楊金勇

(北京林業(yè)大學(xué)，北京，100083)

李學(xué)春

(廣東省海洋工程職業(yè)技術(shù)學(xué)校)

黃安民

(中國林業(yè)科學(xué)研究院木材工業(yè)研究所)

于仕興 王學(xué)順

(北京林業(yè)大學(xué))

木材識別是一種根據(jù)木材的結(jié)構(gòu)特征(包括內(nèi)部組成特征與外部形態(tài)特征)的差異而進行分類判別的方法。傳統(tǒng)的木材識別是根據(jù)木材的樹皮、顏色、氣味等作為主要識別依據(jù)以及通過制作顯微切片，觀察木材構(gòu)造特征，并一一對照木材檢索表來確定木材種類的。但是這些傳統(tǒng)方法過度依賴于木材解剖學(xué)知識和實踐經(jīng)驗，且識別過程復(fù)雜、費時、成本高。近些年來，隨著新技術(shù)的開發(fā)和應(yīng)用，國內(nèi)外學(xué)者在木材識別新技術(shù)、新方法方面進行了大量的研究[1－4]，木材樹種識別技術(shù)不斷提高。特別是隨著計算機技術(shù)、人工智能技術(shù)和現(xiàn)代光譜技術(shù)的發(fā)展，智能計算機輔助光譜技術(shù)進行木材樹種識別被廣泛關(guān)注，成為木材識別技術(shù)新的研究熱點。

近紅外光譜(NIR)是指波長在780～2500 nm范圍內(nèi)的電磁波，是物質(zhì)含氫基團(C—H、O—H、N—H、S—H、P—H等)振動的倍頻和合頻吸收。近紅外光譜分析技術(shù)是近年來迅速發(fā)展起來的一門高新技術(shù)，主要用于有機物質(zhì)定性和定量分析。近紅外光譜技術(shù)作為一種先進的檢測技術(shù)，具有操作簡便、預(yù)測快速準確、無損識別等優(yōu)點，已在眾多領(lǐng)域得到了廣泛的應(yīng)用[5－8]。我國已開始將其用在木材科學(xué)的研究中，并取得了很好的應(yīng)用效果[9－15]。在近紅外光譜的判別分析中，主成分分析是常用的數(shù)據(jù)處理方法，它可結(jié)合軟獨立識別分類模型(SIMCA)、偏最小二乘回歸—判別分析(PLS－DA)等化學(xué)計量學(xué)方法，它們都是在種類識別上的發(fā)展較成熟的常用技術(shù)[16－17]，但是這些方法往往忽略對原始數(shù)據(jù)的預(yù)處理選擇。

本研究以采集的4種木材(3類松樹和桉樹)的光譜數(shù)據(jù)作為研究目標對象，結(jié)合多元數(shù)據(jù)處理中的Fisher判別分析模型[18]，比較了不同數(shù)據(jù)預(yù)處理技術(shù)對判別模型的影響，并采用兩階段建模方式進行木材的分類識別研究。

1 材料與方法

1.1 材料

本研究所采用的實驗材料為3種松樹樣品(馬尾松、落葉松、樟子松)與大葉桉樹樣品。3種松樹樣品數(shù)分別為42、64、46個;大葉桉樣品數(shù)為30個，共計182個樣品。木材樣品由中國林業(yè)科學(xué)研究院木材工業(yè)研究所提供，并在中國林科院近紅外光譜實驗室采集木材光譜。實驗室的采集設(shè)備是美國分析光譜儀器公司(Analytical Spectral Devices Inc.)的Field Spec?近紅外光譜儀，光譜儀的波長范圍在350～2500 nm。在采集光譜的過程中實驗室內(nèi)的溫度、濕度等外界環(huán)境條件保持基本常態(tài)((22±1)℃，含水率10%以下)。

1.2 方法

對于采集的木材樣品光譜數(shù)據(jù)利用光譜分析軟件The Unscrambler9.7及數(shù)學(xué)統(tǒng)計軟件SPSS、Matlab與Excel等進行數(shù)據(jù)處理，軟件的操作運行平臺為Win7 x64。

