CN104132910A - 一种用近红外光谱技术预测火炬松木材纤维长度的方法 - Google Patents
一种用近红外光谱技术预测火炬松木材纤维长度的方法 Download PDFInfo
- Publication number
- CN104132910A CN104132910A CN201410403223.2A CN201410403223A CN104132910A CN 104132910 A CN104132910 A CN 104132910A CN 201410403223 A CN201410403223 A CN 201410403223A CN 104132910 A CN104132910 A CN 104132910A
- Authority
- CN
- China
- Prior art keywords
- sample
- fibre length
- model
- torch pine
- infrared spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种用近红外光谱技术预测火炬松木材纤维长度的方法,该方法是基于近红外光谱技术建立火炬松木材纤维长度的预测模型,利用模型来实现对火炬松木材纤维长度的快速、准确测定。本发明近红外技术火炬松木材纤维长度预测模型的建立,克服了以往常规测定方法测定步骤繁琐、程序复杂、人为操作误差大、成本高等缺点,此项技术不需损耗化学药品,减少了化学药品对人体的害处;测量过程中不消耗样品,从外观到内在都不会对样品产生影响,是典型的无损分析测量;并且测试重现性好,分析效率高,结果稳定性好。为我国火炬松良种选育提供了一种快速、简单、准确、无损、低成本的测试方法。
Description
技术领域
本发明涉及一种预测松树木材纤维长度的方法,具体是一种利用近红外光谱技术预测火炬松木材纤维长度的方法。
背景技术
火炬松原产美国东南部,为美国东南部的主要造林树种,中国引种火炬松已有60多年的历史。它干形通直圆满,材性优良,是引种成功的树种之一,属于构性用途中材质最强韧、用途最多样的木材。其木材可作建筑、纸浆、纤维用材。火炬松富含松脂,可供采脂加工成松香,其质量较高,现已成为我国广大地区的重要工业用材造林树种。此外,树姿挺拔优美,冠似火炬,主干端直,可用于观赏绿化树种。
火炬松木材的纤维长度是分析火炬松木材材性的主要参数之一,同时也是反映木材利用价值的指标。纤维形态的变化受多方面因素的影响,主要与树木的遗传因素有关,但生长环境对其变化规律也有一定影响。树木生长发育阶段,纤维形态在树木幼龄阶段变化是非常活跃的,随着树龄的增大而迅速增加长度,到达一定树龄后趋于稳定。因此,研究火炬松木材纤维长度不仅对新品种的培育、人工林的定向培育具有指导意义,而且对于今后火炬松大面积推广及改善其木材的材性也有深远的影响。
现有木材纤维长度的测定方法是先制备木材样本切片,将切片用硝酸(30%)和氯酸钾处理经加热使之软化,然后以蒸馏水冲洗切片除去切片上附着的硝酸,再将软化后切片经过外力作用使木材细胞分离,使木材变成木浆,然后用毛笔和解剖针挑出少许木浆置于载玻片上,或用胶头滴管吸少许木浆置于载玻片上,加水一滴,使木材细胞分散开,轻轻盖上盖玻片,用吸水纸吸去盖玻片上多余的水分,置于显微镜下观察;在显微镜40倍的视野下找到完整的火炬松木材纤维,拍摄清晰的图片后,用木材研究软件分析图片,用1:1000的比例尺测量出每根纤维的长度,每个样品测50根纤维长度,然后求其平均值,至此才得到木材纤维长度。
现有的木材纤维长度的测定方法步骤十分繁琐、程序复杂,完成测定需要消耗较长的时间,再需要测定大量的样品数据时,工作量很大,使得效率很低,并且在测定过程中,需要使用化学药品对样品进行处理,对样品的损伤大。关于生物质材料中的纤维特征通常采用传统的组织切片法和纤维离析图像分析等方法获得相关的信息。对于应用无损检测技术对其纤维形态特征参数进行预测在木材中也少有报道。但尚未看到能够对火炬松的纤维长度进行快速、准确、简单、且低成本的预测方法。
发明内容
