CN106383094A - 一种快速测定尾细桉木材化学成分含量的方法 - Google Patents
一种快速测定尾细桉木材化学成分含量的方法 Download PDFInfo
- Publication number
- CN106383094A CN106383094A CN201610936185.6A CN201610936185A CN106383094A CN 106383094 A CN106383094 A CN 106383094A CN 201610936185 A CN201610936185 A CN 201610936185A CN 106383094 A CN106383094 A CN 106383094A
- Authority
- CN
- China
- Prior art keywords
- sample
- model
- near infrared
- standard value
- tail
- 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
- 238000000034 method Methods 0.000 title claims abstract description 78
- 239000002023 wood Substances 0.000 title claims abstract description 53
- 239000000126 substance Substances 0.000 title claims abstract description 45
- 238000012360 testing method Methods 0.000 title abstract description 12
- 241000404037 Eucalyptus urophylla Species 0.000 title abstract description 8
- 240000007002 Eucalyptus tereticornis Species 0.000 title abstract description 7
- 239000004615 ingredient Substances 0.000 title abstract 7
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 55
- 229920005610 lignin Polymers 0.000 claims abstract description 50
- 229920002488 Hemicellulose Polymers 0.000 claims abstract description 48
- 229920002678 cellulose Polymers 0.000 claims abstract description 40
- 239000001913 cellulose Substances 0.000 claims abstract description 40
- 238000001228 spectrum Methods 0.000 claims abstract description 26
- 230000003595 spectral effect Effects 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000007689 inspection Methods 0.000 claims abstract description 10
- 244000166124 Eucalyptus globulus Species 0.000 claims description 60
- 239000000463 material Substances 0.000 claims description 34
- 239000000203 mixture Substances 0.000 claims description 32
- 235000004692 Eucalyptus globulus Nutrition 0.000 claims description 28
- 239000000835 fiber Substances 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 14
- 239000000843 powder Substances 0.000 claims description 13
- 241000196324 Embryophyta Species 0.000 claims description 9
- 238000007605 air drying Methods 0.000 claims description 8
- 150000004676 glycans Chemical class 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 229920001282 polysaccharide Polymers 0.000 claims description 7
- 239000005017 polysaccharide Substances 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- HQFCOGRKGVGYBB-UHFFFAOYSA-N ethanol;nitric acid Chemical compound CCO.O[N+]([O-])=O HQFCOGRKGVGYBB-UHFFFAOYSA-N 0.000 claims description 5
- 230000007547 defect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 240000007594 Oryza sativa Species 0.000 claims description 3
