基于傅里叶变换红外光谱的家具木材无损检测方法.pdf

木材一直是一种重要的家具材料袁很受人们的青睐1遥 实木材质的家具通常价格比较昂贵袁这加速了各种木材检测技术的发展速度2遥 其中木材无损检测技术能够实现非破坏性的和连续的木材检测袁很适合应用于实木家具检测中遥通过木材无损检测袁能够克服传统检测方法对木材造成的伤害袁避免了木材的浪费袁同时能够实现多方面的检测袁 使该技术在世界范围内得到迅速发展遥随着森林资源被人类大规模开采袁可供人类使用的林木数量逐渐变少袁硬质尧优质尧珍贵林木的数量更是越来越少袁促使家具木材无损检测成为一个热门话题3遥目前已经有很多学者利用振动模态分析4尧应力波检测5等技术对木材检测方法进行了研究袁并已取得了突破性的研究成果遥 借鉴已取得的研究成果袁考虑家具木材性能的特殊性袁应用傅里叶变换红外光谱技术设计一种基于傅里叶变换红外光谱的家具木材无损检测方法遥1材料与方法1.1试验材料采用檀香紫檀尧刺猬紫檀尧大果紫檀等 9 种制作实木家具的木材作为研究对象袁木材特征如表 1 所示遥选择某实木家具制作厂商袁分别使用九种试验树种制作实木家具袁可以更清楚地检测木材制作成家具以后的特征袁保证家具性能不受影响遥 制作的家具具体如下院檀香紫檀院八宝如意圆桌渊A冤曰刺猬紫檀院中式电视柜渊B冤曰大果紫檀院腰型茶台渊C冤曰交趾黄檀院罗汉床渊D冤曰巴里黄檀院中式沙发渊E冤曰微凹黄檀院双人床渊F冤曰奥氏黄檀院皇宫椅渊G冤曰卢氏黑黄檀院如意台渊H冤曰苏拉威西乌木院矮南官帽椅渊I冤遥1.2试验设备与光谱数据采集使用傅里叶变换红外光谱分析仪对 9 种实木家具支撑部分的原始红外光谱数据进行采集遥 使用的试基于傅里叶变换红外光谱的家具木材无损检测方法陈燕(福建林业职业技术学院袁 福建 南平 353000)摘要院由于实木家具较为昂贵袁需要检测其性能保证家具的使用功效袁为此提出基于傅里叶变换的红外光谱家具木材的无损检测方法遥 通过傅里叶变换红外光谱分析仪采集九种实木家具的横切面尧径切面尧弦切面原始光谱的红外光谱数据袁使用多元散射校正处理尧去趋势校正处理原始光谱数据袁提取家具木材各种无损检测项目所需的对应红外光谱特征袁建立红外光谱木材无损检测模型遥检测结果表明袁交趾黄檀罗汉床存在一处内部腐朽问题曰卢氏黑黄檀如意台存在一处内部空洞问题曰刺猬紫檀中式电视柜的含水量最低袁微凹黄檀双人床的含水量最高曰九种家具木材的密度均偏高袁其中交趾黄檀罗汉床的密度最大袁达到 0.76 kg/m3遥关键词院傅里叶变换红外光谱曰家具木材曰多元散射校正处理曰Hilbert 谱分析曰无损检测中图分类号:TH878文献标识码:A文章编号院员远苑源原圆员园怨穴圆园23雪09原园075原园6收稿日期院2022-08-31基金项目院南平市自然科学基金联合资助项目野白蜡树木材美学元素提升及应用冶渊2019J13冤遥作者简介院陈燕渊1985-冤袁女袁汉族袁硕士袁讲师袁主要从事木材科学与工程技术研究遥第 42 卷 第 9 期武夷学院学报灾燥造援42 晕燥援9圆园23 年 9 月允韵哉砸晕粤蕴 韵云 宰哉再陨 哉晕陨灾耘砸杂陨栽再Sept.圆园23叶武夷学院学报曳 圆园23 年第 9 期1小叶紫檀檀香紫檀木性稳定尧密度大尧棕眼小紫檀木类2非洲黄花梨刺猬紫檀纹理交错尧常带深色条纹袁心材颜色通常为桔红色尧砖红色或紫红色花梨木类3缅甸花梨大果紫檀纹理多且纹理较直袁呈棕灰色尧青色尧棕红袁颜色交错分布袁纹理较粗袁纵切面上有明显的带状长纹4大红酸枝交趾黄檀心材新切面多为紫红褐色或暗红褐色袁木材常带黑褐或栗褐条纹5花酸枝巴里黄檀划痕不明显袁表面分布交错纹理袁心材浸酒精后呈紫红色袁光泽感较强袁表面常呈现鸡翅木纹理或鱼鳞状纹理6南美红酸枝微凹黄檀纹理纤细尧密度高尧坚硬尧易处理7白酸枝奥氏黄檀有一定光泽感袁结构较细袁常带黑色条纹袁心材切面多为柠檬红尧深红褐或红褐色8大叶紫檀卢氏黑黄檀有一定光泽袁呈现黑紫相间的纹理袁材质比较细腻袁耐久性强黑酸枝木类9印尼黑檀苏拉威西乌木边材心材之间区别明显尧耐腐蚀性强尧硬度较高条纹乌木类红酸枝木类验仪器型号为 