本发明的目的是提供一种利用近红外光谱分析技术预测火炬松木材纤维长度的方法,该方法是基于近红外光谱技术建立火炬松木材纤维长度的预测模型,通过该模型实现火炬松木材纤维长度的快速、准确、无损测定,为大规模检测火炬松育种群体和子代测定林的木材材性参数提供一种快速、准确、简单、无损、高效的方法,更全面地把握火炬松木材材性的遗传变异规律,对揭示火炬松材性育种的巨大潜力,开展更准确的选择,丰富我国火炬松材性因子间及其与生长因子、形态因子的相关分析研究,对加快火炬松遗传改良进程具有重要的现实意义。
本发明所采用的技术方案如下:一种用近红外光谱技术预测火炬松木材纤维长度的方法,包括以下步骤:
(1)样品采集及其纤维长度常规测定:采集火炬松的生长锥木芯作为样品,采用常规方法测定样品的纤维长度值;样品的近红外光谱采集:用近红外光谱仪对采集得到的样品进行扫描,获得样品的近红外光谱数据;
(2)建立模型:将所采集的样品分成两组,即预测集和验证集;先对步骤(1)获得的样品的近红外光谱数据进行光谱预处理,然后基于偏最小二乘法(PLS),将预测集样品的常规方法测定得到的纤维长度值与其经过预处理后的近红外光谱数据相关联进行拟合,经回归分析,建立火炬松木材纤维长度近红外模型;
(3)模型的验证:用验证集的外部样品对步骤(2)已经建立的火炬松木材纤维长度近红外模型进行验证和评价,具体方法是:将外部样品的常规方法测定的纤维长度值与采用已建立的模型预测出的预测值分别进行验证比较,以相关系数R、验证集预测标准偏差SEP以及绝对偏差作为主要参数比较两者之间的差异,对模型进行外部验证和预测精度的评价;
(4)用所建立的火炬松木材纤维长度近红外模型来预测待测的火炬松样品的木材纤维长度:对待测的火炬松,采集其生长锥木芯作为待测样品,以近红外光谱分析仪采集其近红外光谱图,将采集到的特征光谱数据输入到模型中,得到该待测火炬松木材的纤维长度预测值;
所述步骤(1)和步骤(4)样品进行近红外光谱采集的条件及参数为:采集光谱区域为950nm-1650nm,光斑直径为3.5cm,分辨率为5nm,环境温度控制在22℃-23℃,环境湿度控制在30%~70%;采用扫描 2 次和重复装样2 次取平均的光谱收集方式,用旋转台以增加采样面积,采集样品的漫反射光谱,取扫描结果的平均值进行保存;
所述光谱预处理方法为:一阶导数求导(1st Der)、标准正态变量变换(SNV)和平滑算法(SG)相结合。
所述步骤(2)建立模型时,确定最佳主成分数。
所述步骤(3)模型的验证以模型校正相关系数(RC)、模型校正相关系数标准偏差(RMSEC)、交互验证得到的相关系数(RCV)、交互验证得到的预测标准偏差(RMSECV)来衡量模型预测效果,其中RC起着最主导作用,RC、RCV越高,RMSEC、RMSECV越低,模型预测效果越好;其中,
相关系数RC =1- ,标准偏差RMSEC =,
式中:n为建模的样本数;m为建模所选用的主成分数;y为标准方法测定值;yp为预测值;为标准方法测定平均值。
所述样品的采集,即火炬松生长锥木芯的采集方法是:选取15年生火炬松人工林中选取生长旺盛,胸径16 cm以上,干型较通直的优良火炬松植株,在树高1-1.5m处使用直径为12 mm的树木生长锥,平行于地面,从西北到东南方向钻取全木芯,穿透树干,尽量避开树结,用铅笔做好标记,放入密封的透明塑料袋中,并放入4℃冰箱保存。
所述采集样品的近红外光谱数据前,样品的处理方法为:将钻取的木芯切割成3.5cm的小段,在对样品进行近红外光谱扫描之前,将所有需采集光谱的样品在近红外光谱仪所在实验室内放置24h以上。
本发明具有如下有益效果:近红外技术火炬松木材纤维长度预测模型的建立,克服了以往常规测定方法测定步骤繁琐、程序复杂、人为操作误差大、成本高等缺点,此项技术不需损耗化学药品,减少了化学药品对人体的害处;测量过程中不消耗样品,从外观到内在都不会对样品产生影响,是典型的无损分析测量;并且测试重现性好,分析效率高,结果稳定性好。为我国火炬松良种选育提供了一种快速、简单、准确、无损、低成本的测试方法。
说明书附图
图1 火炬松木材纤维图
图2 火炬松木材纤维长度测定值的直方图
图3 火炬松木材的近红外光谱图
图4 一阶导数+平滑算法+标准正态变换法归一化处理后的光谱图