- 235000007164 Oryza sativa Nutrition 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 235000009566 rice Nutrition 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000004445 quantitative analysis Methods 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 230000006378 damage Effects 0.000 abstract description 3
- 238000010521 absorption reaction Methods 0.000 abstract description 2
- 239000003814 drug Substances 0.000 abstract description 2
- 238000005070 sampling Methods 0.000 abstract description 2
- 238000013178 mathematical model Methods 0.000 abstract 1
- 150000002972 pentoses Chemical class 0.000 description 8
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000003556 assay Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 235000013312 flour Nutrition 0.000 description 4
- HYBBIBNJHNGZAN-UHFFFAOYSA-N furfural Chemical compound O=CC1=CC=CO1 HYBBIBNJHNGZAN-UHFFFAOYSA-N 0.000 description 4
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- WEEGYLXZBRQIMU-UHFFFAOYSA-N Eucalyptol Chemical compound C1CC2CCC1(C)OC2(C)C WEEGYLXZBRQIMU-UHFFFAOYSA-N 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 2
- GRYLNZFGIOXLOG-UHFFFAOYSA-N Nitric acid Chemical compound O[N+]([O-])=O GRYLNZFGIOXLOG-UHFFFAOYSA-N 0.000 description 2
- 229960005233 cineole Drugs 0.000 description 2
- RFFOTVCVTJUTAD-UHFFFAOYSA-N cineole Natural products C1CC2(C)CCC1(C(C)C)O2 RFFOTVCVTJUTAD-UHFFFAOYSA-N 0.000 description 2
- 238000004090 dissolution Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 239000002655 kraft paper Substances 0.000 description 2
- 229910017604 nitric acid Inorganic materials 0.000 description 2
- 239000010453 quartz Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 244000061176 Nicotiana tabacum Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000007844 bleaching agent Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000002657 fibrous material Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000007062 hydrolysis Effects 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 150000002772 monosaccharides Chemical class 0.000 description 1
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 1
- 238000006396 nitration reaction Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 238000004537 pulping Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000001117 sulphuric acid Substances 0.000 description 1
- 235000011149 sulphuric acid Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N2021/3129—Determining multicomponents by multiwavelength light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
- G01N2021/3572—Preparation of samples, e.g. salt matrices
Abstract
