基本密度是评估木材制浆造纸性能的重要指标。 采用近红外光谱技术检测造纸木片基本密度, 实时掌握原料材性变化, 能够为制定和优化制浆生产工艺提供基础理论数据。 但在实际生产中, 原料来源的复杂性造成木片水分含量波动较大, 光谱中的水分干扰信息严重影响模型预测效果, 成为制约近红外技术实际应用的主要因素。 以杨木片为研究对象, 通过对木片失水过程的近红外光谱动态监测, 结合主成分分析明确光谱中水分吸收信息的特征响应, 揭示了木片水分中结合水和自由水的变化规律。 分别采用不同水分条件下的木片光谱建立偏最小二乘回归(PLS)模型预测木片基本密度, 通过对比分析模型预测性能, 探究木片水分变化对近红外预测木片密度的影响, 并采用外部参数正交化算法(EPO)消除光谱中水分的干扰, 提高模型对水分变化的抗干扰能力。 研究结果表明, 基于饱水木片光谱的模型具有最好的预测精度, 模型的建立主要依靠近红外光谱对木片纤维结构特征信息的获取。 而光谱中大量的水分吸收信息对建模是冗余无用的, 并且会导致模型对样品水分高度敏感, 当测试集水分含量变化时, 模型预测出现严重偏差。 通过EPO算法对木片失水过程动态光谱的解析, 提取水分校正因子, 能够有效消除水分变化引起的光谱差异。 基于水分校正的基本密度预测模型对不同水分条件下的测试集均表现出稳定的预测性能, 均方根误差、 决定系数和预测相对标准偏差分别为12.23 kg·m-3、 0.883 4和2.93。 该研究将EPO算法引入对木材材性的近红外光谱分析, 构建了抗水分干扰的稳健型基本密度预测模型, 较好地解决了水分含量波动对原料材性快速检测的影响, 为近红外光谱技术在制浆造纸领域的推广应用提供了依据。

为提高制浆树种的利用效率, 缓解国内制浆造纸原料短缺的现状, 降低行业污染与总体成本, 尝试将近红外光谱技术用于海南省制浆树种的成分含量分析, 以期根据实时所得成分含量相应调整工艺参数。 用结构简单、 易改装的全息光栅分光近红外光谱仪采集了海南省常见的适龄制浆树种（尾细桉、 尾巨桉、 尾叶桉、 马占相思和粗果相思）共205个样本的近红外光谱, 按传统实验室方法分析其主要成分——综纤维素和木质素的含量。 选择合适的预处理方法与偏最小二乘法结合, 建立了两种分析模型, 并通过遗传算法剔除不相关的变量, 筛选出特征波段, 明确综纤维素和木质素的特征吸收, 优化了模型。 其中综纤维素分析模型建立时采用Savitzky-Golay 13点3倍平滑、 矢量归一化和一阶导数预处理原始光谱, 1 150.3～2 362.0 nm波段参与建模。 筛选出的波段包含了1 188～1 196 nm之间CH3中C—H伸缩振动的二级倍频吸收, 1 742～1 633 nm区间内O—H伸缩振动的一级倍频, 2 112 nm附近O—H变形振动、 O—H伸缩振动的合频等纤维素的特征吸收; 也包含了1 470～1 495 nm之间O—H伸缩振动的一级倍频, 1 906和1 911 nm附近CO伸缩振动的二级倍频等聚戊糖的特征吸收。 模型RMSEP值为0.55%, 绝对偏差范围为-0.91%～0.87%。 木质素分析模型建立时采用Savitzky-Golay 13点3倍平滑、 多元信号校正和二阶导数预处理原始光谱, 1 137.6～1 872.5和2 131.0～2 424.1 nm波段参与建模。 筛选出的波段包含了1 143 nm附近苯环C—H伸缩振动的二级倍频吸收和CH3的C—H伸缩振动的二级倍频吸收, 1 670～1 684 nm处苯环C—H伸缩振动的一级倍频, 2 205 nm附近C—H、 CO伸缩振动的合频等木质素的特征吸收。 模型RMSEP值为0.45%, 绝对偏差范围为-0.76%～0.79%。 两个模型的RPD值分别为4.71和3.47, 均能满足制浆树种主要成分在线快速分析测定的工业需求。 同时, 本研究为制浆树种近红外表征体系的建立提供了理论依据, 对近红外技术助力制浆造纸工业由自动化向智能化转变具有较为显著的意义。