图5 火炬松木材纤维长度的近红外校正模型和内部交叉验证模型
图6 子代测定林270个样本的纤维长度预测值分布图
图7 核心群体56个样本的纤维长度预测值分布图
图8 种子园36个样本的纤维长度预测值分布图。
具体实施方式
以下结合实施例来进一步解释本发明,但实施例并不对本发明做任何形式的限定。
本实施例在建立模型时所使用的火炬松松脂样品取自:广东省乐昌市龙山林场的火炬松人工试验林;待预测的三个不同群体的火炬松样本为子代测定林270个样本、核心群体56个样本和种子园样36个样本,取自广东省英德市英德林场。
采用以下步骤实现本发明:
1、样品采集及其纤维长度常规测定
(1)样品采集:选取15年生火炬松人工林中选取生长旺盛,胸径16 cm以上,干型较通直的优良火炬松植株,在树高1.3m处使用直径为12 mm的树木生长锥,平行于地面,从西北到东南方向钻取全木芯,穿透树干,尽量避开树结,用铅笔做好标记,放入密封的透明塑料袋中,并放入4℃冰箱保存;本实施例共采集样品92个,其中预测集72个,验证集20个;
(2)样品纤维长度常规测定
①在实验台上放一片干净的吸水纸,戴上乳胶手套,取出木材样本,放在吸水纸上,用刀片小心翼翼地将木材切片,切到快断时,用手轻轻掰下来,放入试管中,注入蒸馏水,以充分淹没木材为度,然后将试管放入水浴锅中加热煮沸,以排除其中的空气,直至木材全部下沉为止;
②用试管架将试管从水浴锅中取出,慢慢倾斜试管,将试管里的水倒出,留木材在试管底部或试管壁上,然后加入硝酸(30%)和适量的氯酸钾固体粉末,再把试管放入水浴锅中加热,待木材变成黄白色或白色时,用玻棒试触木材是否软化,若已软化,取出试管,慢慢倒去硝酸;
③稍等片刻,待试管冷却后,以蒸馏水冲洗木材数次,至试管中液体颜色变为无色,即无酸为止;
④注蒸馏水于试管中,用手指按着试管口用力振荡,将木材细胞分离,木材变为木浆;用毛笔和解剖针挑出少许木浆置于载玻片上,或用胶头滴管吸少许木浆置于载玻片上,加水一滴,使木材细胞分散开,轻轻盖上盖玻片,用吸水纸吸去盖玻片上多余的水分,置于显微镜下观察;
⑤使用倒置荧光显微镜Leica Application Suite进行观察:在显微镜40倍的视野下找到完整的火炬松木材纤维,完整的纤维呈现的是两头尖,整根无折断的的状态,如图1所示,拍摄清晰的图片后,用木材研究软件分析图片,用1:1000的比例尺测量出每根纤维的长度,每个样品测50根纤维长度,然后求其平均值,用Excle录入数据,并保存文档。
本实施例测定的预测集中的72个样品的纤维长度测定值的直方图如图2所示,由图2的直方图可以得出,数值大部分在2.8mm到3.3mm之间,平均值是3.088094mm,全部数据整体上大约成正态分布的状态,可以看出定标样品具有良好的连续性与代表性,满足定标条件的要求。
(3)样品近红外光谱数据采集
①样品处理:将钻取的木芯切割成3.5cm的小段,在对样品进行近红外光谱扫描之前,将所有需采集光谱的样品在近红外光谱仪所在实验室内放置24h以上;
②样品的近红外光谱采集:用近红外光谱仪采用以下条件参数,对采集得到的样品进行扫描,获得样品的近红外光谱数据:采集光谱区域为950nm-1650nm,光斑直径为3.5cm,分辨率为5nm,环境温度控制在22℃-23℃,环境湿度控制在30%~70%;采用扫描 2 次和重复装样2 次取平均的光谱收集方式,用旋转台以增加采样面积,采集样品的漫反射光谱,取扫描结果的平均值进行保存。
经测定,获得的样品的近红外光谱数据图如图3所示。
2、建立模型:
(1)本实施例共采集样品92个,其中预测集72个,验证集20个;选择预测集的72个样品用于建立模型;
(2)模型建立过程中,分别将标准化处理法(Normalization)、标准正态变量转换法(SNV)、平滑算法(SG)、乘积分散校正法(MSC)等方法与一阶导数( 1st Der)处理相结合,对光谱进行预处理,并根据定标模型的预测效果选择出最佳的预处理方法。同时,对主成分进行分析,确定最佳主成分数。