本发明公开一种快速测定尾细桉木材化学成分含量的方法,该方法通过利用已知尾细桉木材样品的近红外光谱特征吸收峰和各化学成分含量之间建立数学模型,来实现对尾细桉其他待测木材化学成分的快速测定,含以下步骤:1)样品取样;2)样品粉碎与近红外光谱采集;3)样品木材化学成分的标准测量;4)光谱处理和建模;5)模型检验;6)模型应用。本发明测定尾细桉木材纤维素、半纤维素和木质素成分含量的方法实施简便快捷、准确性和可靠性高,不仅显著降低测试成本以及减少对树木的破坏和化学药品的使用,从而实现了对尾细桉大批量样品木材化学成分含量测量的目的。
Description
技术领域
本发明涉及木材学领域,具体是一种快速测定尾细桉木材纤维素、半纤维素和木质素成分含量的方法。
背景技术
尾细桉是由尾叶桉(Eucalyptus urophylla)和细叶桉(E.tereticornis)杂交得到的优良杂种,经过近20年的推广应用目前已在广东、广西、福建和贵州等地规模种植,其具有生长快、树干通直圆满、适应性和抗逆性强尤其抗风和耐寒性较强、以及纤维形态好等特点,主要应用于建筑和制浆造纸工业。而作为制浆材常见的化学成分中纤维素含量高低是评价原料价值的关键,适量的半纤维素可以提高纸页的结合强度,木质素存在生色基团,其含量会直接影响漂白剂用量,因此,有必要实时检测原料中化学成分含量以便于及时调整制浆工艺。
传统的纤维素含量测定方法是利用硝酸-乙醇法,即使用20%浓硝酸和80%乙醇溶液混合处理试样,使木质素被硝化和部分被氧化,生成的硝化木质素和氧化木质素溶于乙醇溶液,与此同时,亦有大量的半纤维素被水解、氧化而溶出,所得残渣即为硝酸—乙醇纤维素,乙醇介质可以减少硝酸对纤维素的水解和氧化作用。半纤维素(聚戊糖)含量的测定是一种间接地测定植物纤维原料中聚戊糖含量的方法,将试样与12%的盐酸溶液共沸,使其中聚戊糖水解成戊糖,戊糖进一步脱水生成糠醛而被蒸馏出来,用二溴化法或者四溴化法测定蒸馏出的糠醛量并换算成聚戊糖即为半纤维素。木质素含量的测定用硫酸法即克拉逊法,是利用72%的浓硫酸在一定温度下处理无抽提物试样一定时间,使其中的聚糖水解成单糖而溶出,定量地测定水解残余物(即酸不溶木质素),进而计算出酸不溶木质素含量。
但是,传统的测量纤维素、半纤维素和木质素含量的方法比较繁琐,不仅技术复杂还费时费工和使用化学药品、还需要专门仪器设备,一个有经验的实验员测量上述指标一般需要耗时2-4天,所以只适合少量样品在专业实验室中进行,无法满足实时检测的需求,也很难实现大批量样品的快速和高能量测定。
近红外光谱分析技术是利用样品的近红外特征吸收峰与样品标准成分含量之间建立的数学分析模型来预测未知样品成分含量,是一种高效快速的现代分析技术,具有试样制作简单、分析时间短、易于操作、无损害和无污染等优点已经广泛应用于农业、林业、石油化工、食品、造纸、医药和烟草等众多领域。
目前,国内外都有利用近红外光谱分析技术预测木材的化学性质、物理力学性质等方面的研究报道。国外对近红外光谱技术在木材性质中的应用研究工作开展得比较早,研究领域也相对广泛,已利用近红外光谱技术预测木材化学组成、物理力学性质、解剖性质、腐朽性质以及木质复合材料的性能等方面的研究都有报道。如Kelley、Hoffmeyer、Thumm、Schimleck以及Raymond等学者利用近红外光谱技术对不同树种木材性质进行了研究。
但是,作为优良用材和制浆的树种尾细桉在利用近红外光谱技术预测其木材化学成分含量方面的研究还未见报道,而且鉴于每个树种因生长特性和适应性等的差异,即使用同种型号的近红外仪器对同一树种的各个性状指标的分析模型都有显著不同,每个性状指标或成分的光谱处理方法和光谱有效波段范围也不一样,因此,不能简单地用一个树种的某个近红外光谱模型去预测其他树种,所以,需要一种快速测定尾细桉木材化学成分含量的方法来弥补尾细桉在此方面研究的空白。
发明内容
为了克服现有传统技术在测量尾细桉木材化学成分含量的方法之中的不足,本发明通过利用近红外光谱技术来达到快速测定尾细桉木材纤维素、半纤维素和木质素含量的目的,该方法不仅能显著地提高工作效率和降低测试成本,节省大量人力物力和财力,还能减少对林木的破坏和化学药品的使用,从而实现了大批量尾细桉木材样品纤维素、半纤维素和木质素的快速测定工作。
实现本发明可通过采取以下技术方案达到:
一种快速测定尾细桉木材化学成分含量的方法,包括以下步骤:
1)样品取样:选择正常生长且无明显缺陷的活立木进行编号,并于树干高1.2-1.4米处取去皮后的木材木屑样品,将样品带回实验室内风干;将样品分成A部分样品和B部分样品,
2)样品粉碎与近红外光谱采集:将步骤1)中A部分样品和B部分样品经粉碎机磨成木粉并过筛,在24℃恒温室内利用德国Bruker公司的MPA傅立叶近红外光谱仪扫描样品并采集近红外光谱,获得A部分样品近红外光谱数据和B部分样品近红外光谱数据,扫描过程所选光谱波段范围为4000-12000cm-1、分辨率为8cm-1;
3)样品化学成分含量的标准值测量:
3-1)采用硝酸-乙醇法对步骤2)中采集完近红外光谱数据的全部样品进行纤维素含量测定,获得A部分样品纤维素标准值和B部分样品纤维素标准值。
3-2)按照GB/T 2677.9-1994中四溴化法对步骤2)中采集完近红外光谱数据的全部样品进行半纤维素含量测定,获得A部分样品半纤维素标准值和B部分样品半纤维素标准值。所述半纤维素为聚戊糖。
3-3)按照GB/T 2677.8-1994中的方法对步骤2)中采集完近红外光谱数据的全部样品进行木质素含量测定,获得A部分样品木质素标准值和B部分样品木质素标准值;所述木质素为酸不溶木质素。
4)光谱处理和模型建立:
4-1)将A部分样品近红外光谱数据和A部分样品纤维素标准值根据编号相对应的输入到光谱分析软件OPUS 7.0中,进行原始光谱预处理,利用偏最小二乘法和完全交叉验证方式建立尾细桉近红外光谱与木材纤维素含量标准值之间的交叉校正模型,删除模型中的异常点,使模型决定系数R2≥0.75和残留预测偏差RPD>2.0,获得若干个纤维素含量预选模型;