1.2.1 光譜數(shù)據(jù)的預(yù)處理

由儀器提取得到的光譜數(shù)據(jù)一般要進行預(yù)處理，以削減光譜噪聲的干擾，在一定程度上減弱基線漂移影響，從而達到光譜特征信息增益的目的。本研究重點關(guān)注的是大于780 nm的長波譜段的特征信息，故對原始光譜做了刪減處理，剔除350～779 nm波段，保留大于780 nm的光譜數(shù)據(jù)。

在進行光譜分析時，通常需要借助一系列數(shù)據(jù)的優(yōu)化處理技術(shù)使光譜數(shù)據(jù)中所蘊含的光譜特征信息突顯出來，為建立數(shù)學(xué)模型提供更優(yōu)質(zhì)的光譜數(shù)據(jù)。導(dǎo)數(shù)光譜既可以消除基線漂移和平緩背景等因素對光譜分析的不利影響，同時又能提供比原光譜更高的分辨率和更清晰的輪廓變化。為了對比不同光譜處理方法對判別模型的影響，本研究對原始光譜進行一階導(dǎo)數(shù)光譜和二階導(dǎo)數(shù)預(yù)處理，求導(dǎo)過程中采用相同的五步指數(shù)平滑法對導(dǎo)數(shù)光譜中的噪聲進行弱化處理，并與原始光譜進行對比，以3組光譜數(shù)據(jù)作為輸入數(shù)據(jù)分別建立木材樹種識別模型。

1.2.2 主成分分析降維

近紅外光譜由于信息重疊嚴重，因此需要結(jié)合化學(xué)計量方法對其進行數(shù)據(jù)壓縮，以解決光譜重疊、相關(guān)性過強等干擾信息的問題。化學(xué)計量方法中的主成分分析(PCA)是統(tǒng)計學(xué)中經(jīng)典的數(shù)據(jù)降維算法。由于木材原始光譜是高維的數(shù)據(jù)集，如果直接利用原始光譜建立判別分析模型，光譜中具有的多重共線性、信息重疊等不利因素的影響，會造成所建模型出現(xiàn)過擬合現(xiàn)象，降低模型分析精度。在建立分析模型前，本研究采用主成分分析對多維數(shù)據(jù)進行壓縮處理，將處于高維空間的原始數(shù)據(jù)通過仿射變換投影到低維空間中。經(jīng)主成分分析后，用數(shù)量較少的主成分得分可以解釋原有的絕大部分信息，在大大提高建模運算速度的同時，又能避免過擬合的現(xiàn)象。因此，主成分分析是光譜分析技術(shù)中常用的數(shù)據(jù)提取優(yōu)化方法，在選擇主成分數(shù)量時按方差解釋度原則進行提取，3組數(shù)據(jù)經(jīng)主成分分析的解釋度如圖1所示?？梢钥闯觯?組光譜信息經(jīng)過主成分分析壓縮后，原始光譜經(jīng)5～6個主成分變量分析，解釋度就已經(jīng)開始越近100%;均以98%的解釋度作為選取原則，二階導(dǎo)數(shù)光譜取40個主成分時光譜的解釋度達到要求，一階導(dǎo)數(shù)光譜需要的主成分數(shù)量最多，需要取50個主成分以滿足解釋度98%的條件。

圖1 三組數(shù)據(jù)的主成分分析解釋度

因此用這些新計算出的綜合變量可以在一定精度下代替原來的高維數(shù)據(jù)，以作為判別模型的輸入數(shù)據(jù)。為了后面對判別分析模型進行評價，需要設(shè)立訓(xùn)練樣品集與預(yù)測樣品集，本研究按照2/3訓(xùn)練的原則進行樣品集的處理，不同樣品的訓(xùn)練集、預(yù)測集數(shù)目如表1所示。