结果如表1所示,从表1中数据可以看出,Normalization即标准化处理法的主成分数和模型校正相关系数(RC)值、交互验证得到的相关系数(RCV)值都是最低的,所以直接舍弃;MSC即乘积分散校正法和SG即平滑算法的RC值都在0.95以下,分别为0.938818和0.908652,主成分数分别为12和13,属于偏低水平,可以直接舍弃;而SNV即标准正态变量转换法归一化、1st Der +MSC即一阶导数+乘积分散校正法和1st Der +Normalization即一阶导数+标准化处理法的RC值虽然较高,均在0.95以上,但这几组的主成分个数偏高,都是13,也可以舍弃;在剩下的光谱预处理组合中,通过对比数据可以得出,1st Der + SG+SNV即一阶导数+平滑算法+标准正态变量转换法归一化的RC值和RCV值都比较高,分别是0.969978和0.897213,模型校正相关系数标准偏差(RMSEC)值和交互验证得到的预测标准偏差(RMSECV)值都是最低的,分别为0.03248mm和0.06226mm,并且其主成分数也是最少的,为11。RC值和RCV值越接近,模型的预测效果越好,因此,本实施例采用一阶导数+平滑算法+标准正态变量转换法归一化的光谱预处理作为最佳的光谱预处理组合方法。
表1 不同的光谱预处理方法得出的火炬松木材纤维长度的模型参数
。
对获得样品的光谱的预处理用Umscrambler软件采用一阶导数求导( 1st Der) 、标准正态变量变换( SNV) 和平滑算法(SG)相结合的方法进行,经预处理后的光谱图如图4所示。
(3)基于偏最小二乘法(PLS),将预测集样品的常规方法测定得到的纤维长度值与其经过预处理后的近红外光谱数据相关联进行拟合,经回归分析,建立火炬松木材纤维长度近红外模型如图5所示。
表2是火炬松木材纤维长度的近红外模型主要参数表,从表中的结果我们可以得出,主成分数为11时,模型的RC为0.966379,RMSEC为0.003248,RCV为0.878156,RMSECV为0.006226,模型的校正相关系数和交互验证相关系数均比较高,校正相关系数标准偏差和交互验证得到的预测标准偏差都比较低,模型的预测效果良好。
表2火炬松木材纤维长度的近红外模型主要参数表
。
3、模型的验证:用验证集的20个外部样品对已经建立的火炬松木材纤维长度近红外模型进行验证和评价,具体方法是:将外部样品的常规方法测定的纤维长度值与采用已建立的模型预测出的预测值分别进行验证比较,以相关系数R、验证集预测标准偏差SEP以及绝对偏差作为主要参数比较两者之间的差异,对模型进行外部验证和预测精度的评价。
表3是火炬松木材纤维长度的外部样品的预测值、实测值、绝对偏差和相对偏差的比较,经整理数据,从表4中得出,外部样品验证的相关系数R为0.88,预测标准偏差SEP为0.216mm,符合标准方法的误差要求,说明模型质量良好,可以用来预测目标值。
表3 火炬松木材纤维长度的外部样品的预测值、实测值、绝对偏差和相对偏差
表4 外部样品对火炬松木材纤维长度的近红外模型的验证的主要参数表
。
4、用所建立的火炬松木材纤维长度近红外模型来预测待测的火炬松样品的木材纤维长度:对待测的火炬松,采集其生长锥木芯作为待测样品,以近红外光谱分析仪采集其近红外光谱图,将采集到的特征光谱数据输入到模型中,得到该待测火炬松木材的纤维长度预测值。
本实施例利用建立的火炬松木材纤维长度近红外预测模型分别对子代测定林270个样本、核心群体56个样本和种子园样36个样本进行了木材纤维长度预测。
图6、7、8分别是相对应的纤维长度预测值的分布图,从图上可以清楚的看到三个群体数据的分布趋势,它们整体上都呈正态分布,符合数据分布的基本特征。整理数据后如表5,三个群体样本纤维长度的平均值分别是3.117296mm、3.147875mm、3.044567mm,方差分别是0.103061、0.133145、0.047272,标准偏差分别是0.3296mm、0.3616mm、0.2144mm。符合误差的基本要求,因此,所建立的模型其预测值是比较准确的,可利用本发明所述的近红外光谱技术,快速、无损、省时省力、比较准确地预测火炬松木材的纤维长度。
表5 三个群体样本纤维长度的平均值、方差和标准偏差
Claims (6)