4-2)将A部分样品近红外光谱数据和A部分样品半纤维素标准值根据编号相对应的输入到光谱分析软件OPUS 7.0中,进行原始光谱预处理,利用偏最小二乘法和完全交叉验证方式建立尾细桉近红外光谱与木材半纤维素含量标准值之间的交叉校正模型,删除模型中的异常点,使模型决定系数R2≥0.75和残留预测偏差RPD>2.0,获得若干个半纤维素含量预选模型;
4-3)将A部分样品近红外光谱数据和A部分样品木质素标准值根据编号相对应的输入到光谱分析软件OPUS 7.0中,进行原始光谱预处理,利用偏最小二乘法和完全交叉验证方式建立尾细桉近红外光谱与木材木质素含量标准值之间的交叉校正模型,删除模型中的异常点,使模型决定系数R2≥0.75和残留预测偏差RPD>2.0,获得若干个木质素含量预选模型;
在本步骤4)中,所述异常数据点指样品预测值与标准值严重偏差的数据点称为异常点。
5)模型的检验:
5-1)将B部分样品近红外光谱数据和B部分样品纤维素标准值根据编号相对应的输入软件OPUS 7.0中,选用步骤4-1)所获全部纤维素含量预选模型,通过运用光谱软件中的光谱模型质量分析方法对B部分样品的光谱进行预测,根据预测值和标准值间的相关因子最大和/或预测值均方根误差最小的原则选出一个模型,即为纤维素快速测定模型;
5-2)将B部分样品近红外光谱数据和B部分样品半纤维素标准值根据编号相对应的输入软件OPUS 7.0中,选用步骤4-2)所获全部半纤维素含量预选模型,通过运用光谱软件中的光谱模型质量分析方法对B部分样品的光谱进行预测,根据预测值和标准值间的相关因子最大和/或预测值均方根误差最小的原则选出一个模型,即为半纤维素快速测定模型;
5-3)将B部分样品近红外光谱数据和B部分样品纤维素标准值根据编号相对应的输入软件OPUS 7.0中,选用步骤4-3)所获全部木质素含量预选模型,通过运用光谱软件中的光谱模型质量分析方法对B部分样品的光谱进行预测,根据预测值和标准值间的相关因子最大和/或预测值均方根误差最小的原则选出一个模型,即为木质素快速测定模型;
6)模型应用:选择待测样木,实施步骤1)和步骤2)获得的样木的近红外光谱并输入光谱软件OPUS 7.0的定量分析方法中;利用纤维素快速测定模型或半纤维素快速测定模型或木质素快速测定模型即可测出样木的木材相应的化学成分含量。
优选地,步骤1)所述样品采集中所选择尾细桉活立木样品数量为80株。
优选地,步骤1)所述所选尾细桉样品林龄为9-11年。
优选地,步骤1)中所述木屑样品风干条件为恒温24℃空调房内自然风干15-20天。
优选地,步骤1)中所述B部分的样品个数占总样品数的15%。
优选地,步骤2)所述风干后的木屑样品经样品粉碎机粉碎成木粉,木粉粒度为60目
优选地,步骤4-1)、步骤4-2)、步骤4-3)中所述原始光谱预处理所用的方法包括进行17点平滑处理、消除常数偏移量、减去一条直线、矢量归一化、多元散射校正、最大-最小归一化处理、一阶导数、二阶导数、一阶导数+矢量归一化、一阶导数+MSC、一阶导数+减去一条直线中的至少一种。
优选地,步骤5-1)所述尾细桉木材的纤维素快速测定模型选用的有效光谱波段范围为9400.1-4246.8cm-1,光谱预处理方法为减去一条直线。
优选地,步骤5-2)所述尾细桉木材的半纤维素快速测定模型选用的有效光谱波段范围为9400.1-7498.4cm-1和6102.1-5446.4cm-1、光谱预处理方法为一阶导数+矢量归一化。
优选地,步骤5-3)所述尾细桉木材的木质素快速测定模型选用的有效光谱波段范围为9400.1-7498.4cm-1和6102.1-5446.4cm-1、光谱预处理方法为多元散射校正。
相比现有技术,本发明的有益效果在于:
1、本发明通过利用近红外光谱技术快速分析的优点首次完成了一种新的快速测定尾细桉木材纤维素、半纤维素和木质素含量的方法,不仅操作简便快捷、准确性和可靠性高,可显著降低测试成本、减少对树木的破坏和化学药品的使用,从而实现了快速测量尾细桉木材化学成分含量的目的,为今后开展大批量木材样品化学成分含量的测量工作创建了良好基础。
2、本发明通过对所述尾细桉木材纤维素含量模型选用的有效光谱波段范围为9400.1-4246.8cm-1,对木材半纤维素含量模型选用的有效光谱波段范围为9400.1-7498.4cm-1和6102.1-5446.4cm-1,对木材木质素含量模型选用的有效光谱波段范围为9400.1-7498.4cm-1和6102.1-5446.4cm-1,选用这些波段的光谱能够更好地优化模型,减少模型中的异常点,增强模型在使用时候的准确性。
3、本发明在建模过程中,还通过控制模型的决定系数R2≥0.75和残留预测偏差RPD>2.0,使模型能更好的反应近红外光谱与木材化学成分含量之间的关系,用于预测尾细桉木材的化学成分含量更加准确可靠。
附图说明
图1是尾细桉木材纤维素含量快速测定模型图。
图2是尾细桉木材纤维素含量快速测定模型外部检验图。
图3是尾细桉木材半纤维素含量快速测定模型图。
图4是尾细桉木材半纤维素含量快速测定模型外部检验图。
图5是尾细桉木材木质素含量快速测定模型图。
图6是尾细桉木材木质素含量快速测定模型外部检验图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述:
实施例1:
如图1-6所示,一种测定尾细桉木材化学成分含量的方法,包括按如下方法建立模型:
1)样品取样:在10年生尾细桉试验林中选择生长正常无明显缺陷的活立木80株编号,且分成A部分68株、B部分12株,在树高1.2-1.4米处用电钻钻取去皮后的鲜木屑样品15-20g/株,钻孔深度小于4cm,木屑装入牛皮纸信封袋内带回置于24℃空调房内自然风干15-20天,使木屑水份达到自然平衡;
2)样品粉碎与近红外光谱采集:将风干后的木屑样品用样品粉碎机磨成木粉并过筛,选取过40-60目筛孔的木粉,在恒温24℃室内用德国Bruker公司的MPA傅立叶变换光谱仪在波段范围4000-12000cm-1内扫描样品和采集近红外光谱图,仪器分辨率为8cm-1,采样窗口为2cm,样品装在配备的石英杯内厚度以不透光为宜,并适度晃动杯子使木粉均匀分布在杯底,每扫描64次平均成为一个光谱数据,每件样品重复装样扫描采集3次;
