基于光谱预处理的低温水曲柳原木含水率检测

[目的]原木含水率检测关系木材的质量与高效利用,低温对含水率的无损检测带来困难.应用近红外光谱技术实现低温状态原木含水率的无损检测,可提高预测精度.[方法]在冬季-20℃室外温度时,从林场获取了不同含水率的水曲柳原木木块220块,分别采取了常温状态(20℃)与低温状态(-20℃)的近红外光谱.利用主成分分析比较了相同含水率情况下两种状态的差别;使用基线校正、散射校正、平滑处理和尺度缩放四大类算法的9种光谱预处理算法分别对光谱进行单一方法优化和组合优化.[结果]低温与常温状态的平均光谱在多个吸收峰的强度和位置都有不同,前三个主成分得分图上两种状态的样本有明显的分离,低温对水曲柳试样近红外光谱分析的影响不可忽略;单一预处理算法优化下,移动平均平滑法和SG卷积平滑法对光谱均有较好的去噪效果,RMSEP分别为0.4562和0.4457.3种尺度缩放算法中中心化与标准化要明显差于归一化的优化效果,RMSEP分别为0.5329、0.5202和0.3994.一阶导数和二阶导数对光谱的基线校正的效果较为明显,但是同时也放大了光谱噪声,RMSEP分别为0.4126和0.4895.MSC与SNV处理了大部分光谱散射,其中SNV在单一预处理算法中表现最好,Rp为0.8041,RMSEP为0.3841.将筛选出来的单一预处理算法进行组合后,组合算法均普遍优于单一算法.SG平滑与一阶导数的组合解决了噪声放大的问题,RMSEP减小到0.2331.组合预处理算法中,SG平滑、SNV和一阶导数的组合表现最好,验证集相关系数Rp为0.9128,RMSEP降为0.1774,验证集预测精度提高了69.85％.[结论]近红外光谱法可以实现低温木材含水率的无损检测,通过对不同预处理进行比较筛选组合进行光谱优化可以显著提高低温状态含水率检测模型的精度.