混合均勻配制成一系列已 知各樹種質量分數(shù)的標準樣品；
[0010] (3)利用近紅外光譜儀采集各標樣在4000cm i-lOOOOcm 1光譜區(qū)間的近紅外光譜數(shù)據(jù)；
[0011] (4)利用化學計量學方法將各標樣已知的樹種質量分數(shù)信息與其近紅外光譜數(shù)據(jù) 進行關聯(lián)建立數(shù)學預測模型；
[0012] (5)采用數(shù)學預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 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對這兩種木材 所占比例信息進行分析。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，用振動篩篩分過20目篩的木粉，這是因為如果木粉粒徑過大 會對光譜采集造成干擾。
[0015] 優(yōu)選地，步驟(2)中，標準樣品配制時，以一種木材在樣品中所占的絕干質量分數(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] 所述的化學計量方法為一階導數(shù)、二階導數(shù)、多元散射校正、標準正態(tài)變換中的任 意一種或多種，同時基于偏最小二乘算法建立數(shù)學預測模型。以模型預測準確度、穩(wěn)定性、 算法實現(xiàn)的難易程度、計算的復雜程度和普適性作為評判指標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、人工神經網(wǎng)絡算法、支持向量機)進行對 比分析，最終選擇偏最小二乘回歸作為關聯(lián)光譜數(shù)據(jù)和質量百分比數(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，即會在此后相當一段時間內持續(xù)使用 該木片以保證生產的穩(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 生產之前，根據(jù)混合木片材種信息建立標準模型，即可在此后一段時間內實現(xiàn)對該批木片 材種比例信息的在線快速分析，不用每次檢測時都重復做標準曲線。本發(fā)明該方法適用于 檢測兩種不同木材混合制漿時各材種所占的質量分數(shù)，同時結合近紅外技術快速無損分析 的優(yōu)勢從而能夠實現(xiàn)對制漿材材種信息的在線分析和過程控制，對實時調控工藝參數(shù)、提 高工業(yè)生產效率具有重要意義。同時，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標準正態(tài)變換+歸一化處理后的光譜圖；
[0021] 圖3交互驗證得到的PRESS圖；
[0022]圖4交互驗證模型預測值和真實值的相關關系散點圖；
[0023]圖5外部驗證模型預測值和真實值的相關關系散點圖；
【具體實施方式】
[0024] 原料收集:分別收集純種藍桉和純種馬占相思的制漿木片，經篩選和風干后，把兩 種木片分別置于原料粉碎機中進行粉碎，并用振動篩篩分出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] 制備標樣：將兩種木粉按照一定絕干質量分數(shù)混合均勻配制成一系列從0%至 100% (以藍桉質量分數(shù)表示)的標準樣品，共計90個樣品，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，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;采樣點為1557;環(huán)境溫度為20°(：-30°(：，環(huán)境濕度為20%-50%。每個樣品重復裝樣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)進行標準正態(tài)變換和歸一化預處理，圖1和圖2分別是樣品近紅外光譜 圖和經預處理后的光譜圖。
[0032]建立模型：從90個樣品中隨機抽取70個作為訓練集，訓練集樣品的光譜數(shù)據(jù)用于 建立預測模型，其余20個樣品作為測試集，測試集樣品的光譜數(shù)據(jù)不參與建模，只用于對所 建模型進行外部驗證。確定樣本集后，通過偏最小二乘算法將訓練集樣品的光譜數(shù)據(jù)和樣 品中藍桉所占質量分數(shù)進行關聯(lián)，經回歸分析建立數(shù)學預測模型。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個訓練集樣品中選取10個作為預測，用余下的60個 樣品建立校正模型，來預測這10個樣品。然后再從這70個訓練集樣品中另外選取10個作為 預測，重復上述過程。經反復建模及預測，直至這70個樣品均被預測一次且只被預測一次， 則得到對應這一潛變量數(shù)的預測殘差平方和（Prediction Residual Error Sum of Squares，PRESS)，
[0034] (yi為真實值，貧為預測值，n為訓練集樣品數(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)越大則模型預測性能越好，當潛變 量數(shù)為13時，PRESS值達到最低點，此后又開始出現(xiàn)微小上升或波動，說明在這點以后，加入 的主成分是與被測組分無關的噪聲成分，因此最終確定最佳潛變量數(shù)為13。
[0035]模型驗證：用訓練集樣品通過交互驗證的方式對模型的預測性能進行評估。模型 交互驗證均方根誤差SECV、模型交互驗證決定系數(shù)RCT2作為評價指標。各評價指標的值在表 2中列出，圖4為模型預測值和真實值的相關關系散點圖，從圖表可看出，潛變量數(shù)為13時， 模型SECV為0.0265，R CT2為0.9966，模型整體預測性能較好。
[0038] (71為真實值，務為訓練集交互驗證過程中的預測值，爲為真實值的平均值，n為樣 品數(shù)）
[0039]表2模型交互驗證評價指標
[0041]使用測試集樣品對模型進行外部驗證。表3是模型預測值、真實值、絕對偏差、相對 偏差的比較。以模型預測均方根誤差SEP、模型預測相關系數(shù)RP2、相對分析誤差RH)作為評價 指標，各評價指標的值在表4中列出。圖5為模型預測值和真實值的相關系數(shù)散點圖。從圖表 的結果可看出，外部驗證的SEP為0.0320，R P2為0.9902，RH)值為10.11，表明模型的預測的范 圍較廣，且預測性能非常好，完全能夠滿足對混合制漿材材種比例信息的快速預測分析。
[0045] (71為真實值，氧為測試集預測過程中的預測值，為真實值的平均值，n為樣品數(shù)， SD為測試集標準偏差）
[0046] 表3預測模型對測試集樣品的預測值與真實值比較
[0049]表4模型外部驗證評價指標
【主權項】
1. 一種利用近紅外光譜技術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量比例混合均勻配制成一系列已知各 樹種質量分數(shù)的標準樣品； (3) 利用近紅外光譜儀采集各標樣在^OOcnfllOOOOcnf1光譜區(qū)間的近紅外光譜數(shù)據(jù)； (4) 利用化學計量學方法將各標樣已知的樹種質量分數(shù)信息與其近紅外光譜數(shù)據(jù)進行 關聯(lián)建立數(shù)學預測模型； (5) 采用數(shù)學預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對這兩種木材所占比例信息進行分析。3. 根據(jù)權利要求1所述的方法，其特征在于，步驟（1)中，用振動篩篩分過20目篩的木 粉。4. 根據(jù)權利要求1所述的方法，其特征在于，步驟(2)中，標準樣品配制時，以一種木材 在樣品中所占的絕干質量分數(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%的一系列標樣，比例間隔約為1%-3%。5. 根據(jù)權利要求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)權利要求1所述的方法，其特征在于，所述的化學計量方法為一階導數(shù)、二階導 數(shù)、多元散射校正、標準正態(tài)變換中的任意一種或多種，同時基于偏最小二乘算法建立數(shù)學 預測模型。
【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)科學研究院林產化學工業(yè)研究所