3)样品化学成分含量的标准值测量:将步骤1)的全部样品送到华南理工大学造纸与污染控制国家工程研究中心测量木材纤维素、半纤维素(聚戊糖)和木质素成分含量,测量方法分别参考国家标准:a.按照硝酸-乙醇法测量纤维素标准值,b.按照GB/T 2677.9-1994中四溴化法测量半纤维素(聚戊糖)标准值,c.按照GB/T 2677.8-1994测量木质素标准值(酸不溶木质素);在本实施例及其图表中,真值即为标准值。
4)光谱处理和建立模型:
4-1)将A部分样品在步骤2)中采集获得的近红外光谱和步骤3)中所测量的相对应的木材纤维素标准值输入到光谱分析软件OPUS7.0中,进行原始光谱预处理,去除杂余光谱和遴选光谱有效波段范围,确定主成分因子并利用偏最小二乘法(PLS)和完全交叉验证方式建立尾细桉近红外光谱与木材纤维素含量标准值之间的交叉校正模型,根据模型质量需求排除建模过程中的异常数据,使模型决定系数R2≥0.75和残留预测偏差RPD>2.0,获得若干个木材纤维素含量预选模型。
4-2)将A部分样品在步骤2)中采集得到的近红外光谱和步骤3)中所测的相对应的木材的半纤维素含量标准值输入到光谱分析软件OPUS 7.0中,进行原始光谱预处理,去除杂余光谱和遴选光谱有效波段范围,确定主成分因子并利用偏最小二乘法(PLS)和完全交叉验证方式建立尾细桉近红外光谱与木材半纤维素含量标准值之间的交叉校正模型,根据模型质量需求排除建模过程中的异常数据,使模型决定系数R2≥0.75和残留预测偏差RPD>2.0,获得若干个木材半纤维素含量预选模型。
4-3)将A部分样品在步骤2)中采集得到的近红外光谱和步骤3)中所测的相对应的木材的木质素标准值输入到光谱分析软件OPUS7.0中,进行原始光谱预处理,去除杂余光谱和遴选光谱有效波段范围,确定主成分因子并利用偏最小二乘法(PLS)和完全交叉验证方式建立尾细桉近红外光谱与木材木质素含量标准值之间的交叉校正模型,根据模型质量需求排除建模过程中的异常数据,使模型决定系数R2≥0.75和残留预测偏差RPD>2.0,获得若干个木材木质素含量预选模型。
本步骤中原始近红外光谱预处理所采用的方法包括17点平滑处理、无光谱预处理、消除常数偏移量、减去一条直线、矢量归一化(SNV)、多元散射校正(MSC)、最大-最小归一化处理、一阶导数、二阶导数、一阶导数+矢量归一化(SNV)、一阶导数+MSC、一阶导数+减去一条直线。本步骤中的各项参数参见附表1。
5)模型检验与选择:利用B部分的样品数据对预选模型进行外部检验,将步骤2)和步骤3)中所获得的B部分样品的近红外光谱和标准值输入软件OPUS 7.0中,选用全部木材纤维素含量预选模型或全部木材半纤维素含量预选模型或全部木材木质素含量预选模型,通过运用光谱软件中的光谱模型质量分析方法对B部分样品的光谱进行预测,根据预测值和标准值的相关因子最大和/或预测值均方根误差(RMSEP)最小的原则选出一个模型,即为近红外光谱的交叉校正模型也定为相应的快速测定模型;本步骤中的各项参数和检验结果参见附表1和表2和表3。
附表1尾细桉木材化学成分快速测定模型及外部检验参数
表2尾细桉木材化学成分含量快速测定模型外部检验结果
表3、模型的外部检验结果
实施例2
一种快速测定尾细桉木材纤维素、半纤维素和木质素含量的方法,步骤如下:
1)样品取样:在11年生尾细桉试验林中选择生长正常且无明显缺陷的活立木15株编号,在树干高1.3m处(胸径位置)用电钻钻取去掉树皮后的鲜木屑样品15-20g/株,钻孔深度小于4cm,将木屑装入牛皮纸信封袋内带回置于24℃空调房内自然风干15-20天,使木屑水份达到自然平衡。
2)样品粉碎与近红外光谱采集:将风干后的木屑样品用样品粉碎机磨成木粉并过筛,取过40-60目筛孔的木粉,在恒温24℃室内用德国Bruker公司的MPA傅立叶变换光谱仪在波段范围4000-12000cm-1内扫描样品和采集近红外光谱图,仪器分辨率为8cm-1,采样窗口为2cm,上样时将木粉装在配备的石英杯内厚度以不透光为宜,并适度晃动杯子使木粉均匀分布在杯底,每扫描64次平均成为一个光谱数据,每件样品重复装样扫描采集3次得到3条原始光谱图,然后采用光谱分析软件求出该样品的平均光谱。
3)模型应用结果:运用光谱分析软件OPUS 7.0,在定量分析模块中调入15个待测样木的近红外平均光谱,然后利用实施例1尾细桉的木材纤维素含量、半纤维素含量和木质素含量的相应快速测定模型对样木进行预测,预测值见附表4。
为了进一步检测本发明所建立的方法对尾细桉化学成分含量的测定结果是否稳定和可靠,对相应的快速预测模型进行检验,具体的为:根据实施例1中步骤3所述的方法测定本实施例中的15个样木的相应化学成分的标准值;然后运用光谱分析软件OPUS 7.0,在定量分析模块中调入15个待测样木的近红外平均光谱和输入相应的纤维素、半纤维素和木质素含量的标准值,然后利用实施例1尾细桉的木材纤维素含量、半纤维素含量和木质素含量的相应快速测定模型对样木进行预测和统计分析,结果见附表4和附表5。
模型在实施例2的应用中,尾细桉木材纤维素含量、半纤维素和木质素含量的快速测定模型对待测样木的预测值与标准值的相关因子分别为0.755、0.649和0.676,预测值均方根误差(RMSEP)分别为1.58、2.04和1.10。此外,木材纤维素含量模型预测值与标准值的绝对误差和相对误差范围分别为-2.07-4.69和-4.2%-11.0%、半纤维素含量模型预测值与标准值的绝对误差和相对误差范围分别为-3.26-3.85和-17.0%-19.15%、木材木质素含量模型预测值与标准值的绝对误差和相对误差范围分别为-2.26-1.80和-7.3%-7.0%。
与传统的标准测量木材化学成分含量方法相比,本发明提供的木材纤维素、半纤维素和木质素含量的近红外光谱测定法是一种对活立木无损且绿色环保的快速测定方法,克服了常规方法测定时间长、需要使用化学药品和易出现误差的缺点,具有操作简便快捷、准确性和可靠性高、成本低等优点,通过相关测定模型可实现对尾细桉大量样品的快速测定工作。
表4尾细桉木材化学成分快速测定模型实施例统计结果
表5尾细桉木材化学成分检测参数及结果
对于本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及变形,而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。
