SE520897C2 - Förfarande för bestämning av träslaget hos en stock eller trädstam - Google Patents

Förfarande för bestämning av träslaget hos en stock eller trädstam

Info

Publication number
SE520897C2
SE520897C2 SE9903983A SE9903983A SE520897C2 SE 520897 C2 SE520897 C2 SE 520897C2 SE 9903983 A SE9903983 A SE 9903983A SE 9903983 A SE9903983 A SE 9903983A SE 520897 C2 SE520897 C2 SE 520897C2
Authority
SE
Sweden
Prior art keywords
spectral data
log
logs
analysis
spectrometric
Prior art date
Application number
SE9903983A
Other languages
English (en)
Other versions
SE9903983L (sv
SE9903983D0 (sv
Inventor
David Nilsson
Erik Persson
Original Assignee
Erik Persson
David Nilsson Institutionen Fo
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 Erik Persson, David Nilsson Institutionen Fo filed Critical Erik Persson
Priority to SE9903983A priority Critical patent/SE520897C2/sv
Publication of SE9903983D0 publication Critical patent/SE9903983D0/sv
Publication of SE9903983L publication Critical patent/SE9903983L/sv
Publication of SE520897C2 publication Critical patent/SE520897C2/sv

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/46Wood

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Wood Science & Technology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Description