1.一种用近红外光谱技术预测火炬松木材纤维长度的方法,其特征在于:包括以下步骤:
(1)样品采集及其纤维长度常规测定:采集火炬松的生长锥木芯作为样品,采用常规方法测定样品的纤维长度值;样品的近红外光谱采集:用近红外光谱仪对采集得到的样品进行扫描,获得样品的近红外光谱数据;
(2)建立模型:将所采集的样品分成两组,即预测集和验证集;先对步骤(1)获得的样品的近红外光谱数据进行光谱预处理,然后基于偏最小二乘法,将预测集样品的常规方法测定得到的纤维长度值与其经过预处理后的近红外光谱数据相关联进行拟合,经回归分析,建立火炬松木材纤维长度近红外模型;
(3)模型的验证:用验证集的外部样品对步骤(2)已经建立的火炬松木材纤维长度近红外模型进行验证和评价,具体方法是:将外部样品的常规方法测定的纤维长度值与采用已建立的模型预测出的预测值分别进行验证比较,以相关系数R、验证集预测标准偏差SEP以及绝对偏差作为主要参数比较两者之间的差异,对模型进行外部验证和预测精度的评价;
(4)用所建立的火炬松木材纤维长度近红外模型来预测待测的火炬松样品的木材纤维长度:对待测的火炬松,采集其生长锥木芯作为待测样品,以近红外光谱分析仪采集其近红外光谱图,将采集到的特征光谱数据输入到模型中,得到该待测火炬松木材的纤维长度预测值;
所述步骤(1)和步骤(4)样品进行近红外光谱采集的条件及参数为:采集光谱区域为950nm~1650nm,光斑直径为3.5cm,分辨率为5nm,环境温度控制在22℃~23℃,环境湿度控制在30%~70%;采用扫描 2 次和重复装样2 次取平均的光谱收集方式,用旋转台以增加采样面积,采集样品的漫反射光谱,取扫描结果的平均值进行保存。
2.根据权利要求1所述的用近红外光谱技术预测火炬松木材纤维长度的方法,其特征在于:所述光谱预处理方法为:一阶导数求导、标准正态变量变换和平滑算法相结合的方法。
3.根据权利要求1所述的用近红外光谱技术预测火炬松木材纤维长度的方法,其特征在于:所述步骤(2)建立模型时,确定最佳主成分数。
4.根据权利要求1所述的用近红外光谱技术预测火炬松木材纤维长度的方法,其特征在于:所述步骤(3)模型的验证以模型校正相关系数RC、模型校正相关系数标准偏差RMSEC、交互验证得到的相关系数RCV、交互验证得到的预测标准偏差RMSECV来衡量模型预测效果,其中RC起着最主导作用,RC、RCV越高,RMSEC、RMSECV越低,模型预测效果越好;其中,
相关系数RC =1- ,标准偏差RMSEC = ,
式中:n为建模的样本数;m为建模所选用的主成分数;y为标准方法测定值;yp为预测值;为标准方法测定平均值。
5.根据权利要求1所述的用近红外光谱技术预测火炬松木材纤维长度的方法,其特征在于:所述样品的采集,即火炬松生长锥木芯的采集方法是:选取15年生火炬松人工林中选取生长旺盛,胸径16 cm以上,干型较通直的优良火炬松植株,在树高1~1.5m处使用直径为12 mm的树木生长锥,平行于地面,从西北到东南方向钻取全木芯,穿透树干,尽量避开树结,用铅笔做好标记,放入密封的透明塑料袋中,并放入4℃冰箱保存。
6.根据权利要求1所述的近红外光谱技术预测火炬松木材纤维长度的方法,其特征在于: 所述采集样品的近红外光谱数据前,样品的处理方法为:将钻取的木芯切割成3.5cm的小段,在对样品进行近红外光谱扫描之前,将所有需采集光谱的样品在近红外光谱仪所在实验室内放置24h以上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410403223.2A CN104132910A (zh) | 2014-08-15 | 2014-08-15 | 一种用近红外光谱技术预测火炬松木材纤维长度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410403223.2A CN104132910A (zh) | 2014-08-15 | 2014-08-15 | 一种用近红外光谱技术预测火炬松木材纤维长度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104132910A true CN104132910A (zh) | 2014-11-05 |