Claims (10)
1.一种快速测定尾细桉木材化学成分含量的方法,其特征在于,包括以下步骤:
1)样品取样:选择正常生长且无明显缺陷的活立木进行编号,并于树干高1.2-1.4米处取去皮后的木材木屑样品,将样品带回实验室内风干;将样品分成A部分样品和B部分样品;
2)样品粉碎与近红外光谱采集:将步骤1)中A部分样品和B部分样品经粉碎机磨成木粉并过筛,在24℃恒温室内利用德国Bruker公司的MPA傅立叶近红外光谱仪扫描样品并采集近红外光谱,获得A部分样品近红外光谱数据和B部分样品近红外光谱数据,扫描过程所选光谱波段范围为4000-12000cm-1、分辨率为8cm-1;
3)样品化学成分含量的标准值测量:
3-1)采用硝酸-乙醇法对步骤2)中采集完近红外光谱数据的全部样品进行纤维素含量测定,获得A部分样品纤维素标准值和B部分样品纤维素标准值;
3-2)按照GB/T 2677.9-1994中四溴化法对步骤2)中采集完近红外光谱数据的全部样品进行半纤维素含量测定,获得A部分样品半纤维素标准值和B部分样品半纤维素标准值;
3-3)按照GB/T 2677.8-1994中的方法对步骤2)中采集完近红外光谱数据的全部样品进行木质素含量测定,获得A部分样品木质素标准值和B部分样品木质素标准值;
4)光谱处理和模型建立:
4-1)将A部分样品近红外光谱数据和A部分样品纤维素标准值根据编号相对应的输入到光谱分析软件OPUS 7.0中,进行原始光谱预处理,利用偏最小二乘法和完全交叉验证方式建立尾细桉近红外光谱与木材纤维素含量标准值之间的交叉校正模型,删除模型中的异常点,使模型决定系数R2≥0.75和残留预测偏差RPD>2.0,获得若干个纤维素含量预选模型;
4-2)将A部分样品近红外光谱数据和A部分样品半纤维素标准值根据编号相对应的输入到光谱分析软件OPUS 7.0中,进行原始光谱预处理,利用偏最小二乘法和完全交叉验证方式建立尾细桉近红外光谱与木材半纤维素含量标准值之间的交叉校正模型,删除模型中的异常点,使模型决定系数R2≥0.75和残留预测偏差RPD>2.0,获得若干个半纤维素含量预选模型;
4-3)将A部分样品近红外光谱数据和A部分样品木质素标准值根据编号相对应的输入到光谱分析软件OPUS 7.0中,进行原始光谱预处理,利用偏最小二乘法和完全交叉验证方式建立尾细桉近红外光谱与木材木质素含量标准值之间的交叉校正模型,删除模型中的异常点,使模型决定系数R2≥0.75和残留预测偏差RPD>2.0,获得若干个木质素含量预选模型;
5)模型的检验:
5-1)将B部分样品近红外光谱数据和B部分样品纤维素标准值根据编号相对应的输入软件OPUS 7.0中,选用步骤4-1)所获全部纤维素含量预选模型,通过运用光谱软件中的光谱模型质量分析方法对B部分样品的光谱进行预测,根据预测值和标准值间的相关因子最大和/或预测值均方根误差最小的原则选出一个模型,即为纤维素快速测定模型;
5-2)将B部分样品近红外光谱数据和B部分样品半纤维素标准值根据编号相对应的输入软件OPUS 7.0中,选用步骤4-2)所获全部半纤维素含量预选模型,通过运用光谱软件中的光谱模型质量分析方法对B部分样品的光谱进行预测,根据预测值和标准值间的相关因子最大和/或预测值均方根误差最小的原则选出一个模型,即为半纤维素快速测定模型;
5-3)将B部分样品近红外光谱数据和B部分样品纤维素标准值根据编号相对应的输入软件OPUS 7.0中,选用步骤4-3)所获全部木质素含量预选模型,通过运用光谱软件中的光谱模型质量分析方法对B部分样品的光谱进行预测,根据预测值和标准值间的相关因子最大和/或预测值均方根误差最小的原则选出一个模型,即为木质素快速测定模型;
6)模型应用:选择待测样木,实施步骤1)和步骤2)获得的样木的近红外光谱并输入光谱软件OPUS 7.0的定量分析方法中;利用纤维素快速测定模型或半纤维素快速测定模型或木质素快速测定模型即可测出样木的木材相应的化学成分含量。
2.根据权利要求1所述的快速测定尾细桉木材化学成分含量的方法,其特征在于,步骤1)所述样品采集中所选择尾细桉活立木样品数量为80株。
3.根据权利要求1所述的快速测定尾细桉木材化学成分含量的方法,其特征在于,步骤1)所述所选尾细桉样品林龄为9-11年。
4.根据权利要求1所述的快速测定尾细桉木材化学成分含量的方法,其特征在于:步骤1)中所述木屑样品风干条件为恒温24℃空调房内自然风干15-20天。
5.根据权利要求1所述的快速测定尾细桉木材化学成分含量的方法,其特征在于:步骤1)中所述B部分的样品个数占总样品数的15%。
6.根据权利要求1所述的快速测定尾细桉木材化学成分含量的方法,其特征在于:步骤2)所述风干后的木屑样品经样品粉碎机粉碎成木粉,木粉粒度为60目。
7.根据权利要求1所述的快速测定尾细桉木材化学成分含量的方法,其特征在于:步骤4-1)、步骤4-2)、步骤4-3)中所述原始光谱预处理所用的方法包括进行17点平滑处理、消除常数偏移量、减去一条直线、矢量归一化、多元散射校正、最大-最小归一化处理、一阶导数、二阶导数、一阶导数+矢量归一化、一阶导数+MSC、一阶导数+减去一条直线中的至少一种。
8.根据权利要求1所述的快速测定尾细桉木材化学成分含量的方法,其特征在于:步骤5-1)所述尾细桉木材的纤维素快速测定模型选用的有效光谱波段范围为9400.1-4246.8cm-1,光谱预处理方法为减去一条直线。
9.根据权利要求1所述的快速测定尾细桉木材化学成分含量的方法,其特征在于:步骤5-2)所述尾细桉木材的半纤维素快速测定模型选用的有效光谱波段范围为9400.1-7498.4cm-1和6102.1-5446.4cm-1、光谱预处理方法为一阶导数+矢量归一化。
