基于可见光-近红外光谱与数字图像特征信息融合技术的木材识别研究

It is important to rapidly and accurately identify wood species. Under two the financial aid of the Nation’s Natural Science Fund, preliminary studies on the wood identification based on near infrared spectroscopy (NIR), Visible-near infrared spectroscopy (VIS-NIR) coupled with artificial neural network technology were carried out by the applicants. The research showed it was feasible and potential to identify wood species. Meanwhile, the research found there are still many problems to be resolved and it is worth further study. In order to solve the problem of the previous study including the relatively simple environmental factors, experiment condition and method, the principle and modeling methods of using visible-near infrared (VIS-NIR) spectroscopy coupled with digital image technology to identify wood species will be further studies in this project. Wood specimens from more than fifty wood species will be prepared. Information which is related to structures, physical and chemical characteristics of wood will be extracted from the VIS-NIR spectra of wood samples and be fused with feature parameters including texture and color features from image of wood. Then the fusion information is used to establish database and model for identification of wood species based on artificial neural network technology. Based on these, the basic and necessary condition for the establishment of model to rapidly and precisely identify multiple wood species using VIS-NIR spectroscopy coupled with digital image technology will be studied. The results will establish the foundation for development of instrument that can rapidly identify wood species.

木材的快速、准确识别具有重要的科学研究意义和应用前景。申请人利用两项国家自然科学基金对基于近红外光谱、可见光－近红外光谱与人工神经网络分析技术的木材识别进行了研究，证明了该方法科学、可行，但仍发现许多关键问题和局限性亟待解决，值得进一步深入研究。针对先前研究的技术方法、试验条件及环境因素单一等问题，本项目拟利用可见光-近红外光谱结合数字图像识别技术，尝试研究木材的快速识别方法及其影响因素，通过提取可见光-近红外光谱中木材的构造、物理和光学等特征信息、并融合木材表面的图像模式识别特征参数（如纹理构造特征和颜色特征等），利用人工神经网络等建模方法建立50种木材的可见光-近红外光谱与数字图像特征数据库及其快速识别模型，并对可见光-近红外光谱结合图像模式识别技术识别木材的建模方法、识别机理以及应用该技术的基础性和必要性条件进行研究，实现对多种木材的快速、准确识别，为研发木材快速识别仪奠定基础。

传统的木材识别方法需要消耗大量的人力、物力和时间，因此，一种快速、准确、低成本的木材识别技术对现场快速鉴别木材，并对木材的市场流通具有重要意义。木材的可见光-近红外光谱包含大量的木材物理和化学信息；木材的数字图像特征包含大量的木材构造信息。通过将可见光-近红外光谱与数字图像特征信息进行融合，可以充分利用光谱技术和图像技术两种方法的优势、有效克服两种方法单独使用时的局限性，为木材识别提供一种新的方法。.本项目分别利用可见光-近红外光谱和数字图像处理技术对51种木材进行识别研究，并将可见光-近红外光谱和数字图像特征信息融合对木材进行识别。在此基础上，研究了基于光谱结合图像特征信息融合技术识别木材的影响因素；基于光谱结合图像特征信息融合技术的木材识别方法优化；以及基于光谱结合图像特征信息融合技术的木材识别机理。与单独利用可见光-近红外光谱或数字图像处理技术对木材进行识别相比，可见光-近红外光谱特征和数字图像特征融合后建立的模型识别效果显著提高；木材样品横切面、弦切面、径切面的木材识别模型对比显示横切面模型的识别效果更好，全波长近红外光谱的特征优于短波长光谱的特征且加入可见光部分的波长对提高模型识别准确率有一定作用，多种组合方法对光谱进行预处理对模型识别效果的影响显著，其中平滑、二阶导数、标准变量变换组合处理的光谱模型效果表现较好；SIMCA判别法、PLS-DA分析法和BP神经网络模型方法识别结果对比表明PLS-DA分析方法建立的木材识别模型识别能力高于SIMCA判别法和BP神经为网络方法所建立的木材识别模型；将数字图像特征与近红外光谱特征融合之后，其特征空间聚类情况发生了显著的变化。说明近红外光谱与数字图像特征融合之后不同树种木材之间的特征差异得到进一步加强，在此基础上，结合分类器模型能够实现对木材更加准确的识别。因此，本项目的研究实现了对木材的快速、准确识别，为研发木材快速识别设备奠定了基础。