对木物种在不同近红外波段的区分精度进行比较分析

科学领域:

• 木材科学和光谱学是木材科学和光谱学.
• 植物认证和材料分析.

背景情况:

• 木是一种珍贵的木材,因其美学和机械特性而受到重视,导致了广泛的全球贸易.
• 树资源的减少导致了假冒,伪造和走私的增加,需要可靠的物种认证方法.
• 近红外光谱 (NIR) 为木材识别提供了一个有前途的非破坏性技术,但最佳的光谱范围需要进一步研究.

研究的目的:

• 评估和比较不同NIR光谱窗口的有效性,以准确,快速和非破坏性地验证八种常见的木物种的真实性.
• 确定光谱预处理技术和机器学习算法的最佳组合,以进行木物种歧视.

主要方法:

• 用四个不同的NIR光谱间隔对八种商业重要木物种进行分析:可见近红外 (Vis-NIR),短波NIR (SW-NIR),截断长波NIR (tLW-NIR) 和截断全范围NIR (tFULL-NIR).
• 将七种不同的光谱预处理程序应用于收集的NIR数据.
• 使用部分最小平方差分分析 (PLS-DA),支向量机 (SVM) 和长短期内存 (LSTM) 网络对光谱数据进行分类和评估.

主要成果:

• 截断的长波NIR (tLW-NIR) 光谱窗口,当用Savitzky-Golay (S-G) 过和Mean centering (S-G + Center) 预处理时,产生了最高的认证准确率98.53%.
• 长短期记忆 (LSTM) 网络在各种光谱窗口和预处理组合中对木物种进行分类时表现出卓越的表现.
• 优化NIR光谱带和LSTM分析的结合,对于快速而非破坏性的木区分非常有效.

结论:

• 该研究为选择最佳波长窗口和开发木认证的强大模型提供了实际指导.
• tLW-NIR光谱窗口与先进的化学测量方法 (S-G+中心预处理和LSTM分类) 结合,为打击非法木贸易提供了强大的技术解决方案.
• 尼尔光谱,特别是带优化和LSTM,是准确和非破坏性物种识别高价值木材的可行策略.