10.根据权利要求1所述的快速测定尾细桉木材化学成分含量的方法,其特征在于:步骤5-3)所述尾细桉木材的木质素快速测定模型选用的有效光谱波段范围为9400.1-7498.4cm-1和6102.1-5446.4cm-1、光谱预处理方法为多元散射校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610936185.6A CN106383094A (zh) | 2016-10-25 | 2016-10-25 | 一种快速测定尾细桉木材化学成分含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610936185.6A CN106383094A (zh) | 2016-10-25 | 2016-10-25 | 一种快速测定尾细桉木材化学成分含量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106383094A true CN106383094A (zh) | 2017-02-08 |
Family
ID=57958351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610936185.6A Pending CN106383094A (zh) | 2016-10-25 | 2016-10-25 | 一种快速测定尾细桉木材化学成分含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106383094A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107356550A (zh) * | 2017-06-12 | 2017-11-17 | 华中农业大学 | 一种利用近红外光谱检测油菜茎秆木质素含量的方法 |
CN107860745A (zh) * | 2017-11-01 | 2018-03-30 | 中峰化学有限公司 | 一种二醋酸纤维素结合酸快速检测方法 |
CN108982409A (zh) * | 2018-08-08 | 2018-12-11 | 浙江工业大学 | 一种基于近红外光谱快速检测大型褐藻木质纤维素三组分含量的方法 |
CN109116005A (zh) * | 2018-08-31 | 2019-01-01 | 中国林业科学研究院林业研究所 | 一种日本落叶松木材化学性状检测方法 |
CN109507145A (zh) * | 2018-12-28 | 2019-03-22 | 山东益丰生化环保股份有限公司 | 一种近红外检测工业液体硫脲含量的方法 |
CN110455737A (zh) * | 2019-07-11 | 2019-11-15 | 中国林业科学研究院林产化学工业研究所 | 一种利用近红外光谱技术快速分析纸浆材中Klason木质素含量的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101918815A (zh) * | 2007-11-02 | 2010-12-15 | 赛乐斯股份有限公司 | 生物质处理中使用的材料和方法 |
WO2014163563A1 (en) * | 2013-04-02 | 2014-10-09 | Btg Instruments Ab | A method for determining a property of a heterogeneous medium |
CN104266997A (zh) * | 2014-10-23 | 2015-01-07 | 西南大学 | 一种油菜籽粒木质素含量近红外分析方法 |
CN104596975A (zh) * | 2015-01-30 | 2015-05-06 | 云南中烟工业有限责任公司 | 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 |
CN104596979A (zh) * | 2015-01-30 | 2015-05-06 | 云南中烟工业有限责任公司 | 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 |
JP2015519483A (ja) * | 2012-04-16 | 2015-07-09 | ストラ エンソ オーウーイィーStora Enso Oyj | 再生繊維プロセスにおける粘着物の自動測定方法 |
CN105158195A (zh) * | 2015-09-29 | 2015-12-16 | 中国林业科学研究院林产化学工业研究所 | 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 |
CN105572070A (zh) * | 2014-10-15 | 2016-05-11 | 中粮生化能源(肇东)有限公司 | 一种植物中组分含量的检测方法及其应用和一种植物样品优劣的检测方法 |
-
2016
- 2016-10-25 CN CN201610936185.6A patent/CN106383094A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101918815A (zh) * | 2007-11-02 | 2010-12-15 | 赛乐斯股份有限公司 | 生物质处理中使用的材料和方法 |
JP2015519483A (ja) * | 2012-04-16 | 2015-07-09 | ストラ エンソ オーウーイィーStora Enso Oyj | 再生繊維プロセスにおける粘着物の自動測定方法 |
WO2014163563A1 (en) * | 2013-04-02 | 2014-10-09 | Btg Instruments Ab | A method for determining a property of a heterogeneous medium |
CN105572070A (zh) * | 2014-10-15 | 2016-05-11 | 中粮生化能源(肇东)有限公司 | 一种植物中组分含量的检测方法及其应用和一种植物样品优劣的检测方法 |
CN104266997A (zh) * | 2014-10-23 | 2015-01-07 | 西南大学 | 一种油菜籽粒木质素含量近红外分析方法 |
CN104596975A (zh) * | 2015-01-30 | 2015-05-06 | 云南中烟工业有限责任公司 | 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 |
