CN105181639A - 基于近红外光谱技术快速测定阔叶材聚戊糖含量 - Google Patents

基于近红外光谱技术快速测定阔叶材聚戊糖含量 Download PDF

Info

Publication number
CN105181639A
CN105181639A CN201510632462.XA CN201510632462A CN105181639A CN 105181639 A CN105181639 A CN 105181639A CN 201510632462 A CN201510632462 A CN 201510632462A CN 105181639 A CN105181639 A CN 105181639A
Authority
CN
China
Prior art keywords
near infrared
hemi
sample
cellulose content
broadleaf
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
Application number
CN201510632462.XA
Other languages
English (en)
Inventor
房桂干
吴珽
梁龙
李漫
邓拥军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Chemical Industry of Forest Products of CAF
Original Assignee
Institute of Chemical Industry of Forest Products of CAF
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Chemical Industry of Forest Products of CAF filed Critical Institute of Chemical Industry of Forest Products of CAF
Priority to CN201510632462.XA priority Critical patent/CN105181639A/zh
Publication of CN105181639A publication Critical patent/CN105181639A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于近红光谱技术快速测定阔叶材聚戊糖含量的方法。将阔叶材去皮，切削成木片；经充分平衡水分后，采用四分法按树种均匀取样，采集各样本的原始近红外光谱数据；对数据进行预处理；各样本粉碎，得到木粉；用化学方法测定各样本木粉中的聚戊糖含量，将所有样本按含量梯度法分为训练集和验证集；采用偏最小二乘法确定训练集样本聚戊糖含量实测值和其近红外光谱数据间的对应关系，建立预测模型；用预测模型分析验证集样本的近红外光谱数据，将预测值与化学法实测值对比，评价模型预测能力。该法模型稳定且适应性强，利用此预测模型可以实现对阔叶材聚戊糖含量快速准确的测定。

