制漿材近紅外光譜在線檢測系統設計

馬璞璠1， 陳帥帥1， 熊智新1， 梁 龍， 房桂干

(1.南京林業大學 輕工與食品學院，江蘇 南京 210037； 2.中國林業科學研究院林產化學工業研究所，江蘇 南京 210042)

制漿木材原料的主要理化材性指標影響著制漿生產的紙漿得率、蒸煮藥品用量和能耗。為了保證紙漿質量穩定，企業通常采用高能耗、高用藥量的方式進行生產，導致能源和化學品的浪費以及污染治理成本的提高[1]。因此，制漿生產前快速檢測材性信息，可以實時優化工藝，穩定紙漿的質量，降低能耗和藥品的用量。傳統的材性檢測方法過程煩瑣、耗時，無法滿足制漿生產的在線控制要求，所以結合一種快速檢測技術，以便使制漿材的材性測量指標及時反饋到生產過程中，有助于降低企業生產成本，提高制漿造紙過程的自動化水平。

近紅外光譜(Near Infrared Spectroscopy，NIRS)分析技術是一種快速無損的分析技術，在諸多領域廣泛應用[2]。近年來，很多學者利用近紅外光譜分析技術對制漿材的水分、密度、化學成分含量等進行了定量和定性分析，并得到較精確的結果[1,3-5]。我國相繼頒布木材近紅外分析的行業標準[6-7]，推動了近紅外光譜分析技術在制漿材材性分析中的應用。但是上述研究僅探討了近紅外光譜技術檢測制漿材理化指標的可行性，目前在實際的制漿生產中沒有應用。

本文以近紅外光纖光譜儀為基礎，根據制漿生產的實際情況搭建檢測平臺，基于C#和Delphi開發系統應用軟件設計了一套制漿材近紅外在線檢測系統，可實現對制漿材近紅外光譜的在線采集、理化指標快速預測和分析結果的實時顯示及存儲功能。

1 系統總體設計

工業現場所用的在線近紅外光譜分析系統由硬件、軟件和分析模型組成[8]。結合制漿材在線檢測的實際情況，系統設計通過旁路將樣品引出后分析。硬件部分包括制漿材光譜采集平臺、近紅外光譜儀、光源和光纖檢測附件。軟件部分按功能劃分為近紅外光譜儀測控模塊、對樣品光譜數據進行處理的預測模塊和對檢測結果存儲與重現的數據管理模塊。

檢測系統工作流程如圖1所示。系統運行檢測之前，需要收集一定數量(通常60個以上)的制漿材樣本，先以傳統的方法獲得各樣本的材性測量數據，并分別采集其近紅外光譜，然后利用化學計量學軟件分別建立近紅外光譜與各材性指標的關聯模型。進行在線分析時，光譜采集平臺上樣品的光譜數據并保存在相應文件夾中。應用軟件讀取光譜數據文件，代入加載到內存的各指標關聯模型，計算出的各項材性指標預測值顯示在用戶操作界面,同時保存到數據庫以供制漿蒸煮工段優化工藝。除了在線檢測外，系統應用軟件還提供了離線分析模式，用戶可以直接將外部的近紅外光譜數據導入，進行預測分析。

圖1 制漿材在線檢測流程圖

2 硬件設計

2.1 光譜儀等硬件的選擇

實驗室內研究時常選用長波段(1100～2500 nm)高分辨率(高于8 nm)的近紅外光譜儀。但這類光譜儀器由于本身成本高以及操作環境苛刻等因素在工業生產中不適用。要想把近紅外檢測技術推廣應用到實際生產中,就必須在滿足分析精度的同時降低儀器的成本，提高儀器安裝的靈活性和對工作環境的適應性。對于制漿材而言，材性分析主要關注木材的種類、水分、密度、木質素含量和綜纖維素含量等信息。根據已有的研究表明，近紅外波段在900～1600 nm范圍內即可滿足對上述木材性質的檢測分析。

本系統搭建制漿材在線檢測平臺時選用了德國INSION公司開發的NIR-NT微型光纖光譜儀，其可測波長范圍為900～2000 nm，有效范圍為909.7～1860 nm，分辨率為8 nm， InGaAs探測器陣列1×128。所配外置的光源為6 W鹵素燈光源，光信號采用帶SMA905標準接口的石英光纖進行傳輸。