表1 不同樣品的訓(xùn)練集、預(yù)測集數(shù)目

1.2.3 Fisher判別分析

Fisher判別是應(yīng)用廣泛的判別方法，針對于多類別樣本有建模迅速、精確度高等優(yōu)點，而且在判別之后可保留各類別特征函數(shù)，在Fisher判別空間中能反映出各類別的差異。Fisher判別的核心思想是投影，它實際是將高維空間中的樣本利用線性函數(shù)變換到低維空間中，再用方差分析的思想，構(gòu)造類間離差平方和與類內(nèi)離差平方和之比進行判別，因此Fisher判別分析是一種對距離判別的改進判別方法。

針對 p 維空間中的點(x1，x2，…，xp)，借助方差分析的思想構(gòu)造一個判別函數(shù):

其中各系數(shù)ci的確定原則是使類與類之間的差別最大，而使每個類內(nèi)部的各樣本點的相似性最強;借助方差分析的角度，就是依據(jù)組間均方差與組內(nèi)均方差之比最大的原則來進行判別。

通過兩個極性條件可為訓(xùn)練集樣本中的每一個類求出最優(yōu)的Fisher判別函數(shù)，對于一個m類的樣本，得m個判別函數(shù)

那么，將每個待判別樣本代入判別函數(shù)可求出m個判別得分，根據(jù)這些得分的數(shù)值就能按照距離判別的方法進行判別。一般用前2個典型判別函數(shù)生成的二維空間可以對所判樣本的總體情況進行了解，較理想的判別結(jié)果往往是幾個類別各自聚集在一起，相互有明顯的分割界限。

2 結(jié)果與分析

2.1 判別準確率

將3組主成分得分數(shù)據(jù)導(dǎo)入SPSS統(tǒng)計軟件，進行Fisher線性判別分析。這里采用兩步判別的思想——先檢查松樹與桉樹兩大類的判別效果，再來評定馬尾松、樟子松與落葉松3種同屬松樹的判別結(jié)果。通過比較兩組不同的判別結(jié)果以分析原始光譜與經(jīng)預(yù)處理后的光譜數(shù)據(jù)對判別模型的影響。因此，模型對桉樹與松樹兩屬的識別率以及3種松樹間的松屬識別率進行分類統(tǒng)計。

表2 種屬木材間的判別統(tǒng)計結(jié)果

表2結(jié)果顯示3組數(shù)據(jù)的判別結(jié)果都能將桉樹與松樹兩類準確判別，識別率均達到100%，而且經(jīng)過低階導(dǎo)數(shù)預(yù)處理后判別模型的精度均較原始光譜的預(yù)測精度增加，其中二階導(dǎo)數(shù)光譜精度提升明顯。從訓(xùn)練集與預(yù)測集角度分析，只考慮3種不同松樹間樣本，得到判別準確率統(tǒng)計結(jié)果。

表3 3種松樹判別的訓(xùn)練集與預(yù)測集準確率

從表3中可看出經(jīng)預(yù)處理后的光譜數(shù)據(jù)均明顯優(yōu)于原始光譜數(shù)據(jù)，說明預(yù)處理起到優(yōu)化目的，而且二階導(dǎo)數(shù)光譜在訓(xùn)練集和預(yù)測集的判別精度較一階導(dǎo)數(shù)光譜均有大幅提高。

將121個訓(xùn)練集樣本和61個測試集樣本的判別結(jié)果按照樹種種類列出判別結(jié)果，能夠進一步對判別模型對松屬間的識別存在的誤判細節(jié)進行分析，這里取二階導(dǎo)數(shù)光譜的判別結(jié)果。

2.2 判別分類空間

利用前兩個典型Fisher變量生成二維空間，可以看出桉樹樣本全部集中在右側(cè)，而3種松樹則位置鄰近聚集在空間中部。從判別空間中，馬尾松相對較為孤立偏遠，而樟子松和落葉松相對距離較近，易出現(xiàn)錯判，3類的質(zhì)心點未出現(xiàn)明顯重合現(xiàn)象。