Family
ID=51805675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410403223.2A Pending CN104132910A (zh) | 2014-08-15 | 2014-08-15 | 一种用近红外光谱技术预测火炬松木材纤维长度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104132910A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109253985A (zh) * | 2018-11-28 | 2019-01-22 | 东北林业大学 | 基于神经网络的近红外光谱识别古筝面板用木材等级的方法 |
CN113447483A (zh) * | 2021-06-25 | 2021-09-28 | 山东东宏管业股份有限公司 | 一种短纤维复合塑料中纤维长度的测试方法 |
CN115372311A (zh) * | 2022-08-19 | 2022-11-22 | 江西农业大学 | 一种用近红外光谱技术预测湿地松微纤丝角的方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102192890A (zh) * | 2010-03-03 | 2011-09-21 | 中国制浆造纸研究院 | 利用近红外光谱分析技术快速测定木材化学成分 |
CN102192891A (zh) * | 2010-03-03 | 2011-09-21 | 中国制浆造纸研究院 | 利用近红外光谱分析技术快速测定木材气干密度 |
-
2014
- 2014-08-15 CN CN201410403223.2A patent/CN104132910A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102192890A (zh) * | 2010-03-03 | 2011-09-21 | 中国制浆造纸研究院 | 利用近红外光谱分析技术快速测定木材化学成分 |
CN102192891A (zh) * | 2010-03-03 | 2011-09-21 | 中国制浆造纸研究院 | 利用近红外光谱分析技术快速测定木材气干密度 |
Non-Patent Citations (4)
Title |
---|
孙柏玲等: "近红外光谱法在慈竹微纤丝角和纤维长度分析中的应用", 《光谱学与光谱分析》 * |
王玉荣等: "基于近红外光谱技术预测木材纤维长度", 《中国造纸》 * |
王玉荣等: "无损检测阔叶材纤维长度的近红外光谱法", 《木材加工机械》 * |
霍淑媛等: "近红外光谱法测定欧美杨纤维形态和结晶度", 《纸和造纸》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109253985A (zh) * | 2018-11-28 | 2019-01-22 | 东北林业大学 | 基于神经网络的近红外光谱识别古筝面板用木材等级的方法 |
CN109253985B (zh) * | 2018-11-28 | 2022-01-11 | 东北林业大学 | 基于神经网络的近红外光谱识别古筝面板用木材等级的方法 |
CN113447483A (zh) * | 2021-06-25 | 2021-09-28 | 山东东宏管业股份有限公司 | 一种短纤维复合塑料中纤维长度的测试方法 |
CN115372311A (zh) * | 2022-08-19 | 2022-11-22 | 江西农业大学 | 一种用近红外光谱技术预测湿地松微纤丝角的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Picon-Cochard et al. | Effect of species, root branching order and season on the root traits of 13 perennial grass species | |