2.2 光譜采集平臺的搭建

實際生產中，制漿木材蒸煮前備料需切削成長15～25 mm、寬10 mm、厚3～5 mm的木片，以保證蒸煮藥液的充分浸漬。利用近紅外光譜技術對制漿木片進行材性分析時，由于機器切削木片尺寸不規則且表面粗糙，對漫反射光譜的采集會造成較大的干擾。不過固體樣品可通過研磨處理，并控制粉狀樣品粒徑大小和內部密實程度的均勻一致性來提高采集光譜的穩定性和預測分析的準確性。因此檢測系統設計了對木片進行粉碎、烘干和篩分的預處理裝置，以便于采集木粉的近紅外光譜對制漿材的組分進行定量分析,從而提高精度。木片粉碎時由于機械摩擦產熱會改變制漿材的水分和密度，所以其水分、密度只能用木片來測量。檢測平臺結構如圖2所示。設計在線檢測平臺時，以木片傳送帶為主采集通道；同時，在旁邊增設一條木粉制樣和光譜采集通道。兩條通道上各有一個可上下調整高度的光纖探頭，由光纖多路轉換器(光開關)切入對應的測量通道采集光譜信號，同時也方便系統在需要時更換其他型號的光纖式光譜儀，以提高系統的通用性。

圖 2 制漿材近紅外光譜在線檢測平臺示意圖

為了降低木粉表面狀態及內部密實程度對近紅外光散射的影響，木粉光譜采集前，先經質量約1.5 kg、直徑10 cm不銹鋼碾子壓平壓實，保證木粉樣品獲得較為一致的表面平整度和內部松緊度。

3 軟件設計

近紅外光譜在線檢測系統的軟件從功能方面可以劃分為三個主要部分：光譜儀測控模塊、預測分析模塊和數據庫管理模塊[9]。本系統軟件的功能框圖如圖3所示。

圖3 系統軟件功能框圖

3.1 測控模塊設計

為了提高系統的通用性，考慮到成本和工藝要求等因素，整個系統應適用于其他型號的光譜儀。所以光譜儀測控模塊作為通信儀器的部分是軟件設計的重點，根據選用的光譜儀獨立編譯，具體設計在后文描述。

3.2 預測分析模塊設計

預測分析模塊的主要任務是根據分析模型實時讀取近紅外光譜數據，并對樣品材性指標進行預測分析。

3.2.1 分析模型的建立

本實驗室自主研發的NIRSA光譜數據處理專用軟件(計算機軟件著作權登記號:2007SR06801)，集成了常規的化學計量學算法，可實現光譜預處理、建模樣品挑選、建立定量分析模型，并可把模型相關信息保存為二進制文件供預測分析模塊使用。

針對本檢測系統的應用目的，選取制漿材種類有桉木、相思木、楊木、新杉木、舊杉木和馬尾松等樣品，利用NIRSA軟件建立了制漿材綜纖維素、木素、水分、基本密度定量分析模型(*.mdl)，以及利用主成分分析與馬氏距離相結合的方法建立了各制漿材種類的模式識別模型(*.mdr)。

3.2.2 預測模塊設計

基于Object Pascal語言的Delphi語言作為一種面向對象的軟件開發平臺[10]，提供可視化組件，開發靈活且效率高，還具有強大的數據庫功能，在構建數據采集分析系統方面具有獨特的優勢。同時NIRSA系統基于Delphi平臺開發，為了便于與該系統進行模型數據對接，本系統的預測模塊和數據庫管理模塊也采用Delphi語言編寫。

由于測控模塊獨立編譯，為了保證數據的傳輸，模塊間選擇以數據文件形式實現信息傳遞。具體方法為：將測控模塊采集的光譜數據以TXT文件形式保存在文件夾中，預測模塊對該文件夾周期性監測，一旦發現存在光譜數據，自動讀入內存，根據文件名智能匹配分析模型進行預測計算，結果在用戶界面顯示并送入數據庫存儲。處理完畢，刪除Absorbance文件夾中已經處理過的光譜，再進入下一輪監測。

3.3 數據庫管理模塊

數據庫管理模塊設計基于Access數據庫，采用微軟提供的ODBC接口和Delphi的ADO組件進行數據通信[11]，以實現對制漿材理化指標預測數據的管理和統計分析，同時也對系統用戶進行使用權限管理。

4 關鍵技術

系統采用的INSION NIR-NT光譜儀與計算機之間通過USB轉虛擬串口連接，同時還提供封裝了計算機和儀器進行通信所必要API接口函數的DLL文件，以及調用接口函數的C#程序實例，所以系統的測控模塊采用C#語言編寫[12]。

