木材种类的近红外光谱和模式识别
【摘要】 木材的种类识别是木材加工和贸易的一个重要环节，传统的木材种类识别方法主要有显微检测法和木材纹理识别法，其操作繁琐，耗时长，成本高，不能满足当前需求。本研究利用木材的近红外光谱（NIRS）结合模式识别方法，以期实现木材种类的快速准确识别。采用近红外光谱结合主成分分析法（PCA）、偏最小二乘判别分析法（PLSDA）和簇类独立软模式法（SIMCA）三种模式识别对58种木材进行种类鉴别研究;5点平滑、标准正态变量变换（SNV）、多元散射校正（MSC）、Savitzky-Golay一阶导数（SG1st-Der）和小波导数（WD）五种光谱预处理方法用于木材光谱的预处理;校正集和测试集样品的正确识别率（CRR）用于模型的评价。采用PCA方法，通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。在建立PLSDA模型，原始光谱的正确识别率最高，分别为88.2%和88.2%;5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%;SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%;MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%;SG1st-Der处
