陳 燕

(福建林業(yè)職業(yè)技術(shù)學(xué)院，福建 南平 353000)

木材一直是一種重要的家具材料，很受人們的青睞[1]。實木材質(zhì)的家具通常價格比較昂貴，這加速了各種木材檢測技術(shù)的發(fā)展速度[2]。其中木材無損檢測技術(shù)能夠?qū)崿F(xiàn)非破壞性的和連續(xù)的木材檢測，很適合應(yīng)用于實木家具檢測中。

通過木材無損檢測，能夠克服傳統(tǒng)檢測方法對木材造成的傷害，避免了木材的浪費，同時能夠?qū)崿F(xiàn)多方面的檢測，使該技術(shù)在世界范圍內(nèi)得到迅速發(fā)展。隨著森林資源被人類大規(guī)模開采，可供人類使用的林木數(shù)量逐漸變少，硬質(zhì)、優(yōu)質(zhì)、珍貴林木的數(shù)量更是越來越少，促使家具木材無損檢測成為一個熱門話題[3]。目前已經(jīng)有很多學(xué)者利用振動模態(tài)分析[4]、應(yīng)力波檢測[5]等技術(shù)對木材檢測方法進(jìn)行了研究，并已取得了突破性的研究成果。借鑒已取得的研究成果，考慮家具木材性能的特殊性，應(yīng)用傅里葉變換紅外光譜技術(shù)設(shè)計一種基于傅里葉變換紅外光譜的家具木材無損檢測方法。

1 材料與方法

1.1 試驗材料

采用檀香紫檀、刺猬紫檀、大果紫檀等9 種制作實木家具的木材作為研究對象，木材特征如表1 所示。

表1 木材特征Tab.1 Wood characteristics

選擇某實木家具制作廠商，分別使用九種試驗樹種制作實木家具，可以更清楚地檢測木材制作成家具以后的特征，保證家具性能不受影響。制作的家具具體如下：檀香紫檀：八寶如意圓桌（A）；刺猬紫檀：中式電視柜（B）；大果紫檀：腰型茶臺（C）；交趾黃檀：羅漢床（D）；巴里黃檀：中式沙發(fā)（E）；微凹黃檀：雙人床（F）；奧氏黃檀：皇宮椅（G）；盧氏黑黃檀：如意臺（H）；蘇拉威西烏木：矮南官帽椅（I）。

1.2 試驗設(shè)備與光譜數(shù)據(jù)采集

使用傅里葉變換紅外光譜分析儀對9 種實木家具支撐部分的原始紅外光譜數(shù)據(jù)進(jìn)行采集。使用的試驗儀器型號為FTIR-7600，分辨率達(dá)到4 cm-1，光譜范圍位于4000 cm-1～400 cm-1之間。使用該儀器時，需要提前打開進(jìn)行1 h 左右的加熱。掃描時需要將室溫控制在22 ℃左右，三次掃描每種實木家具，并取其權(quán)值作為試驗數(shù)據(jù)，并導(dǎo)入MATLAB 7.0 軟件中，實施數(shù)據(jù)的預(yù)處理[6]。

采集的9 種實木家具支撐部分的橫切面原始光譜數(shù)據(jù)如圖1 所示。

圖1 橫切面原始光譜數(shù)據(jù)Fig.1 Original spectral data of cross-sectional raw

采集的9 種實木家具支撐部分的徑切面原始光譜數(shù)據(jù)如圖2 所示[7]。

圖2 徑切面原始光譜數(shù)據(jù)Fig.2 Original spectral data of radial section

采集的9 種實木家具支撐部分的弦切面原始光譜數(shù)據(jù)如圖3 所示。

圖3 弦切面原始光譜數(shù)據(jù)Fig.3 Original spectral data of tangential plane

基于圖1～圖3 采集的三種原始光譜數(shù)據(jù)，對其進(jìn)行處理。

1.3 基于紅外光譜特征處理數(shù)據(jù)

使用多元散射校正處理、去趨勢校正處理1.2 部分采集的光譜數(shù)據(jù)。

通過多元散射校正處理[8]能夠消除由于樣本分布不均勻、大小不同而帶來的影響。具體計算步驟如下。

（1）計算樣品平均紅外光譜Qb。

式中：Qa,b表示a×b 維的定標(biāo)紅外光譜矩陣，其中a 表示定標(biāo)的樣品數(shù)目，b 表示紅外光譜波長點數(shù)；m 表示檢測樣品的總數(shù)目[9]。