CN104596979A (zh) * | 2015-01-30 | 2015-05-06 | 云南中烟工业有限责任公司 | 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 |
CN105158195A (zh) * | 2015-09-29 | 2015-12-16 | 中国林业科学研究院林产化学工业研究所 | 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 |
Non-Patent Citations (3)
Title |
---|
祁述雄: "《中国桉树》", 31 July 2006, 中国林业出版社 * |
赵荣军等: "粗皮桉木材力学性质的近红外光谱方法预测", 《林业科学》 * |
黄安民,江泽慧: "近红外光谱技术在木材性质预测中的应用研究进展", 《世界林业研究》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107356550A (zh) * | 2017-06-12 | 2017-11-17 | 华中农业大学 | 一种利用近红外光谱检测油菜茎秆木质素含量的方法 |
CN107860745A (zh) * | 2017-11-01 | 2018-03-30 | 中峰化学有限公司 | 一种二醋酸纤维素结合酸快速检测方法 |
CN108982409A (zh) * | 2018-08-08 | 2018-12-11 | 浙江工业大学 | 一种基于近红外光谱快速检测大型褐藻木质纤维素三组分含量的方法 |
CN109116005A (zh) * | 2018-08-31 | 2019-01-01 | 中国林业科学研究院林业研究所 | 一种日本落叶松木材化学性状检测方法 |
CN109507145A (zh) * | 2018-12-28 | 2019-03-22 | 山东益丰生化环保股份有限公司 | 一种近红外检测工业液体硫脲含量的方法 |
CN110455737A (zh) * | 2019-07-11 | 2019-11-15 | 中国林业科学研究院林产化学工业研究所 | 一种利用近红外光谱技术快速分析纸浆材中Klason木质素含量的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106383094A (zh) | 一种快速测定尾细桉木材化学成分含量的方法 | |
CN100458411C (zh) | 植物纤维材料中化学成分含量模型的建立和含量测定方法 | |
Yao et al. | Determination of lignin content in Acacia spp using near-infrared reflectance spectroscopy | |
CN106706553A (zh) | 一种快速无损测定玉米单籽粒直链淀粉含量的方法 | |
Raymond et al. | Nondestructive sampling of Eucalyptus globulus and E. nitens for wood properties. III. Predicted pulp yield using near infrared reflectance analysis | |
CN104142311B (zh) | 一种用近红外光谱技术预测火炬松松脂产量的方法 | |
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 | |
Downes et al. | A multi-site, multi-species near infrared calibration for the prediction of cellulose content in eucalypt woodmeal | |
CN108181262A (zh) | 一种利用近红外光谱技术快速测定铜藻纤维素含量的方法 | |
CN103344597B (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 | |
CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
CN104155264A (zh) | 一种用近红外光谱技术预测火炬松松脂中松节油含量的方法 | |
CN110346322A (zh) | 青贮玉米营养成分预测模型的构建方法与应用 | |
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 | |
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 | |
CN104132865A (zh) | 一种用近红外光谱技术预测火炬松木材密度的方法 | |
CN1987431A (zh) | 竹木材主要化学成分的拉曼光谱快速定量分析方法 | |
CN104596976A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶蛋白质的方法 | |
CN106226267A (zh) | 一种辣椒干色价的近红外测定方法 | |
CN106706554A (zh) | 一种快速无损测定玉米单穗籽粒直链淀粉含量的方法 | |
CN102288569A (zh) | 一种纤维生物质的快速分析方法 | |
CN106442382A (zh) | 一种快速预测尾细桉木材基本密度的方法 | |
CN106841102A (zh) | 一种多花黑麦草中性洗涤纤维含量的测定方法 | |
CN106323908A (zh) | 一种测定大花序桉木材基本密度和生材密度的方法 | |
CN106248613A (zh) | 一种测定大花序桉木材力学性质的方法 |
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: 20170208 |