近紅外光譜技術(shù)對紅木家具的鑒別

張妍茵　顧玉琦　張雯雅

摘要[目的]建立一種快速鑒別一些易混淆的珍稀紅木家具的方法。[方法]選擇奧氏黃檀、刺猬紫檀、大果紫檀和非洲紫檀4種珍稀木材制作的紅木家具，使用便攜式光譜儀采集光譜，并進(jìn)行預(yù)處理，建立初始模型。采用不同特征波長提取方法，提取有效信息后，利用SIMCA、PLS-DA建立紅木鑒別模型。[結(jié)果]不同樹種譜線形狀類似，近紅外光譜吸收強(qiáng)度不同。4種家具在SIMCA的校正集和驗(yàn)證集中的識(shí)別率均在92%以上，拒絕率高于98%；PLS-DA模型中識(shí)別率和拒絕率成效顯著。[結(jié)論]采用近紅外光譜對紅木家具類別進(jìn)行鑒別是可行的。

關(guān)鍵詞近紅外光譜；紅木家具；鑒別

中圖分類號S781.1文獻(xiàn)標(biāo)識(shí)碼

A文章編號0517-6611（2017）22-0115-02

Abstract[Objective]To establish a method for rapid identification of some easily confused rare mahogany furniture.[Method]Choosing Dalbergia oliveri，Pterocarpus erinaceus，Pterocarpus macrocarpus，Pterocarpus soyauxii 4 rare wood mahogany furniture，using a portable spectrometer and spectral acquisition，and preprocessing，the initial model was built.After extracting effective information by using different characteristic wavelengths，a redwood identification model was established by using SIMCA and PLSDA.[Result]The spectral lines of different tree species were similar，and the absorption intensities of near infrared spectra were different.In the SIMCA model，the recognition rate of 4 kinds of furniture in the positive set and the verification section was above 92%，and the rejection rate was higher than 98%.The recognition rate and rejection rate were significant in PLSDA model.[Conclusion]It is feasible to differentiate the rosewood furniture by near infrared spectroscopy.

Key wordsNear infrared （NIR）；Mahogany furniture；Identify

紅木和紅木家具有很強(qiáng)的中國文化內(nèi)涵[1]。紅木在我國紅木國家標(biāo)準(zhǔn)（GB/T 18107—2000）中定義為5屬8類33種[2]，加之原料日益稀缺，其價(jià)格一路飆升。一些不良商家為了賺取利潤，采用與紅木有著相似特征的珍稀木材冒充高檔紅木，或者在紅木家具中摻雜其他劣質(zhì)紅木，嚴(yán)重干擾了市場秩序，損害了廣大消費(fèi)者的利益。

與傳統(tǒng)分析技術(shù)相比，近紅外光譜技術(shù)避免了對樣品的損壞，提高了效率和速度，降低了成本，并且測量方便。目前也有很多研究表明，近紅外光譜技術(shù)鑒別木材是可行的，近幾年在木材化學(xué)組成、密度、強(qiáng)度、微纖絲角預(yù)測、腐朽判別及木材識(shí)別等方面得到了廣泛的應(yīng)用，但關(guān)于用近紅外技術(shù)鑒別一些易混淆的珍稀紅木家具鮮見報(bào)道。筆者研究了用近紅外光譜技術(shù)鑒別紅木家具的可行性，旨在為紅木家具的鑒別提供一種有效、快速、無損的技術(shù)手段[3]。

1材料與方法

1.1試驗(yàn)材料

選取奧氏黃檀、刺猬紫檀、大果紫檀和非洲紫檀4種紅木家具，家具樣本來自于浙江藝術(shù)紫檀博物館。采集4種珍稀紅木家具的近紅外光譜樣本，各樣本的校正集均為90，驗(yàn)證集均為30。

1.2試驗(yàn)設(shè)備與光譜采集

使用便攜式微型近紅外光譜儀Smart Eye1700進(jìn)行光譜信號采集。近紅外光譜分析的范圍一般為 4 000 cm-1以上，即波長2.5 μm以下，在樣本垂直上方通過光纖探頭采集每個(gè)樣本表面的近紅外漫反射光譜，每掃描50次自動(dòng)平均為1條光譜后保存。該儀器的參數(shù)和環(huán)境參數(shù)：波長1 000～1 650 nm，分辨率8 cm-1，光譜采樣間隔1 nm，光纖探頭直徑8 mm，環(huán)境溫度（20±2）℃，相對濕度（50±5）%。試驗(yàn)隨機(jī)挑選出樣本光譜總數(shù)的 2/3 作為校正集用于建模，樣本光譜總數(shù)的1/3作為驗(yàn)證集進(jìn)行預(yù)測。