FTIR-7 600袁分辨率达到 4 cm-1袁光谱范围位于 4 000 cm-1400 cm-1之间遥 使用该仪器时袁需要提前打开进行 1 h 左右的加热遥 扫描时需要将室温控制在 22 益左右袁三次扫描每种实木家具袁并取其权值作为试验数据袁 并导入 MATLAB 7.0 软件中袁实施数据的预处理6遥采集的 9 种实木家具支撑部分的横切面原始光谱数据如图 1 所示遥图 1 横切面原始光谱数据Fig.1 Original spectral data of cross-sectional raw采集的 9 种实木家具支撑部分的径切面原始光谱数据如图 2 所示7遥图 2 径切面原始光谱数据Fig.2 Original spectral data of radial section采集的 9 种实木家具支撑部分的弦切面原始光谱数据如图 3 所示遥图 3 弦切面原始光谱数据Fig.3 Original spectral data of tangential plane表 1 木材特征Tab.1 Wood characteristics76窑窑基于图 1图 3 采集的三种原始光谱数据袁对其进行处理遥1.3基于红外光谱特征处理数据使用多元散射校正处理尧 去趋势校正处理 1.2 部分采集的光谱数据遥通过多元散射校正处理8能够消除由于样本分布不均匀尧大小不同而带来的影响遥 具体计算步骤如下遥渊1冤计算样品平均红外光谱 Qb遥Qb=ma=1移Qa,bm渊1冤式中院Qa,b表示 a伊b 维的定标红外光谱矩阵袁其中 a 表示定标的样品数目袁b 表示红外光谱波长点数曰m 表示检测样品的总数目9遥渊2冤计算样品的回归系数 Qb遥Qb=淄bQ軍bT+nbT渊2冤式中院nb表示各样品的相对偏移量曰淄b表示各样品的相对偏移系数10遥渊3冤计算多元散射校正后的样品红外光谱 Qb渊MSC冤遥Qb渊MSC冤=QbT-nbT淄b渊3冤通过去趋势校正处理能够消除基线移动问题袁计算公式为Ci=a+a1Di+aDi2Ci*=C-Ci扇墒设设设设设缮设设设设设渊4冤式中院Ci表示拟合的趋势线曰C 表示原始红外光谱数据曰Ci*表示校正后的红外光谱数据曰a尧a1表示拟合系数曰Di表示原始红外光谱的吸光度11遥基于 Hilbert 谱分析提取家具木材各种无损检测项目所需的对应红外光谱特征12遥 对预处理后的各红外光谱数据实施 EEMD 分解袁 获取多个 IMF 信号与一个剩余分量袁其中多个 IMF 信号使用式渊5冤表示遥字越喳字1(w),字2(w),噎,字k(w)札渊5冤式中院字k(w)表示第 k 个 IMF 信号袁a(w)表示 IMF 信号剩余分量遥寻找每项无损检测项目对应的 IMF 信号袁 将该IMF 信号的能量作为该项目的提取特征遥 试验中的检测项目包括内部腐朽尧内部空洞尧含水量尧密度13遥 因此袁检测项目对应的 IMF 信号能量的集合表达式为茁=渊茁1,茁2,噎,茁4冤渊6冤式中院茁1茁4分别表示内部腐朽尧内部空洞尧含水量尧密度对应的 IMF 信号能量14遥完成红外光谱特征提取后袁实施红外光谱木材无损检测建模遥1.4红外光谱木材无损检测建模基于小波神经网络对预测模型进行构建袁实施家具木材无损检测遥 具体建模流程如下院渊1冤将 Morlet 小波当做隐含层传递函数袁构建小波神经网络预测模型15遥 构建的模型为dgh=FMd移棕cd鬃ed鬃fdGl=1移udlplh蓸蔀+qg蓸蔀H=12Rh=1移Tg=1移渊dgh-ogh冤2扇墒设设设设设设设缮设设设设设设设渊7冤式中院F(窑)表示无损检测函数曰M 表示第三层样本个数曰d 表示第二层样本个数曰G 表示第一层样本个数曰棕cd表示小波神经网络第三层即输出层到第二层对应的权值曰鬃ed表示小波神经网络第二层即隐含层的伸缩因子曰鬃fd代表第二层的平移因子曰udl表示第二层到第一层的对应权值曰plh表示第 g 维中第 h 个输入样本的实际取值曰qg表示偏置量曰H 