張 鵬，李耀翔

(東北林業(yè)大學 工程技術學院，哈爾濱 150040)

木材作為三大主要建筑材料之一，在人類生活中得到非常廣泛地應用。木材科學研究者在對木材的各向異性進行研究時發(fā)現(xiàn)，順紋抗拉約是橫紋抗拉的40倍，順紋抗壓約是橫紋抗壓的5～10倍，順紋彈性模量約是橫紋的20倍[1]。正是由于木材的這種各項的差異，相比其他材料而言，其用途更加廣泛。它的易于加工、可再生、強度高和密度小等特點，使得木材具有不可替代的地位，從人類開始利用木材起，就把它的特性用到木結構的建筑、室內家具裝修、橋梁設施等方面中。對木材的材性及力學性質進行檢測，是提高木材利用率的重要手段。傳統(tǒng)木材檢測方法大多采用烘干、解剖、破壞等實驗方法，消耗時間長，成本高，同時操作復雜，對樣本的破壞更在一定程度上造成了浪費。無損檢測是一門新興的技術，它以不破壞被檢測對象為前提，借以評價它們的物理量、化學量和機械量等。木材無損檢測的發(fā)展很短，在其發(fā)展初期，僅能對木質材料的缺陷進行定性檢測；發(fā)展至今，已經能夠對許多物理力學指標進行快速準確的預測。隨著木材研究和科學的不斷進步，多種無損檢測手段被應用于了物理力學性質檢測當中，主要有X射線檢測、超聲波檢測、核磁共振檢測、機械應力波檢測等。這些方法各有其優(yōu)勢所在，同時也存在一定的局限性。近紅外光譜技術作為近二十幾年來發(fā)展起來的新型無損檢測技術，以其快速、方便、不破壞樣品、無污染等特點，被廣泛應用于石油化工、醫(yī)藥、造紙、林業(yè)、農業(yè)等各個領域，在木材物理力學性質檢測方面，國內外許多學者都做了一定的探索[2-3]。

1 NIR光譜技術原理

近紅外光是英國天文學家Herschel于1800年在天文觀察中發(fā)現(xiàn)的，是人們最早發(fā)現(xiàn)的非可見光區(qū)域。近紅外光譜記錄了分子化學鍵的基頻振動的倍頻和合頻信息，主要是某些含氫基團(如C-H、N-H、O-H、S-H等)的信息，其波長范圍是780～2 650 nm。近紅外光譜能夠反映絕大多數的有機化合物的結構和性能信息，木材是高分子天然有機物，主要由纖維素、木質素等組成，主要成分中含有大量含氫基團，并且它們的組成和結構各不相同，因此具有不同的吸光度，這與木材的物理、化學、力學等各種性質有很大關系。因此，NIR光譜技術可以很好的表征木材不同性質的差異，并進行定性定量的預測。木材的NIR光譜采集分為漫反射和透射兩種，Thygesen[4]比較了這兩種技術對固體刨花的性質的區(qū)別，結果表明，得到的兩種模型在精度方面并沒有顯著的區(qū)別。

2 NIR光譜技術在木材物理力學性質檢測方面的應用

國外科研工作者在利用NIR光譜技術預測木材性質方面的研究進行的比較早，而且研究的內容也比較廣泛，如預測輻射松、藍桉、火炬松等都有許多研究報道。我國的NIR光譜技術在材性方面的預測是近些年才發(fā)展起來的，在管胞長度、含水率、密度、MOR和MOE等性質方面也多了預測研究。

2.1 抗彎強度(MOR)