Fries | Genetic parameters, genetic gain and correlated responses in growth, fibre dimensions and wood density in a Scots pine breeding population | |
CN102519886A (zh) | 一种检测农作物叶片中叶绿素a和类胡萝卜素含量的方法 | |
CN106290292B (zh) | 一种利用共聚焦显微拉曼检测茶叶中类胡萝卜素含量的方法 | |
CN104132865A (zh) | 一种用近红外光谱技术预测火炬松木材密度的方法 | |
Quilhó et al. | Within-tree variation in wood fibre biometry and basic density of the urograndis eucalypt hybrid (Eucalyptus grandis× E. urophylla) | |
CN104142311A (zh) | 一种用近红外光谱技术预测火炬松松脂产量的方法 | |
Wang et al. | Empirical models for measuring the leaf area and leaf mass across growing periods in broadleaf species with two life histories | |
CN104132910A (zh) | 一种用近红外光谱技术预测火炬松木材纤维长度的方法 | |
CN102841031A (zh) | 一种活立木边材含水率估测方法 | |
Sedlar et al. | Physical properties of juvenile wood of two paulownia hybrids | |
CN108770614A (zh) | 一种小麦耐热性评价方法 | |
CN108827907A (zh) | 一种基于近红外光谱对彩棉色度的快速测定方法 | |
Armecin et al. | Abaca (Musa textilis Nee) allometry for above-ground biomass and fiber production | |
CN103245625A (zh) | 一种烤烟鲜烟叶成熟度的无损检测方法 | |
CN109631821A (zh) | 一种快速无损测量竹子叶片面积的方法 | |
Sharma et al. | Axial variations in anatomical properties and basic density of Eucalypt urograndis hybrid (Eucalyptus grandis× E. urophylla) clones | |
Meder | The magnitude of tree breeding and the role of near infrared spectroscopy | |
CN103353445B (zh) | 一种利用近红外光谱仪快速鉴定小麦抗旱性的技术方法 | |
CN103425091B (zh) | 单粒油菜籽品质的近红外光谱在线无损检测方法与装置 | |
CN103115924B (zh) | 棕榈藤材藤龄的判断方法 | |
CN108181309A (zh) | 一种植物固碳释氧量的测定方法 | |
CN106404699A (zh) | 一种梨树叶片氮素含量的无损测量方法 | |
CN108062602B (zh) | 一种预测温室茄果类作物同化产物产量的方法 | |
RU2299435C2 (ru) | Способ испытания побегов древесного растения |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141105 |