表示误差函数曰R 代表第三层神经元个数曰T 表示第一层尧 第二层神经元个数曰dgh表示由第 h 个网络输出的小波神经网络的第 g 维取值曰ogh代表第 g维中第 h个输出样本的实际取值16遥渊2冤参数初始化袁具体包括网络学习速率尧迭代次数等遥渊3冤输入提取的样本红外光谱特征袁也就是各项目对应的 IMF 信号能量数据袁对预测模型进行四种无损检测方向的训练遥渊4冤获取预测的各种检测结果袁对检测结果的均方误差进行计算遥 当误差的绝对值比设定值小袁输出各种无损检测的结果袁完成家具木材无损检测遥2试验结果与分析2.1不同木材的内部腐朽情况检测九种家具木材内部腐朽情况检测结果如表 2所示遥陈燕袁等院基于傅里叶变换红外光谱的家具木材无损检测方法77窑窑叶武夷学院学报曳 圆园23 年第 9 期表 2 家具木材内部腐朽情况检测结果Tab.2 Test results of furniture wood internal decay表 2 的检测结果表明在交趾黄檀罗汉床中存在一处内部腐朽问题袁而其余八种家具木材内部则未出现内部腐朽问题遥交趾黄檀罗汉床中内部腐朽处的 茁1IMF 信号能量变化情况具体如图 4 所示遥图 4 茁1IMF 信号能量变化情况Fig.4 The change of 茁1IMF signal energy图 4 的 茁1IMF 信号能量变化情况表明袁该处内部腐朽比较明显袁存在明显的 IMF 信号能量变化遥为验证检测结果是否准确袁将交趾黄檀罗汉床的支撑部分切开袁剖面如图 5 所示遥图 5 交趾黄檀罗汉床的支撑部分剖面图Fig.5 Supporting section of cross-toe rosewood bed根据图 5 剖面图可以明显看出该家具木材存在一处腐朽袁与本文方法的检测结果一致遥2.2不同树种的内部空洞情况检测九种家具木材内部空洞情况检测结果如表 3所示遥表 3 九种家具木材内部空洞情况检测结果Tab.3 Internal cavity condition test results of ninekinds of furniture wood表 3 的检测结果表明在卢氏黑黄檀如意台中存在一处内部空洞问题袁而其余八种家具木材内部则未出现内部空洞问题遥卢氏黑黄檀如意台中内部空洞处的 茁2IMF 信号能量变化情况具体如图 6 所示遥图 6 茁2IMF 信号能量变化情况Fig.6 The change of 茁2IMF signal energy图 6 的 IMF 信号能量变化情况表明袁该处 IMF 信号能量变化比较明显袁存在一处内部空洞问题遥切开卢氏黑黄檀如意台的支撑部分袁 剖面如图 7所示遥A26.350-B28.630-C25.510-D12.36160 cm-60 cm-5 cmE28.320-F26.350-G25.410-H21.040-I25.870-A35.630-B35.690-C34.520-D38.510-E39.520-F32.740G38.520-H24.54132 cm-25 cm-10 cmI35.410-78窑窑图 7 卢氏黑黄檀如意台的支撑部分剖面图Fig.7 Supporting section of Lushi ebony Ruyi station根据图 7 可见袁 卢氏黑黄檀如意台的支撑部分确实存在一处空洞袁表明本文方法的检测结果较为准确遥2.3含水量情况检测九种家具木材的含水量情况检测结果如表 4 所示遥表 4 九种家具木材的含水量检测结果Tab.4 Water content test results of nine kinds of furniture wood表 4 的含水量检测结果表明袁刺猬紫檀中式电视柜的含水量均值为 10.63袁含水量最低袁奥氏黄檀皇宫椅的含水量均值为 11.41袁含水量也较低袁苏拉威西乌木矮南官帽椅的含水量均值为 11.58袁含水量也较低遥微凹黄檀双人床的含水量均值为 15.98袁含水量最高袁大果紫檀腰型茶台的含水量均值为 