（2）計算樣品的回歸系數(shù)Qb。

式中：nb表示各樣品的相對偏移量；νb表示各樣品的相對偏移系數(shù)[10]。

（3）計算多元散射校正后的樣品紅外光譜Qb（MSC）。

通過去趨勢校正處理能夠消除基線移動問題，計算公式為

式中：Ci表示擬合的趨勢線；C 表示原始紅外光譜數(shù)據(jù)；表示校正后的紅外光譜數(shù)據(jù)；a、a1表示擬合系數(shù)；Di表示原始紅外光譜的吸光度[11]。

基于Hilbert 譜分析提取家具木材各種無損檢測項目所需的對應(yīng)紅外光譜特征[12]。對預(yù)處理后的各紅外光譜數(shù)據(jù)實施EEMD 分解，獲取多個IMF 信號與一個剩余分量，其中多個IMF 信號使用式（5）表示。

式中：χk(w)表示第k 個IMF 信號，a(w)表示IMF 信號剩余分量。

尋找每項無損檢測項目對應(yīng)的IMF 信號，將該IMF 信號的能量作為該項目的提取特征。試驗中的檢測項目包括內(nèi)部腐朽、內(nèi)部空洞、含水量、密度[13]。因此，檢測項目對應(yīng)的IMF 信號能量的集合表達(dá)式為

式中：β1～β4分別表示內(nèi)部腐朽、內(nèi)部空洞、含水量、密度對應(yīng)的IMF 信號能量[14]。

完成紅外光譜特征提取后，實施紅外光譜木材無損檢測建模。

1.4 紅外光譜木材無損檢測建模

基于小波神經(jīng)網(wǎng)絡(luò)對預(yù)測模型進(jìn)行構(gòu)建，實施家具木材無損檢測。具體建模流程如下：

（1）將Morlet 小波當(dāng)做隱含層傳遞函數(shù)，構(gòu)建小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型[15]。構(gòu)建的模型為

式中：F (·) 表示無損檢測函數(shù)；M 表示第三層樣本個數(shù)；d 表示第二層樣本個數(shù)；G 表示第一層樣本個數(shù)；ωcd表示小波神經(jīng)網(wǎng)絡(luò)第三層即輸出層到第二層對應(yīng)的權(quán)值；ψed表示小波神經(jīng)網(wǎng)絡(luò)第二層即隱含層的伸縮因子；ψfd代表第二層的平移因子；udl表示第二層到第一層的對應(yīng)權(quán)值；plh表示第g 維中第h 個輸入樣本的實際取值；qg表示偏置量；H 表示誤差函數(shù)；R 代表第三層神經(jīng)元個數(shù)；T 表示第一層、第二層神經(jīng)元個數(shù)；dgh表示由第h 個網(wǎng)絡(luò)輸出的小波神經(jīng)網(wǎng)絡(luò)的第g 維取值；ogh代表第g 維中第h 個輸出樣本的實際取值[16]。

（2）參數(shù)初始化，具體包括網(wǎng)絡(luò)學(xué)習(xí)速率、迭代次數(shù)等。

（3）輸入提取的樣本紅外光譜特征，也就是各項目對應(yīng)的IMF 信號能量數(shù)據(jù)，對預(yù)測模型進(jìn)行四種無損檢測方向的訓(xùn)練。

（4）獲取預(yù)測的各種檢測結(jié)果，對檢測結(jié)果的均方誤差進(jìn)行計算。當(dāng)誤差的絕對值比設(shè)定值小，輸出各種無損檢測的結(jié)果，完成家具木材無損檢測。