Description

基于近红外光谱技术快速测定阔叶材聚戊糖含量
技术领域：
本发明是一种快速测定阔叶材聚戊糖含量的方法，尤其是一种基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法。
背景技术：
聚戊糖在林产化学工业中是生产糠醛、木糖与木糖醇、三羟基戊二酸、饲料酵母的优良原料。阔叶木中的半纤维素往往以聚戊糖为主，但其含量因原料产地、种类、生长情况的不同并不一致，常在20％～30％间浮动。而不同的聚戊糖含量影响着生产加工过程中的工艺参数，因此有必要通过实时确定生产线上每批次阔叶木原料中的聚戊糖含量，改变生产过程中的工艺参数，从而降低能耗与用药水平，实现节能减排与经济效益最大化。而传统的木材聚戊糖含量测定方法是将试样与12％盐酸共沸，使聚戊糖转化为糠醛，再用溴化法定量测定蒸馏出的糠醛含量，转化为聚戊糖含量。该方法步骤繁琐，消耗大量人力物力，且易造成污染，无法满足实时测定的需求。
近红外光谱(770～2500nm)产生于共价化学键非谐能级振动，属于分子振动的倍频与合频光谱，主要反映了含氢基团的吸收信息，可用于分析含有大量含氢基团样本的化学成分；而近红外光在样品内部发生反射、折射、衍射、吸收并与样本内部分子相互作用，使得近红外光谱负载了样本的成分与结构信息，可用于分析样本的物理性质。近年来利用近红外光谱技术结合化学计量学方法，在近红外谱图和样本信息之间建立数学模型，可以快速、高效、无损地预测未知样本的信息，广泛应用于农业、林业、石油化工等方面。众所周知，阔叶材聚戊糖中有大量含氢基团，故而近红外光谱可用于阔叶材聚戊糖含量的快速分析
发明内容：
本发明的目的是为了解决林产化学工业中传统方法无法满足阔叶材聚戊糖含量实时快速测定的问题，提供了一种基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法。
本发明采用的技术方案：一种基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法，步骤是：
第一步，将阔叶材去皮，切削成规格为20mm×10mm×2mm的木片；
第二步，经充分平衡水分后，采用四分法按树种均匀取样，利用近红外光谱仪采集各样本的原始近红外光谱数据；
第三步，对原始近红外光谱数据进行预处理；
第四步，从各样本中取出部分木片置于粉碎机中粉碎，得到样本木粉；
第五步，用化学方法测定各样本木粉中的聚戊糖含量，即为样本聚戊糖含量，将所有样本按含量梯度法分为训练集和验证集；
第六步，采用偏最小二乘法确定训练集样本聚戊糖含量实测值和其近红外光谱数据间的对应关系，建立预测模型；
第七步，用预测模型分析验证集样本的近红外光谱数据，将预测值与化学法实测值对比，评价模型预测能力。
所述阔叶材为桉木、相思、杨木。
第二步中充分平衡水分的判定是：每隔一天取样测定水分含量，待两次测定值之差小于0.1％时认定水分充分平衡。
第二步中所述近红外光谱数据为利用近红外光谱仪采用漫反射方式获得的吸光度值，扫描范围为1600～2400nm，分辨率为8cm-1，采样点为100；光谱重复扫描50次平均为一个光谱数据。
第二步中所述近红外数据采集时，将木片平铺在采样杯底部，层层叠起，尽量不留透光缝隙，每个样本装样3次，取平均光谱作为样品原始光谱。
第三步所述预处理方法为多元信号校正。
第四步所述样本木粉粒径在0.25～0.38mm之间。
第六步所述建立预测模型过程主要为：用化学计量学软件加载训练集光谱数据，通过偏最小二乘法和交互验证，确定最佳主成分数，再建立聚戊糖含量预测模型。
第七步所述模型预测能力主要用预测均方根误差RMSEP和绝对偏差(AD)综合评价；决定系数R2 val和相对分析误差RPD作为参考指标。
有益效果
本发明按步骤进行备料和采集近红外光谱数据，采用建好的数学模型可以快速、准确地测定阔叶材原料中聚戊糖含量，解决了林产化学工业中阔叶材原料聚戊糖含量随原料产地、生长情况、种类的不同存在较大差异，难以实时测定的问题，克服了常规测定方法步骤繁琐、用药多、成本高且重现性随实验操作变动较大的缺点，有利于林产化学工业中平台化合物加工生产时工艺参数的及时调整。本发明为林产化学工业中木材原料化学成分含量的确定提供了一种快速、简单、准确、低成本的方法与思路。
附图说明：
图1常见阔叶材近红外光谱图。
图2经多元信号校正预处理的近红外光谱图。
图3阔叶材聚戊糖含量预测模型的预测情况。
具体实施方式：
一种基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法。其步骤如下：a.将常见阔叶材去皮，切削成规格相近约20mm×10mm×2mm的木片；b.经充分平衡水分后，采用四分法按树种均匀取样，利用近红外光谱仪采集各样本的原始近红外光谱数据；c.对原始近红外光谱数据进行预处理；d.从各样本中取出部分木片置于粉碎机中粉碎，截取40～60目间的木粉；e.用常规化学方法测定各样本木粉中的聚戊糖含量，即为样本聚戊糖含量，据此将所有样本按含量梯度法分为训练集和验证集；f.采用偏最小二乘法确定训练集样本聚戊糖含量实测值和其近红外光谱数据间的对应关系，建立预测模型；g.用该预测模型分析验证集样本的近红外光谱数据，将预测值与常规化学法实测值对比，评价模型预测能力。
所述步骤a中常见阔叶材为林产化学工业中常用并在我国有广泛种植的桉木、相思、杨木。
所述步骤b中每隔一天取样测定水分含量，待两次测定值之差小于0.1％时认定其水分充分平衡，此时水分含量约为12％。近红外光谱数据为利用近红外光谱仪采用漫反射方式获得的吸光度值，扫描范围为1600～2400nm，分辨率为8cm-1，采样点为100；光谱重复扫描50次平均为一个光谱数据。近红外数据采集方法为将木片平铺在采样杯底部，层层叠起，尽量不留透光缝隙。每个样本装样3次，取其平均光谱作为样品原始光谱。
所述步骤c中预处理方法为多元信号校正。
所述步骤d中木粉粒径在0.25～0.38mm之间，能通过40目筛孔而不能通过60目筛孔。
所述步骤f中预测模型为常见阔叶材包括桉木、相思、杨木建立的数学预测模型，其过程主要为：用化学计量学软件加载训练集光谱数据，通过偏最小二乘法和交互验证，确定最佳主成分数，据此建立聚戊糖含量预测模型。
所述步骤g所述模型预测能力主要用预测均方根误差(RMSEP)和绝对偏差(AD)综合评价；决定系数(R2 val)和相对分析误差(RPD)作为参考指标。
实施例1
将适龄桉木、相思、杨木去皮切削成约20mm×10mm×2mm木片，待木片水分充分平衡，隔日水分含量测定值之差小于0.1％时采用四分法均匀取样120个，用近红外光谱仪获取各样本原始近红外数据并对其进行多元信号校正预处理。从各样本中取出部分木片置入粉碎机中磨成木粉，截取40目～60目的细末，按GB/T2677.9-1994测定各样本木粉中聚戊糖含量：将木粉与12％的盐酸共沸，使木粉中的聚戊糖水解生成戊糖，戊糖进一步脱水转化为糠醛；将蒸馏出的糠醛经冷凝后收集，用四溴化法定量地测定蒸馏出的糠醛含量，换算为聚戊糖含量，即为样本聚戊糖含量。据此将120个样本分为训练集和预测集，其中训练集用于预测模型的建立，样本数为90；预测集用于模型预测能力的验证，样本数为30。
在Matlab7.0中加载训练集光谱数据，通过偏最小二乘法和交互验证，确定最佳主成分数为10，据此建立阔叶材聚戊糖预测模型。模型预测验证集样品的详细数据见表1，决定系数(Rval 2)接近0.95,相对分析误差(RPD)大于4，模型相关性较好。预测均方根误差(RMSEP)为0.75％，绝对偏差(AD)范围为-1.42％～1.29％，符合林产化学工业中原料化学成分含量预测的误差控制要求。因此所建预测模型有着理想的预测能力，可用于未知阔叶材原料聚戊糖含量的快速测定。
表1阔叶材聚戊糖含量预测值和实测值(％)