25 30 35 520 897 2 Sålunda kan det fastställas om huruvida en analyserade stocken härrör från toppen, botten eller en del av det mellersta avsnittet hos trädstammen från vilken stocken har sågats av.
Föreliggande uppfinning är särskilt användbar vid sortering av olika timmersortiment.
Vid en utföringsform analyseras stocken medan den är i rörelse, t ex medan den transporteras på en transportör.
Företrädesvis innebär det spektrometriska forfarande att stocken bestrålas genom en bestrålning inom våglängdsområdet från företrädesvis ca 400 till ca 2500 nm, och särskilt från ca 600 till ca 2300 nm.
Vid en föredragen utföringsform av uppfinningen mäts den diffusa reflektansen från och/eller absorbansen av nämnda strålning hos den bestrålade stocken.
Flervariabelanalysen kan utföras med hjälp av en partiell minstakvadratenprojektion på latenta strukturer (PLS), huvudkomponentregression (PCR), huvudkomponentanalys (PCA), kanonisk korrelation, multilinjär regressionsanalys (MLR), ryggregression med flera svar, diskriminantanalys, faktoranalys, eller en kombination av dessa. System med neurala nätverk (NN) och/eller system med artificiell intelligens (A1) kan användas för att utföra analysen. Vid en föredragen utföringsform utförs flervariabelanalysen med hjälp av PLS. Vid en annan föredragen utföringsforrn utförs flervariabelanalysen med hjälp av NN och/eller AI.
I enlighet med uppfinningen har det påvisats att det är möjligt att direkt fastställa träslaget i en stock genom att detektera spektra hos stocken, och genom att omvandla dessa spektra till nämnda träslag genom en kalibreringsteknik med flera variabler. Det använda spektrometriska förfarandet kan vara en absorptionsspektrometri, reflektansspektrometri, sändnings- eller överföringsspektrometri, och den tillämpas företrädesvis inom det synliga/nära infraröda (VIS-NIR) våglängdsområdet, särskilt inom det nära infraröda (NIR) våglängdsorrirådet.
Spektra kan vara föremål för ytterligare databehandling genom användning av värden från flera olika diskreta våglängder från varje särskilt spektrum. Här bör inses att strålningen som används inom det spektrometriska förfarandet direkt påverkar stocken.
Föreliggande förfarande kan utföras med hjälp av en anordning som placerats på avstånd från processen och som innehåller en ljuskälla, en detektor, elektroniska komponenter och andra komponenter som är nödvändiga för att överföra en signal genom en optofiber till provbiten, där ljuset överförs genom eller reflekteras på eller delvis genom provbiten. De resulterande signalerna förs tillbaka till detektorn genom en åtföljande optisk fiberkabel och registreras.
I spektrometern omvandlas ljuset till en elektrisk signal som överförs till en dator där spektret från en tidigare lagrad referensavsökning kan hänvisas till, t ex subtraheras från, provbitsspektret och ett korrigerat referensspektrum beräknas.
Detektom kan ha mätintervall motsvarande t ex 10 nm, företrädesvis 2 nm, och ärmu mer företrädesvis 1 nm eller mindre. Detekteringen kan utföras inom VIS-NIR-IR- 10 15 20 25 30 35 520 897 3 våglängdsområdet motsvarande mellan 180 nm och 2500 nm. Detta kan ske genom användning av ett avsökningsinstrument, ett diodgruppinstrument, ett instrument för Fourier- omvandling eller någon annan liknande utrustning som är känd för fackmannen.
Vid vissa utföringsformer av uppfinningen kan det spektrometriska förfarandet utföras med hjälp av en bildalstrande anordning, som t ex en bildalstrande NIR-anordning eller en färgvideokamera, i kombination med bildanalys.
En uppskattning av våglängderna med avseende på absorption eller överföring kan ge karakteristika som är väsentliga för analysen. Genom tillämpning av flervariabelförfaranden på de erhållna Spektra är det då möjligt att ignorera våglängder som inte innehåller information som bidrar till analysen, även om mätningen kommer att innehålla information från hela våglängdsområdet.
Enligt en utföringsforrn innefattar föreliggande förfarande följ ande steg : (I) utvecklande av en kalibreringsmodell genom (I.a) referensspektraldata för referensstockar; registrering, med hjälp av ett spektrometriskt förfarande, av råa (I.b) behandling av de råa referensspektraldata för att minska brus och justera för drift och diffus ljusspridning; (I.c) kalibrering av de behandlade referensspektraldata med de kända träslagen hos referensstockarna genom att utföra en dataanalys innefattande flervariabelanalys; och (II) registrering, med hjälp av nämnda spektrometriska förfarande, av råa spektraldata för en stock av ett okänt träslag; behandling av de därigenom erhållna råa spektraldata för att minska bruset och justera för drift och diffus ljusspridning; och tillämpning av den utvecklade kalibreringsmodellen på de behandlade spektraldata för att fastställa det okända träslaget.
Flervariabelanalysen under delsteget (I.c) innefattar företrädesvis överföring av behandlade referensspektraldata till latenta variabler; och under delsteg (II) överförs behandlade referensspektraldata företrädesvis till latenta variabler på samma sätt som vid (I.c), och den utvecklade kalibreringsmodellen tillämpas på de latenta variablerna för att fastställa det okända träslaget. Omvandlingen till latenta variabler kan utföras med hjälp av PCA. Denna utföringsform diskuteras mer i detalj här nedan.
(I) UTVECKLING AV EN KALIBRERINGSMODELL Träslagen bestäms på traditionellt sätt för ett antal referensstockar. Denna information används därefter vid utvecklandet av en kalibreringsmodell där de nedan diskuterade tre delstegen tillämpas på den registrerade absorptionen, reflektansen eller spektrumutsändningen från nämnda stockar.
(I.a) Utvecklande av kalibreringsuppsättningar Mode1lkalibreringsuppsättningama består av ett stort antal absorptions- eller transmissionsspektra från referensstockar av kända träslag, vilka företrädesvis bör vara 10 15 20 25 30 35 520 897 4 representativa för produktionslinj en.
