液滴分析技術識別大興安嶺主要樹種的方法研究

劉曼曼，馮國紅，劉 夢，孟令月

(東北林業大學 工程技術學院，黑龍江 哈爾濱 150040)

1 引言

我國木材樹種種類繁多，據《中國主要木材名稱》介紹有近千種。不同樹種種類的木材，其性質各有差異，有的輕，有的重，有的軟，有的硬，要達到適材適用和物盡其用的目的，就必須正確的識別木材樹種。現有的木材識別方法主要有[1]：微觀與宏觀結合的識別技術、計算機數據庫識別技術、計算機數字圖像處理技術[2]、DNA標記技術[3]、穩定同位素分析技術以及近紅外光譜(NIR)分析技術[4～5]。識別木材是一件復雜的事情，即使是經驗豐富的專家也會遇到很多困難，對一些不熟悉的樹種很容易出現不能識別或誤判的情況。

光纖液滴分析技術是近些年來發展起來的一項新技術，其具有很強的液體識別能力[6]。而熱裂解技術是目前進行生物質能研究的一項前沿技術，利用熱裂解技術能夠把木材由固體轉化為液體[7]。筆者基于熱裂解和光纖液滴分析技術對樹種識別進行了研究。通過熱裂解裝置將紅松、白松、落葉松、椴木和柞木的木屑進行了液化，利用光纖液滴分析裝置獲得了相應的液滴指紋圖。為了實現基于樹種的液滴指紋圖對樹種進行識別，本文將對紅松、白松、落葉松、椴木和柞木的液滴指紋圖特征提取方法進行研究。

2 樹種的液滴指紋圖及其預處理

基于影響生物質熱裂解過程和產物組成的相關研究，本文對紅松、白松、落葉松、椴木和柞木的樣本進行了粉碎，用分樣篩篩分粒徑小于0.2 mm的木屑顆粒，于干燥箱中進行烘干，使其含水率降為6%，采用高壓反應釜在380 ℃下對烘干后的木屑進行液化，濾除雜質后得到待測液體。應用光纖液滴分析裝置對待測液體進行實驗，得到樹種液化后的液滴指紋圖。通過觀察得到的液滴指紋圖，發現該指紋圖存在高頻噪聲。為了提高識別的準確性，本文首先應用移動平均法對數據進行了預處理，經過實驗得出，當期數N=20時，濾除噪聲效果較好。當N再增大，噪聲濾除效果沒有明顯提高，因此，本文確定的期數為N=20。經過處理后的紅松、白松、落葉松、椴木和柞木的液滴指紋圖如圖1所示。由圖1可以看出，5條曲線總體有明顯的差別，但柞木和落葉松的指紋圖曲線形狀比較相似。

圖1 5個樹種的液滴指紋

3 樹種的液滴指紋圖特征提取

實驗曲線僅能提供直觀的觀察效果，樣品的識別主要依賴于從實驗數據中提取相應的特征。觀察圖1中5條曲線的特點，結合液滴的形成過程，提出包括液滴總周期(x1)、光纖信號的平均值(x2)、光纖信號的波谷值(x3)及光纖信號的主波峰值(x4)等9個特征，各特征值的具體定義如表1所示。

為了避免1滴液滴的數據具有一定的隨機性，本文每種樹種測20滴液滴，以±3為特征值的置信區間，得到的結果如表2所示。其中落葉松和柞木的指紋圖不存在波谷，故表2中落葉松和柞木僅有3個特征值。比較表2中數據可以看出，5個樹種的指紋圖特征值差異性較大。

表1 光纖液滴指紋圖的主要特征值定義

表2 5個樹種的特征值置信區間

4 樹種的液滴指紋圖識別方法驗證

只有穩定的特征值才能用于樹種的識別，本文對每種樹種取5滴液滴作為驗證樣本，分別提取x1～x9特征值，將得到的特征值與表2中的置信區間進行比較，落在置信區間內的用“√”標識，落在置信區間外的用“×”標識，得到的結果如表3所示。由表3可以看出，x3、x4、x5、x6和x7的錯誤次數均為0，說明這5個特征值的穩定性好，x1的錯誤次數最高，穩定性最差，x2、x8和x9的錯誤次數較低，穩定性較好。

5 結論與討論

論文基于熱裂解和光纖液滴分析技術對紅松、白松、落葉松、椴木和柞木的液滴指紋圖識別方法進行了研究。定義了液滴總周期、光纖信號的平均值、光纖信號的波谷值及光纖信號的主波峰值等9個特征值。每種樹種取20滴，計算了特征值的置信區間。驗證9個特征值的穩定性，結果表明：5個特征值的穩定性好。基于9個特征值的穩定性，進行樹種識別時，可將x3、x4、x5、x6和x7作為一級識別指標，將x2、x8和x9作為二級識別指標，將x1作為三級識別指標，指標的級數越高，其可參考性越高。本文研究的5個樹種的特征參數差別較大，采用5個穩定的特征值可實現其樹種的識別。當樹種的液滴指紋圖差別較小時，可能會出現誤識別的現象，可結合其他方法，增加更多的識別特征，提高識別的精度。

表3 特征值的驗證結果