Claims (9)

1.一种基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法，其特征是，步骤是：
第一步，将阔叶材去皮，切削成规格为20mm×10mm×2mm的木片；
第二步，经充分平衡水分后，采用四分法按树种均匀取样，利用近红外光谱仪采集各样本的原始近红外光谱数据；
第三步，对原始近红外光谱数据进行预处理；
第四步，从各样本中取出部分木片置于粉碎机中粉碎，得到样本木粉；
第五步，用化学方法测定各样本木粉中的聚戊糖含量，即为样本聚戊糖含量，将所有样本按含量梯度法分为训练集和验证集；
第六步，采用偏最小二乘法确定训练集样本聚戊糖含量实测值和其近红外光谱数据间的对应关系，建立预测模型；
第七步，用预测模型分析验证集样本的近红外光谱数据，将预测值与化学法实测值对比，评价模型预测能力。
2.根据权利要求1所述的基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法，其特征是：所述阔叶材为桉木、相思、杨木。
3.根据权利要求1所述的基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法，其特征是：第二步中充分平衡水分的判定是：每隔一天取样测定水分含量，待两次测定值之差小于0.1%时认定水分充分平衡。
4.根据权利要求1所述的基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法，其特征是：第二步中所述近红外光谱数据为利用近红外光谱仪采用漫反射方式获得的吸光度值，扫描范围为1600～2400nm，分辨率为8cm-1，采样点为100；光谱重复扫描50次平均为一个光谱数据。
5.根据权利要求1所述的基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法，其特征是：第二步中所述近红外数据采集时，将木片平铺在采样杯底部，层层叠起，尽量不留透光缝隙，每个样本装样3次，取平均光谱作为样品原始光谱。
6.根据权利要求1所述的基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法，其特征是：第三步所述预处理方法为多元信号校正。
7.根据权利要求1所述的基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法，其特征是：第四步所述样本木粉粒径在0.25～0.38mm之间。
8.根据权利要求1所述的基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法，其特征是：第六步所述建立预测模型过程主要为：用化学计量学软件加载训练集光谱数据，通过偏最小二乘法和交互验证，确定最佳主成分数，再建立聚戊糖含量预测模型。
9.根据权利要求1所述的基于近红外光谱技术快速测定阔叶材聚戊糖含量的方法，其特征是：第七步所述模型预测能力主要用预测均方根误差RMSEP和绝对偏差（AD）综合评价；决定系数R2 val和相对分析误差RPD作为参考指标。
CN201510632462.XA 2015-09-29 2015-09-29 基于近红外光谱技术快速测定阔叶材聚戊糖含量 Pending CN105181639A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510632462.XA CN105181639A (zh) 2015-09-29 2015-09-29 基于近红外光谱技术快速测定阔叶材聚戊糖含量