4.1 光譜儀通信接口函數封裝

INSION NIR-NT光譜儀封裝API接口函數的DLL文件為SPECcon.dll，其中用到的主要功能函數如下。

① SPEC_Connect：連接光譜儀串口。

② SPEC_Disconnect：斷開串口連接。

③ SPEC_Measure：設置儀器測量參數。

④ SPEC_Information：采集測量信息。

在制漿材檢測實際應用中，用戶從成本或分析指標精度角度考慮，可能會選用其他廠家的近紅外光譜儀，不同儀器所提供的API接口函數必然不一樣。但無論接口函數形式如何，都會實現如上所述的光譜儀連接、斷開及信號采集等功能。為保證本檢測系統的通用性，對于上述API通信接口函數，可通過自定義采集函數進行模塊化封裝，函數定義及功能如下。

① ComPort_Connect(Instrument_type)：連接通信端口。

② ComPort _Close(Instrument_type)：斷開通信端口。

③ ComPort _Gather(Instrument_type,mode_type,cmd,data)：光譜采集核心函數。

在上述函數參數列表中，Instrument_type表示光譜儀的類型，默認為“0”，代表INSION NIR-NT光譜儀；mode_type為測量類型；cmd表示當前測量樣品狀態，可設置參數有“C”表示木片、“P”表示木粉，默認為“C”；data為函數返回的光譜采集信號，該變量為兩列的二維數組，第一列存儲波長或波數值，第二列存儲相應的吸光度。在各函數中，通過對Instrument_type判斷，切換到不同儀器的API接口函數調用模塊，實現對光譜儀的控制，采集到的光譜數據統一返回至數組data。

為實現采集信號的實時顯示和存儲，同時也定義如下兩個函數：

① SaveToText(path,data)：信號數據保存為TXT文件函數。其中，data為數據(兩列)；path為儲存路徑。

② DrawSpecLines(data)：繪圖函數，將光譜數據data繪制成曲線圖。

4.2 采集模塊界面及程序流程設計

采集界面如圖4所示，在軟件窗體上配置好參數后，選擇并單擊打開串口連接光譜儀，確認系統軟硬件的正常通信后，即可進行正式的光譜采集。INSION NIR-NT光譜儀直接獲取的是光強信號(Light)，可以是樣品的漫反射信號、暗電流信號(Dark)或參考背景信號(Reference)任一種。3種信號需要分別測量，通常暗電流和背景信號約1 h重新采集一次。

圖4 光譜采集界面

當采集到樣品漫反射信號時，需要將暗電流和參考背景從中扣除后才能轉化為吸光度(Absorbance)。其計算公式如下：

(1)

采集參比后即可采集樣品光譜計算樣品吸光度，數據以TXT文件格式存儲并繪制吸光度曲線圖。光譜采集函數調用流程如圖5所示，圖中還顯示了3個封裝的采集函數(ComPort_Connect、ComPort _Close和ComPort _Gather)調用INSION NIR-NT光譜儀DLL文件的接口函數過程。

5 運行測試

系統軟件載入分析模型后，選取包含不同種類共30個制漿材樣本進行測試。系統運行主界面如圖6所示。測控模塊后臺運行， 主界面顯示每個樣本的制漿材多組分分析結果和變化趨勢過程信息。

制漿材各指標信息檢測結果的統計分析如表1所示。評價參數中R為實測和預測值相關系數，其越接近1越好，預測標準偏差(Standard Error of Prediction,SEP)和相對標準差(Relative Standard Deviation,RSD)越小越好，其中SEP的值與量綱有關，而RSD<10%時，即可用于實際檢測[13]。從表1中可以看出，由木粉狀態檢測的綜纖維素和木質素含量，SEP分別為1.3564%和1.0129%，均達到行業標準[7]。水分和基本密度測量采用木片樣品，由于片狀切削表面不規則導致不同樣品漫反射系數的波動，使得RSD比綜纖維素和木質素都大。不過由于水分在近紅外光譜1440 nm處具有強烈的特征吸收峰[8]，因此預測效果總體好于基本密度。而且木材化學法制漿中，密度并不是主要的工藝控制參數，通常用來預估紙漿質量，7%左右的精度已可在實際中檢測應用。制漿材種類辨識率達到89.29%，也達到行業標準[6]。

圖5 光譜采集流程及接口函數調用

圖6 系統運行主界面

表1 各指標信息預測結果

6 結束語

本文介紹的制漿材在線檢測系統由光譜采集平臺、光纖光譜儀、應用軟件和分析模型組成。系統自動監聽采集的光譜信號，并根據樣品狀態及分析對象智能匹配相應的預測模型，可快速檢測制漿材水分、密度、木質素、纖維素組分信息，以及識別木材種類，測量精度滿足制漿造紙廠制漿過程在線分析和控制需求。檢測系統的計算機和儀器之間通過虛擬串口通信，測控模塊軟件獨立編譯，光譜儀通信接口部分進行模塊化封裝，方便系統在制漿生產中根據實際情況選用不同類型近紅外光譜儀，提高了系統的通用性。