2 試驗結(jié)果與分析

2.1 不同木材的內(nèi)部腐朽情況檢測

九種家具木材內(nèi)部腐朽情況檢測結(jié)果如表2 所示。

表2 家具木材內(nèi)部腐朽情況檢測結(jié)果Tab.2 Test results of furniture wood internal decay

表2 的檢測結(jié)果表明在交趾黃檀羅漢床中存在一處內(nèi)部腐朽問題，而其余八種家具木材內(nèi)部則未出現(xiàn)內(nèi)部腐朽問題。

交趾黃檀羅漢床中內(nèi)部腐朽處的β1IMF 信號能量變化情況具體如圖4 所示。

圖4 β1IMF 信號能量變化情況Fig.4 The change of β1IMF signal energy

圖4 的β1IMF 信號能量變化情況表明，該處內(nèi)部腐朽比較明顯，存在明顯的IMF 信號能量變化。

為驗證檢測結(jié)果是否準(zhǔn)確，將交趾黃檀羅漢床的支撐部分切開，剖面如圖5 所示。

圖5 交趾黃檀羅漢床的支撐部分剖面圖Fig.5 Supporting section of cross-toe rosewood bed

根據(jù)圖5 剖面圖可以明顯看出該家具木材存在一處腐朽，與本文方法的檢測結(jié)果一致。

2.2 不同樹種的內(nèi)部空洞情況檢測

九種家具木材內(nèi)部空洞情況檢測結(jié)果如表3 所示。

表3 九種家具木材內(nèi)部空洞情況檢測結(jié)果Tab.3 Internal cavity condition test results of nine kinds of furniture wood

表3 的檢測結(jié)果表明在盧氏黑黃檀如意臺中存在一處內(nèi)部空洞問題，而其余八種家具木材內(nèi)部則未出現(xiàn)內(nèi)部空洞問題。

盧氏黑黃檀如意臺中內(nèi)部空洞處的β2IMF 信號能量變化情況具體如圖6 所示。

圖6 β2IMF 信號能量變化情況Fig.6 The change of β2IMF signal energy

圖6 的IMF 信號能量變化情況表明，該處IMF 信號能量變化比較明顯，存在一處內(nèi)部空洞問題。

切開盧氏黑黃檀如意臺的支撐部分，剖面如圖7所示。

圖7 盧氏黑黃檀如意臺的支撐部分剖面圖Fig.7 Supporting section of Lushi ebony Ruyi station

根據(jù)圖7 可見，盧氏黑黃檀如意臺的支撐部分確實存在一處空洞，表明本文方法的檢測結(jié)果較為準(zhǔn)確。

2.3 含水量情況檢測

九種家具木材的含水量情況檢測結(jié)果如表4 所示。

表4 九種家具木材的含水量檢測結(jié)果Tab.4 Water content test results of nine kinds of furniture wood

表4 的含水量檢測結(jié)果表明，刺猬紫檀中式電視柜的含水量均值為10.63，含水量最低，奧氏黃檀皇宮椅的含水量均值為11.41，含水量也較低，蘇拉威西烏木矮南官帽椅的含水量均值為11.58，含水量也較低。微凹黃檀雙人床的含水量均值為15.98，含水量最高，大果紫檀腰型茶臺的含水量均值為15.30，含水量也較高。其余四種家具木材的含水量居中。

2.4 密度檢測

九種家具木材的密度檢測結(jié)果如圖8 所示。

圖8 九種家具木材的平均密度檢測結(jié)果Fig.8 Average density test results of nine kinds of furniture wood

根據(jù)圖8 的平均密度檢測數(shù)據(jù)，九種家具木材的密度都偏高，其中交趾黃檀羅漢床的密度最大，達(dá)到了0.76 kg/m3，微凹黃檀雙人床的密度最小，為0.57 kg/m3，其余七種家具木材的密度居中。

3 結(jié)束語

通過應(yīng)用傅里葉變換紅外光譜分析儀采集實木家具的紅外光譜數(shù)據(jù)，實現(xiàn)了便捷、高效的家具木材無損檢測。檢測了不同木材的內(nèi)部腐朽情況，空洞情況和含水量情況，檢測結(jié)果表明交趾黃檀羅漢床存在一處內(nèi)部腐朽問題；盧氏黑黃檀如意臺存在一處內(nèi)部空洞問題；刺猬紫檀中式電視柜的含水量最低；微凹黃檀雙人床的含水量最高；九種家具木材的密度均偏高，其中交趾黃檀羅漢床的密度最大。說明該方法可以從內(nèi)部腐朽情況、含水量和密度等多個方面分析家具木材的內(nèi)部特征，選取質(zhì)量過關(guān)的木材制造家具，避免木材浪費，為實木家具的品質(zhì)檢驗提供參考。但該方法易受噪聲影響，導(dǎo)致檢測結(jié)果存在少量誤差，在實際應(yīng)用中，可采取多次測量的方式。在今后的研究中，可以去除傅里葉變換紅外光譜分析中的噪聲，減小誤差，實現(xiàn)更加精準(zhǔn)的檢測。