表4 二階導(dǎo)數(shù)光譜判別模型結(jié)果

圖2 二維Fisher判別空間圖

3 結(jié)論

本研究利用基于主成分分析的Fisher判別方法，分別建立桉樹與3種不同松樹木材光譜識別模型，對于桉、松兩種不同樹種木材識別效果很好。同屬于松樹的3類木材樹種在化學(xué)構(gòu)成上具有很強的相似性，在經(jīng)過數(shù)據(jù)預(yù)處理后，以經(jīng)過主成分分析和預(yù)處理后的光譜數(shù)據(jù)作為輸入變量所建立的優(yōu)化Fisher多分類松樹識別模型，能達到較好的判別精度。因此基于主成分分析的Fisher判別方法結(jié)合木材近紅外光譜的木材樹種識別方法具有很好的應(yīng)用研究價值。

[1]王學(xué)順，戚大偉，黃安民.基于小波變換的木材近紅外光譜去噪研究[J].光譜學(xué)與光譜分析，2009，29(8):2059－2062.

[2]曹槐，路帆，李虹，等.不同來路海洛因近紅外光譜的支持向量機模式識別[J].計算機與應(yīng)用化學(xué)，2009，26(3):287－291.

[3]何錫文，邢婉麗，史慧明.模式識別及其在分析化學(xué)中的應(yīng)用[J].分析科學(xué)學(xué)報，1995，11(4):64－70.

[4]楊忠，江澤慧，費本華，等.近紅外光譜技術(shù)及其在木材科學(xué)中的應(yīng)用[J].林業(yè)科學(xué)，2005，41(4):177－183.

[5]吳桂芳，何勇.應(yīng)用可見/近紅外光譜進行紡織纖維鑒別的研究[J].光譜學(xué)與光譜分析，2010，30(2):331－335.

[6]李曉麗，何勇，裘正軍.一種基于可見—近紅外光譜快速鑒別茶葉品種的新方法[J].光譜學(xué)與光譜分析，2007，27(2):279－282.

[7]史春香，楊悅武，郭治昕，等.近紅外光譜在中藥質(zhì)量控制中的應(yīng)用[J].中草藥，2005，36(11):1731－1733.

[8]李彥周，閔順耕，劉霞.近紅外化學(xué)模式識別方法及應(yīng)用研究[J].光譜學(xué)與光譜分析，2007，27(7):1299－1303.

[9]姚勝，蒲俊文.近紅外光譜分析技術(shù)在木材材性分析中的研究進展[J].光譜學(xué)與光譜分析，2009，29(4):974－978.

[10]馬明宇，王桂蕓，黃安民，等.人工神經(jīng)網(wǎng)絡(luò)結(jié)合近紅外光譜用于木材樹種識別[J].光譜學(xué)與光譜分析，2012，32(9):2377－2381.

[11]張鴻富，李耀翔.近紅外光譜技術(shù)在木材無損檢測中應(yīng)用研究綜述[J].森林工程，2009，25(5):26－31.

[12]Kelley S S，Rials T G，Snell R，et al.Use of near infrared spectroscopy to measure the chemical and mechanical properties of solid wood[J].Wood Science and Technology，2004，38(4):257－276.

[13]Schimleck L R，Evans R.Estimation of wood stiffness of increment cores by near infrared spectroscopy:the development and application of calibrations based on selected cores[J].Iawa Journal，2002，23(3):217－224.

[14]李改云，黃安民，王戈，等.近紅外光譜法快速測定毛竹Klason木質(zhì)素的含量[J].光譜學(xué)與光譜分析，2007，27(10):1977－1980.

[15]黃安民，江澤慧，李改云.杉木綜纖維素和木質(zhì)素的近紅外光譜法測定[J].光譜學(xué)與光譜分析，2007，27(7):1328－1331.

[16]江澤慧，費本華，楊忠.光譜預(yù)處理對近紅外光譜預(yù)測木材纖維素結(jié)晶度的影響[J].光譜學(xué)與光譜分析，2007，27(3):435－438.

[17]周健，成浩，葉陽，等.基于近紅外的Fisher分類法識別茶葉原料品種的研究[J].光學(xué)學(xué)報，2009，29(4):1117－1121.

[18]楊忠，江澤慧，呂斌.紅木的近紅外光譜分析[J].光譜學(xué)與光譜分析，2012，32(9):2405－2408.