Kalibreringsuppsättningama används i flervariabelalgoritmema för att upprätta den resulterande modellen.
(I.b) Databehandling För att minska bruset och justera för baslinjedriften kan de spektrala rådata behandlas. Behandlingen kan även avslöja gömd information som t ex identiteten för uppenbarligen olika spektra, eller avsaknad av identitet mellan uppenbarligen mycket lika Spektra. F ö uppfylls antagandena som leder till Beers lag (vilken innebär att för en given absorptionskoefficient och längden hos den optiska vägen i absorptionsmedia är den totala mängd ljus som absorberas proportionell mot provbitens molekylära koncentration) inte alltid i det komplexa system som provbitarna utgör. Detta beror på ett flertal faktorer, vilka ofta föreligger i industriella och laboratoriemässiga provbitar. En annan komplicerande faktor är variationema i ljusspridning, vilket beror på partiklar i provbiten. Olika teorier har utvecklats för att lösa detta problem och de mest använda är : Kubelka-Munk-omvandlingen, vilken tar hänsyn till absorption och spridning; och den multiplikativa spridningskorrigeringen, där varje spektrum korrigeras både med avseende på förskjutning och lutning genom att jämföra det med ett "idealt spektrum" (genomsnittspektret). Ett annat sätt att linearisera spektraldata sker även med hjälp av derivata, t ex upp till derivata av fjärde ordningen (A Savtizky, M J E Golay, Anal. Chem. 36, 1627-1639) (1964), vilken här ingår som referens). Spektrets derivata resulterar i ett omvandlat spektrum, vilket enbart beror på de relativa ändringarna mellan de intilliggande våglängderna och det har påvisats att toppintensiteterna hos deriverade spektra tenderar till att vara mer linjära med koncentrationen (T C O'Haver, T Begley, Anal. Chem. 53, 1876 (1981)). Lineariseringen kan även utföras med hjälp av Fourier-transforrnation, eller genom användning av den normala standardiserade variabeltransformationen som beskrivs i R J Barnes, M S Dhanoa och S J Lister, Appl. Spectrosc., vol. 43, nr 5, sidorna 772-777 (1989). Ett annat användbart förfarande, ortogonal spridningskorrigering (OSC) beskrivs av Svante Wold m fl i "Chemometrics and Intellligent Laboratory Systems 44 (1998), sidorna 175-185.
(I.c) Dataanalys Dataanalys med användning av flervariabeltekniker möjliggör därefter utveckling av kalibreringsmodellen. Flera olika flervariabeltekniker kan användas som t ex PCA, PLS, PCR, MLR och diskriminantanalys. Neurala nätverkssystem och/eller system med artificiell intelligens kan även användas för att utföra analysen, särskilt om det spektrometriska förfarandet inbegriper eller är kombinerat med bildanalys.
(Il) BESTÄMNING GENOM TILLÄMPNING AV KALIBRERINGSMODELLEN Så snart som en kalibreringsmodell har utvecklats kan bestämningen av det okända träslaget ske genom registrering av absorptions- eller överföringsspektret, i överensstämmelse med (I.a). Behandling av de därvid erhållna spektrala rådata enligt (l.b); valfritt utförande av 10 15 20 25 30 520 897 5 en dataanalys avseende de behandlade spektraldata i överensstämmelse med (I.c); och tillämpning av den utvecklade kalibreringsmodellen på de därvid erhållna data.
För att ytterligare illustrera föreliggande uppfinning kommer ett exempel på en utföringsforrn av föreliggande uppfinning nu att beskrivas här nedan, med hänvisning till de bifogade ritningarna där : Figur 1 illustrerar tillämpningen av en PCA-modell på en datamatris som är baserad på spektrometriska reflektansmätningar på provbitar från tall- och granstockar.
Exempel Reflektansspektra från 53 sågade provbitar av tall- och granstoekar registrerades med hjälp av en fiberoptisk sond och ett NIR-spektrofotometersystem 6500. Sonden placerades mot barkens yta och den reflekterade strålningen uppmättes. Sondens mätområde motsvarade 400-2500 nm, dvs det synliga och det nära infraröda området. Varannan våglängd avsöktes och samtliga 53 spektra sattes samman till en datamatris i ordningen 53 x 1050 (objekt x variabler). Våglängdsornrådena 400-900 nm och 2300-2500 nm avlägsnades därefter och användes inte vid flervariabelanalysen. En PCA-modell tillämpades på datamatrisen för att finna ut om mätningarna skulle kunna delas upp på olika grupper. Resultatet av denna PCA- tillärnpning illustreras i figur 1 i vilken t[1], t[2], t[3] representerar de första tre huvudkomponenterna, varvid de svarta kuloma representerar tall med slät bark, de gråa kuloma representerar gran och de vita kulorna representerar tall med skrovlig bark. De tre första komponenterna av modellen visar på en klar gruppering i tre klasser. Granvärdena är samlade i mitten av diagrammet, medan tallvärdena är samlade på vardera sidan om granklassen. Här antas att skälet till att tallvärdena är samlade i två klasser kan vara att det finns en signifikant skillnad mellan skrovlig och jämn bark. Därefter utfördes en PLS- diskriminantanalys för att ta reda på om det skulle kunna vara möjligt att förutsäga om huruvida de olika objekten i datamatrisen hade sitt ursprung i tall eller gran. Ungefär en tredjedel, 17 objekt, användes i en testuppsättning, medan de återstående 36 objekten användes för att bygga upp en modell för förutsägelse av objekten i testuppsättningen. I modellen benämndes alla tallobjekt "1" och alla granobjekt benämndes "2". Tabell 1 här nedan visar hur objekten i testuppsättningen förutsades, dvs om de förutsades som "1" eller "2". Alla objekten i testuppsättningen klassificerades korrekt baserat på modellen. Ett objekt med ett värde av <1,5 klassificerades som tall medan ett objekt med ett värde >1,5 klassificerades som gran. RMSEP (RMSEP = felförutsägelse av effektivvärdet) motsvarade O,271258. 520 897 6 Tabell 1 Observationsnurnmer Variabel 1 (observerad) Variabel 1 (fórutsagd) 3 1 1,3632 6 1 1,3152 9 1 1,3589 12 2 2,0718 15 1 1,4072 18 2 1,7646 21 1 1,3292 24 1 1,1678 27 2 1,9251 30 1 1,4549 33 2 1,8457 36 1 1,2188 39 2 1,7552 42 1 0,86507 45 2 1,7899 48 1 0,84328 51 2 1,6889