木材抗彎強度是木材抵抗彎曲的最大纖維應力，是木材科學加工與合理利用的重要依據，在家具柜體的橫梁架、地板、橋梁等易于彎曲構件的設計中必須參考的性質。Kelley[5]等用NIR技術對6種針葉木材的MOR進行了預測，MOR預測的相關系數分布在0.80～0.92之間；Hoffmeyer[6]等對挪威云杉木材的MOR進行了研究，預測效果不是很理想，測試集的決定系數R2為0.29；Schimleck[7]等對火炬松的幼齡材、成熟材和過渡材的不同切面的MOR進行研究，結果表明利用NIR技術對過渡材的橫切面進行建模，預測效果最好，MOR的預測相關系數達到0.86；虞華強[8]等利用三點彎曲實驗的方法，對155個杉木樣品的抗彎強度進行了測定，并采集了徑切面和橫切面的光譜，建立偏最小二乘法矯正模型，結果表明，切面對模型預測效果的影響不大，主要受光譜波段范圍的影響；趙榮軍[9]等研究了人工林粗皮桉木材的抗彎強度，通過對采集到的光譜進行不同的預處理和波段優(yōu)選，發(fā)現(xiàn)二階導數預處理后模型效果更好，在波段1 000～2 000 nm建立的模型相關系數最好為0.92，SEC為10.49。

2.2 抗彎彈性模量(MOE)

木材抗彎彈性模量表示木材在比例極限內，應力與應變之間的相關程度，能夠反應木材的韌性和抵抗變形的能力。在國外學者研究中，Schimleck[10]等收集了59種具有代表性的商用樹種的木材樣本，并用NIR技術建立了MOE模型，獲得了非常好的實驗結果，模型相關系數R達到了0.84；Thumm[11]等應用NIR技術對566塊輻射松木材建立了MOE預測模型，通過分析比較，一階導數預處理比二階導數處理效果更好，相關系數R為0.85，另一方面，在長波區(qū)域(1 100～2 500 nm)比全區(qū)域(400～2 500)預測效果更好，相關系數R達到0.85。虞華強[8]等采用偏最小二乘法對杉木的MOE建立了預測模型，結果表明，對于全波段(350～2 500 nm)徑切面比橫切面建立的模型效果好，對于短波段光譜(780～1 050 nm)橫切面比徑切面建立的模型預測效果更好；楊忠[12]對木材的腐朽與對應的力學性質的關系進行了探索，利用NIR技術結合偏最小二乘法預測得到的結果表明，對于早期的腐朽木材(失重率為3％)，預測得到的MOE相關系數R為0.80。

2.3 密度(Density)

木材的密度與木材各項力學強度指標有重要的聯(lián)系，木材作為承重結構的材料，其性能大小主要取決于密度[13]。Mauricio[14]對花旗松的密度進行了研究，將樣品分別制成伐倒木削片、氣干削片、木粉樣品，并采用NIR技術結合PLS方法建立定標模型，結果表明氣干削片模型的預測精度較差，3中樣品的預測相關系數分別為0.74、0.56和0.85；Schimleck[15]等對藍桉木材的密度進行了預測，研究表明當密度范圍在0.378～0.656 g/cm3時，預測精度在±0.03 g/cm3范圍內。江澤慧[16]等應用NIR技術對杉木的密度進行了研究，采用偏最小二乘法，對木材橫切面、徑切面和弦切面分別建立模型，結果發(fā)現(xiàn)不同切面的光譜有較大的差異，從橫切面采集到的光譜建立的預測模型最好，R2為0.977；李耀翔[17-18]等應用NIR技術建立了落葉松木材的密度預測模型，并分別采用主成份回歸(PCR)和偏最小二乘(PLS)兩種方法，通過比較，兩種方法都可以實現(xiàn)對落葉松密度的有效預測，但PLS方法所建模型的精準度和誤差都優(yōu)于PCR方法，相關系數達到0.918。

2.4 壓縮強度(Compressive strength)

木材在受到外壓力時，能夠抵抗外力壓縮變形的能力稱為木材壓縮強度，俗語云“立木頂千斤”，就是說明木材的抗壓強度非常高。在壓縮強度預測方面，Hoffmeyer[6]等評價了NIR光譜和壓縮強度之間的相關性，采用PLS法并用獨立檢驗對其有效性進行檢驗，研究表明NIR對壓縮強度的預測能力很好，相關系數R=0.96；趙榮軍[9]等對粗皮桉的順紋抗壓強度進行了研究，結果表明二階導數預處理比一階導數處理效果更好，利用徑切面和弦切面光譜平均值建立的模型優(yōu)于單獨采用一個切面建立的模型，預測模型相關系數R達到0.88。