15.30袁 含水量也较高遥 其余四种家具木材的含水量居中遥2.4密度检测九种家具木材的密度检测结果如图 8 所示遥图 8 九种家具木材的平均密度检测结果Fig.8 Average density test results of nine kinds of furniture wood根据图 8 的平均密度检测数据袁 九种家具木材的密度都偏高袁其中交趾黄檀罗汉床的密度最大袁达到了0.76 kg/m3袁微凹黄檀双人床的密度最小袁为 0.57 kg/m3袁其余七种家具木材的密度居中遥3结束语通过应用傅里叶变换红外光谱分析仪采集实木家具的红外光谱数据袁实现了便捷尧高效的家具木材无损检测遥 检测了不同木材的内部腐朽情况袁空洞情况和含水量情况袁检测结果表明交趾黄檀罗汉床存在一处内部腐朽问题曰卢氏黑黄檀如意台存在一处内部空洞问题曰刺猬紫檀中式电视柜的含水量最低曰微凹黄檀双人床的含水量最高曰九种家具木材的密度均偏高袁其中交趾黄檀罗汉床的密度最大遥 说明该方法可以从内部腐朽情况尧含水量和密度等多个方面分析家具木材的内部特征袁 选取质量过关的木材制造家具袁避免木材浪费袁为实木家具的品质检验提供参考遥 但该方法易受噪声影响袁 导致检测结果存在少量误差袁在实际应用中袁可采取多次测量的方式遥 在今后的研究中袁 可以去除傅里叶变换红外光谱分析中的噪声袁减小误差袁实现更加精准的检测遥参考文献:1孙丽萍,许述正,魏喜雯,等.应力波木材无损检测技术应用及研究进展J.世界林业研究,2020,33(6):39-43.A15.6311.3612.36B12.208.6310.63C16.3013.4115.30D15.2011.3613.96E14.9611.2012.85F16.5414.3015.98G12.5210.3611.41H14.5712.6513.20I13.2110.3011.58陈燕袁等院基于傅里叶变换红外光谱的家具木材无损检测方法79窑窑叶武夷学院学报曳 圆园23 年第 9 期Nondestructive Testing Method of Furniture Wood Based onFourier Transform Infrared SpectroscopyCHEN Yan(Fujian Forestry Vocational and Technical College,Nanping,Fujian 353000)Abstract:Because solid wood furniture is more expensive,its performance needs to be tested to ensure the use efficiency of furniture.Therefore,a non-destructive testing method of furniture wood based on Fourier transform infrared spectroscopy is proposed.The infraredspectral data of the original spectra of the cross section,radial section and chord section of nine kinds of solid wood furniture are collectedby the Fourier transform infrared spectrum analyzer.The original spectral data are processed by multivariate scattering correction and detrend correction.The corresponding infrared spectral characteristics required for various nondestructive testing