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510632462.XA CN105181639A (zh) 2015-09-29 2015-09-29 基于近红外光谱技术快速测定阔叶材聚戊糖含量

Publications (1)

Publication Number Publication Date
CN105181639A true CN105181639A (zh) 2015-12-23

Family

ID=54903872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510632462.XA Pending CN105181639A (zh) 2015-09-29 2015-09-29 基于近红外光谱技术快速测定阔叶材聚戊糖含量

Country Status (1)

Country Link
CN (1) CN105181639A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106323908A (zh) * 2016-08-19 2017-01-11 中国林业科学研究院热带林业研究所 一种测定大花序桉木材基本密度和生材密度的方法
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)

* Cited by examiner, † Cited by third party
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
US20140340670A1 (en) * 2012-09-25 2014-11-20 Sumitomo Electric Industries, Ltd. Method of classifying and discerning wooden materials

Patent Citations (2)

* Cited by examiner, † Cited by third party
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
US20140340670A1 (en) * 2012-09-25 2014-11-20 Sumitomo Electric Industries, Ltd. Method of classifying and discerning wooden materials

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姚胜等: "相思树聚戊糖含量近红外光谱分析模型的建立及修正", 《光谱学与光谱分析》 *
崔宏辉等: "基于近红外光谱快速鉴别木材种类的研究", 《现代化工》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106323908A (zh) * 2016-08-19 2017-01-11 中国林业科学研究院热带林业研究所 一种测定大花序桉木材基本密度和生材密度的方法
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
Jin et al. Determination of hemicellulose, cellulose and lignin content using visible and near infrared spectroscopy in Miscanthus sinensis
Zhou et al. Prediction of mixed hardwood lignin and carbohydrate content using ATR-FTIR and FT-NIR
CN101413885A (zh) 一种快速定量蜂蜜品质的近红外光谱方法
CN107064047A (zh) 一种基于近红外光谱的富士苹果品质无损检测方法
CN102879340A (zh) 基于近红外光谱快速检测块根/茎类作物营养品质的方法
CN106706553A (zh) 一种快速无损测定玉米单籽粒直链淀粉含量的方法
CN104316489B (zh) 一种近红外光谱检测灵芝提取物掺假的方法
CN104020127A (zh) 一种利用近红外光谱快速测量烟叶中无机元素的方法
CN102937575B (zh) 一种基于二次光谱重组的西瓜糖度快速建模方法
CN105044024A (zh) 一种基于近红外光谱技术对葡萄果实进行无损检测的方法
CN102680426A (zh) 一种快速测定蒸汽压片玉米淀粉糊化度的方法
CN105158195A (zh) 基于近红外光谱技术快速测定制浆材综纤维素含量的方法
CN103033486A (zh) 陈皮及广陈皮药材质量的近红外光谱监控方法
CN104034691A (zh) 一种甜菜品质的快速检测方法
CN102393376A (zh) 基于支持向量回归的鱼丸多组分含量检测的近红外光谱法
CN105136737A (zh) 基于近红外光谱的馒头中马铃薯全粉含量快速测定的方法
CN104807777A (zh) 一种基于近红外光谱分析技术的槟榔水分含量快速检测方法
CN105352913A (zh) 一种近红外光谱检测灵芝提取物多糖含量的方法
Wang et al. NIR based wireless sensing approach for fruit monitoring
CN104596975A (zh) 近红外漫反射光谱技术测定造纸法再造烟叶木质素的方法
CN103344597A (zh) 一种抗调味干扰的莲藕内部成分近红外无损检测的方法
CN104596979A (zh) 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法
CN105181639A (zh) 基于近红外光谱技术快速测定阔叶材聚戊糖含量
CN109001143A (zh) 一种灵敏预测麻黄品质特性的中红外光谱法
Zhu et al. Prediction of wood property in Chinese Fir based on visible/near-infrared spectroscopy and least square-support vector machine

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20151223

WD01 Invention patent application deemed withdrawn after publication