3 結論與展望

近紅外光譜技術是一種很有前景的、很有實用性的無損檢測方法，目前，可以實現(xiàn)對木材各種物理、化學和力學等性質的預測，以及缺陷和腐朽等的判別[16]，但是很多項目仍停留在實驗室研究階段，并且模型效果不是很理想。如何更加廣泛地應用于工業(yè)化生產、野外檢測和在線檢測，這就需要國內外眾多的科研工作者繼續(xù)進行不斷深入的研究和探索。木材的性質決定著木材的加工方式以及用途，因此就要快速、準確的獲悉木材的性質，對木材進行科學合理的優(yōu)化規(guī)劃和利用，NIR技術在這方面具有很大的潛能，在很大程度上能夠緩解木材的供需矛盾。

【參 考 文 獻】

[1]成俊卿.木材學[M].北京：中國林業(yè)出版社，1985.

[2]張 莉，周金池.近紅外光譜檢測技術及其在木材工業(yè)中的應用[J].林業(yè)機械與木工設備，2010，38(9)：19-22.

[3]王玉榮，江澤慧，趙榮軍，等.快速檢測木材微纖絲角的近紅外光譜分析技術[J].林業(yè)機械與木工設備，2007，35(7)：35-36+50.

[4]Thygesen L G.Determination of dry matter content and basic density of Norway Spruce by near infrared reflectance and transmittance spectroscopy[J].Journal of Near Infrared Spectroscopy，1994，2(3)：127-135.

[5]Kelley S S，Rials T G，Groom L H R，et al.Use of near infrared spectroscopy to predict the mechanical properties of six softwoods[J].Holzforschung，2004，58(3)：252-260.

[6]Hoffmeyer P，Pedersen J G.Evaluation of density and strength of Norway spruce wood near infrared reflectance spectroscopy[J].Holzals Roh-und Werkstoff，1995，53：165-170.

[7]Schimleck L R，Jones P D，Alexander III C，et al.Near infrared spectroscopy for the nondestructive estimation of clear wood properties of Pinus taeda L.from the southern United States[J].Forest Products Joumal，2005，55(12)：21-28.

[8]虞華強，趙榮軍.利用近紅外光譜技術預測杉木力學性質[J].西北林學院學報，2007，22(5)：149-154.

[9]趙榮軍，邢新婷.粗皮桉木材力學性質的近紅外光譜方法預測[J].林業(yè)科學，2012，48(6)：106-111.

[10]Schimleck L R，Robert E.Application of near infrared spectroscopy to a diverse range of species demonstrating wide density and stiffness variation[J].IAWA Journal，2001，22(4)：415-429.

[11]Thumm A，Meder R.Stiffness prediction of Radiata Pine clearwood test pieces using infrared spectroscopy[J].Journal of Near Infrared Spedtroscopy，2001，9(3)：117-122.

[12]楊 忠.近紅外光譜技術預測人工林濕地松木材性質和腐朽特性的研究[D].北京：中國林業(yè)科學研究院，2005.

[13]黃安民，江澤慧.近紅外光譜技術在我國木材性質分析中的應用[J].光譜學與光譜分析，2006，26(7)：161-162.

[14]Mauricio A.Wood properties and use of sensor technology to improve optimal bucking and value recovery of Douglas-fir[D].Corvallis：Oregon State University，2006.

[15]Schimleck L R，Mitchell A J，Ray mond C A，et al.Estimation of basic density of Eucalyptus globulus using near infrared spectroscopy[J].Canadian Journal of Forest Research，1999，29(2)：194-201.

[16]江澤慧，黃安民，王 斌.木材不同切面但近紅外光譜信息與密度快速預測[J].光譜學與光譜分析，2006，26(6)：1034-1037.

[17]李耀翔，張鴻富.基于近紅外技術的落葉松木材密度預測模型[J].東北林業(yè)大學學報，2010，38(9)：27-30.

[18]張鴻富，李耀翔.近紅外光譜技術在木材無損檢測中應用研究綜述[J].森林工程，2009，25(5)：26-30.