基于支持向量机和马氏距离探索了中红外光谱分析识别进口的卢氏黑黄檀、 风车木、 微凹黄檀、 燃料紫檀和东非黑黄檀的能力。 应用中红外光谱仪采集了500组试验样本进行分析, 对试验数据进行了预处理: 首先, 为了保证样本的有效性, 对异常光谱进行了诊断。 基于莱特检验法诊断出卢氏黑黄檀和微凹黄檀各有2组异常, 风车木、 燃料紫檀和东非黑黄檀各有1组异常。 为使样本数量统一, 五种树种分别剔除了包含异常光谱在内的5组数据； 其次, 分析了近红外光谱的树种识别研究, 结果表明: 对光谱数据进行一阶导数处理, 可提高识别的精度。 因此, 对中红外光谱数据进行了平滑处理和一阶导数处理。 采用主成分分析提取了光谱数据的特征值, 测试集的第一和第二主成分得分的散点图显示, 平滑加一阶导数处理的测试集的各自聚类性较平滑处理好。 以主成分的得分为特征, 基于支持向量机和马氏距离进行了识别研究。 考虑到识别方法中主成分个数的选取会直接影响识别的精度, 而通常主成分的选取仅参考累计贡献率, 此处为使主成分的选取更科学, 在支持向量机识别方法中利用粒子群算法进行参数寻优时, 对主成分的个数(范围为［5, 30］)与5折检验下的最佳判别准确率的关系进行了试验, 结果表明: 平滑处理和平滑加一阶导数处理的主成分个数在［7, 11］范围内的5折检验下的最佳判别准确率较高, 结合对应的判别准确率, 确定了最佳的主成分个数为8个。 以前8个主成分作为输入变量, 基于支持向量机和马氏距离对测试集进行了测试, 结果得出: 两种识别方法的正确识别率均较高, 支持向量机的识别率略高于马氏距离, 平滑加一阶导数处理的识别率均优于平滑处理, 平滑加一阶导数处理的支持向量机正确识别率达到了98%, 识别效果最好。 因此, 中红外光谱分析可以作为木材树种识别的一种有效手段。

智能化精准获取木材基本信息是木材质量追溯系统信息采集的核心， 同时也是木材后期分流、 加工、 精细化利用的重要依据。 旨在探讨基于小波变换的木材近红外光谱（NIRS）去噪及模型优化， 研究近红外技术用于木材质量追溯的基础理论与方法， 构建基于近红外的木材质量追溯体系。 以山杨木材气干密度为例， 采用小波变换进行光谱去噪及模型优化， 应用偏最小二乘法（PLS）构建了基于近红外光谱技术的山杨木材气干密度定标模型。 在此基础上， 集成二维码技术， 在Matlab环境下， 将近红外定标模型预测结果（以木材密度为例）及其他木材相关信息（树种名称、 产地、 采集单位、 数据获取方式等）生成快速响应矩阵码（QR Code）， 以实现木材信息的有效、 快速追溯。 同时研究分析了不同纠错等级、 字符数、 像素下QR码的可读性及有效性。 结果显示： (1)当db5小波基分解层为5时， 经启发式硬阈值去噪后得到的信噪比（SNR）最大， 均方根误差（RMSE）最小， 基于小波变换的近红外光谱去噪效果最好， 将校正模型决定系数由0774 8提高到了0850 1； (2)字符数一定时（本追溯信息的字符数为217）， 当像素大于100 px×100 px时， QR码的可读性均大于90%； 当纠错等级为7%、 像素大小为200 px×200 px时， 随着字符数由100增加至600， 解码率和可读性均为100%。 研究表明， 基于小波去噪及近红外光谱技术， 可以实现木材密度的准确预测， 并能有效集成QR码技术， 以QR码作为传递木材信息的有效载体， 为木材材性信息的无损获取及有效追溯提供了理论依据与技术支撑。