1.3光譜處理和數(shù)據(jù)分析

1.3.1預(yù)處理。近紅外光譜儀采集的原始數(shù)據(jù)存在與樣本化學(xué)結(jié)構(gòu)相關(guān)的信息，同時(shí)噪音干擾光譜圖中信息，可使模型的建立和對未知樣品的預(yù)測受到影響。常用的數(shù)據(jù)預(yù)處理方法有數(shù)據(jù)平滑、數(shù)據(jù)求導(dǎo)等[4-5]。

1.3.2建模。利用Unscrambler 9.2軟件中偏最小二乘判別分析法（PLS-DA）和 SIMCA 法進(jìn)行分析，以相關(guān)系數(shù)、校正標(biāo)準(zhǔn)誤差、驗(yàn)證標(biāo)準(zhǔn)誤差、預(yù)測樣本正確、相對分析誤差作為模型預(yù)測能力的評價(jià)指標(biāo)。

2結(jié)果與分析

2.1各樣品的原始光譜

圖1是4種紅木家具的近紅外原始光譜進(jìn)行平均后獲得的光譜。由圖1可知，4種紅木的譜線形狀類似，但存在偏移，可以看出對于同種木材樣本，其近

紅外光譜吸光度也不同。在波長為1 200和1 450 nm左右，4種紅木的吸光度達(dá)到較高值，隨后又逐漸下降，在波長為1 450 nm 時(shí)，吸光度最高。

2.2SIMCA 判別模型的建立與驗(yàn)證

通過交互驗(yàn)證法來確定上述4種紅木家具模型的最佳主成分?jǐn)?shù)，即在預(yù)測殘差平方和變化不大的情況下選取較小的主成分?jǐn)?shù)。SIMCA模型的校正和驗(yàn)證結(jié)果見表1。

2.3PLS-DA判別模型的建立與驗(yàn)證

在全光譜范圍內(nèi)（1 000～1 650 nm）建立的4種PLS-DA模型，校正集和驗(yàn)證集樣本判別結(jié)果見表2。由表2可知，各樹種模型校正集和驗(yàn)證集的識(shí)別率都在85%以上，而校正集和驗(yàn)證集的拒絕率幾乎均達(dá)到100%[6]。

3結(jié)論

（1）通過分析紅木家具光譜可知，不同樹種的譜線形狀類似，且不同種類木材存在特定的吸收峰，不同種類的主要化學(xué)成分含量不同，使得不同樹種近紅外光譜吸收強(qiáng)度不同。

（2）基于1 000～1 650 nm 波長建立了 SIMCA、PLS-DA 2種判別模型，SIMCA模型中，4種家具在校正集和驗(yàn)證集中的識(shí)別率均在92%以上，拒絕率高于98%；PLS-DA模型中識(shí)別率和拒絕率成效顯著，校正集和驗(yàn)證集的識(shí)別率在85%以上，拒絕率在99%以上；2種模型判別效果較好，表明采用近紅外光譜對紅木家具類別進(jìn)行鑒別是可行的。

參考文獻(xiàn)

[1]

SHOU G Z，ZHANG W Y，GU Y G，et al.Application of near infrared spectroscopy for discrimination of similar rare woods in the Chinese market[J].Journal of near infrared spectroscopy，2014，22（6）：423-432.

[2] 中華人民共和國國家質(zhì)量技術(shù)監(jiān)督局.紅木：GB/T 18107—2000[S].北京：中國標(biāo)準(zhǔn)出版社，2000.

[3] 張雯雅.近紅外光譜技術(shù)在珍稀木材鑒別領(lǐng)域的研究與應(yīng)用[D].杭州：浙江農(nóng)林大學(xué)，2015.

[4] 張銀，周孟然.近紅外光譜分析技術(shù)的數(shù)據(jù)處理方法[J].紅外技術(shù)，2008，29（6）：345–348.

[5] 褚小立，袁洪福，陸婉珍.近紅外分析中光譜預(yù)處理及波長選擇方法進(jìn)展與應(yīng)用[J].化學(xué)進(jìn)展，2004，16（4）：528–542.

[6] 楊忠，任海青，江澤慧.PLS-DA 法判別分析木材生物腐朽的研究[J].光譜學(xué)與光譜分析， 2008，28（4）：793-796.