为解决速生桉抽出物测定方法繁琐耗时, 木浆生产能耗居高不下等问题, 以引种的3种广西速生尾巨桉原料(DH32-29, DH32-26, DH33-27)为研究对象, 采集了144个样本的近红外光谱, 按国标方法测定全部样品的苯醇抽出物和1%NaOH抽出物含量。 在Matlab 8.0中采用信号平滑, 一阶、 二阶导数, 矢量归一化, 多元散射校正等方法预处理原始光谱, 用偏最小二乘法、 支持向量机法和人工神经网络法以及常用于宏观经济分析的LASSO法分别结合上述预处理方法建立模型, 筛选出最优建模方法。 运用遗传算法对波段进行选择, 提高了模型的精确度从而优化了模型。 确定了建立苯醇抽出物含量模型时, 可联用平滑、 MSC和一阶导数预处理光谱数据, 以1 345.0～1 821.4和2 127.8～2 241.3 nm区间波段参与建模, 建模方法为偏最小二乘法, 最佳主成分数为9时, 模型有最好的精确度。 其RMSEP值可达0.25%, 绝对偏差范围为-0.39%～0.38%。 筛选出的波段包含了如1 410和1 447 nm附近酚羟基伸缩振动的一级倍频, 2 133 nm处苯环上碳氢键的伸缩振动与碳碳双键伸缩振动的合频等苯醇抽出物的特征波段。 建立1%NaOH抽出物分析模型时, 可联用平滑、 矢量归一化和一阶导数预处理, 选择1 138.2～2 363.0 nm波段数据, 建模方法为LASSO, 选取的调整参数值μ为12.61, 此时模型精确度最高。 RMSEP值为0.37%, 绝对偏差范围为-0.56%～0.53%。 筛选出的波段包含了1 158和1 170 nm附近乙酰脂基团CH3中C—H的伸缩振动二级倍频吸收, 1 666, 1 681和1 790 nm附近CH3中C—H伸缩振动的一级倍频吸收等特征吸收。 模型的预测能力从组分结构角度得到了解释。 模型的RPD值分别为4.67和5.77, 模型性能均可满足实际需求, 有望应用于制浆造纸生产线上的速生桉抽出物含量分析。 研究结果表明, 通过预处理方法选择和建模方法选择, 结合遗传算法的应用, 可以建立并优化广西速生桉木抽出物含量的近红外测定模型; 同时, LASSO算法作为一种新兴算法, 在近红外光谱分析中表现出了较好的处理共复线性数据的能力, 可以建立准确性较好的分析模型。

近年来， 随着林纸一体化战略的推进， 多使用混合原料制浆。 而混合原料比例及成分含量的快速分析难以实现已成为制约制浆工业发展的瓶颈。 为解决此问题， 以广泛使用的杨木-桉木混合原料为研究对象， 用傅里叶近红外光谱仪采集了131个不同比例的杨木-桉木混合样品和30个单一杨木、 桉木样品的近红外光谱； 用化学法测定其综纤维素、 聚戊糖及Klason木素含量。 因主要化学成分含量的近红外光谱信息集中于7 600～4 000 cm-1区间， 对该区间的光谱数据进行平滑、 标准正态变换和一阶导数的预处理， 运用LASSO算法建立了杨木含量与聚戊糖含量模型； 对该区间数据进行平滑、 标准正态变换和二阶导数预处理后结合LASSO算法建立了综纤维素含量模型； 对该区间数据进行平滑、 多元信号校正和二阶导数预处理后结合LASSO算法建立了Klason木素含量模型。 杨木含量、 综纤维素、 聚戊糖、 Klason 木素含量模型的预测均方根误差分别为1.82%， 0.52%， 0.67%和0.59%； 绝对偏差范围分别为-3.01%～2.94%， -0.91%～0.83%， -0.91%～1.07%， -0.79%～0.92%。 4种模型的性能总体上略优于传统偏最小二乘法所建的模型且满足实际需求， 可以用于工业生产。