items of furniture wood areextracted,and the infrared spectrum wood nondestructive testing model is established.The results showed that there was a problem ofinternal decay in the rosewood bed;There is an internal cavity problem in Ruyi Terrace of Lus ebony;The water content of hedgehog redsandalwood Chinese TV cabinet is the lowest,and that of slightly concave yellow sandalwood double bed is the highest;The density ofnine kinds of furniture wood is on the high side,among which the density of Jiaozhi Dalbergia rosewood Arhat bed is the highest,reaching0.76 kg/m3.Key words:Fourier transform infrared spectroscopy;furniture wood;multivariate scattering correction processing;Hilbert spectrumanalysis;nondestructive testing渊责任编辑院马阿曼冤2陈华锋,陶静姝.一种饱水木质文物含水率无损检测方法的研究J.文物保护与考古科学,2020,32(3):58-64.3程丽婷,戴俭,彭乐鑫.含水率对落叶松木材材性检测指标的影响J.科学技术与工程,2020,20(36):15050-15058.4别锋锋,杨罡,郭越.基于振动模态试验的管道损伤识别方法J.机械设计与研究,2021,37(1):190-194,199.5孙丽萍,许述正,魏喜雯,等.应力波木材无损检测技术应用及研究进展J.世界林业研究,2020,33(6):39-43.6王忠铖,杨娜.多测点无损检测法评估古建木材抗弯强度J.湖南大学学报:自然科学版,2022,49(1):78-84.7陈勇平,郭文静,唐启恒.基于雷达检测的木材内部孔洞面积测算与修正J.浙江农林大学学报,2020,37(6):1193-1199.8余梅,李尚科,杨菲,等.基于近红外光谱技术与优化光谱预处理的陈皮产地鉴别研究J.分析测试学报,2021,40(1):65-71.9邵明伟,董军宇.基于深度学习的木材优选锯视觉检测算法J.林业科学,2020,56(12):123-129.10范佳楠,刘英,杨雨图,等.机器视觉在木材缺陷检测领域应用研究进展J.世界林业研究,2020,33(3):32-37.11萧嘉奕,马艳,周竹,等.基于 FasterR-CNN 模型的木材表面节子缺陷检测J.木材工业,2020,34(2):45-48.12刘剑珲,徐超,欧阳煜.近代木结构柱-梁节点转动刚度及木材弹性模量的检测方法J.上海大学学报:自然科学版,2021,27(6):1106-1117.13豆春峰,李明,朱代根.基于声发射技术模拟蛀木害虫羽化孔洞缺陷检测J.中南林业科技大学学报,2021,41(2):162-170.14王菊琳,高婷艳,吴玉清,等.笼型倍半硅氧烷疏水性木材性能研究J.林产工业,2021,58(11):16-20.15曹秀佳,谷健,马宁宁,等.基于粒子群优化小波神经网络模型的春玉米生育阶段干旱预测 J.灌溉排水学报,2021,40(3):125-133.16豆春峰,熊鑫,李明,等.基于声发射技术的木材害虫信号特征检测J.西北林学院学报,2020,35(4):120-124.80窑窑