Claims (9)

10 15 20 25 30 35 520 897 7 Patentkrav
1. l. Förfarande för bestämning av träslaget i en stock eller trädstam vid sortering av timmer, k ä n n e t e c k n at a v att förfarandet innefattar : - analys av en obarkad del av stocken genom ett spektrometriskt forfarande som ger spektraldata, och - jämförelse av nämnda spektraldata och referensspektraldata som erhållits genom nämnda spektrometriska forfarande från referensstockar, vilka referensspektraldata har kalibrerats efter träslagen i nämnda referensstockar, genom en flervariabelanalys.
2. Förfarande enligt patentkrav 1, k ä n n e t e c k n at a v att förfarandet innefattar: - jämförelse mellan nämnda spektraldata och referensspektraldata som erhållits genom nämnda spektrometriska förfarande från minst delvis obarkade referensstockar, varvid referensspektraldata har kalibrerats efter träslagen hos minst partiellt obarkade stockar, genom en flervariabelanalys.
3. F örfarande enligt patentkrav 1, k ä n n e t e c k n at a v att stocken analyseras medan den är i rörelse.
4. Förfarande enligt patentkrav l, k ä n n e t e c k n at a v att nämnda spektrometriska förfarande innebär att - stocken bestrålas genom en bestrålning inom våglängdsområdet från ca 400 till ca 2500 nm, och - den diffusa reflektansen från och/eller absorbansen av nämnda strålning hos den bestrålade stocken mäts.
5. Förfarande enligt patentkrav 4, k ä n n e t e c k n at a v att nämnda våglängdsområde motsvarar från ca 600 till ca 2300 nm.
6. Förfarande enligt patentkrav 4, k ä n n e t e c k n at a v att nämnda våglängdsområde motsvarar från ca 900 till ca 2300 nm.
7. Förfarande enligt patentkrav l, k ä n n e t e c k n at a v att nämnda flervariabelanalys utförs med hjälp av partiell minsta regression, huvudkomponentregression, huvudkomponentanalys, kanonisk korrelation, ryggregression med flera svar, eller en kombination av dessa.
8. Förfarande enligt patentkrav l, k ä n n e t e c k n at a v att nämnda förfarande innefattar följande steg : (I) utvecklande av en kalibreringsmodell genom (La) referensspektraldata för referensstockar; registrering, med hjälp av ett spektrometriskt förfarande, av råa (Ib) behandling av de råa referensspektraldata för att minska brus och justera för drift och diffus lj usspridning; (I.c) kalibrering av de behandlade referensspektraldata med de kända träslagen hos referensstockama genom att utföra en dataanalys innefattande flervariabelanalys; och 520 897 8 (II) registrering, med hjälp av nämnda spektrometriska förfarande, av råa spektraldata for en stock av ett okänt träslag; behandling av de därigenom erhållna råa spektraldata för att minska bruset och justera för drift och diffus ljusspridning; och tillämpning av den utvecklade kalibreringsmodellen på de behandlade spektraldata för att fastställa det okända träslaget.
9. Förfarande enligt något av patentkraven l - 3, k ä n n e t e c k n at a v att det spektrometriska förfarandet innefattar att stocken bestrålas och den reflekterade strålningen uppmäts.
SE9903983A 1999-11-03 1999-11-03 Förfarande för bestämning av träslaget hos en stock eller trädstam SE520897C2 (sv)

Priority Applications (1)

Application Number Priority Date Filing Date Title
SE9903983A SE520897C2 (sv) 1999-11-03 1999-11-03 Förfarande för bestämning av träslaget hos en stock eller trädstam

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE9903983A SE520897C2 (sv) 1999-11-03 1999-11-03 Förfarande för bestämning av träslaget hos en stock eller trädstam

Publications (3)

Publication Number Publication Date
SE9903983D0 SE9903983D0 (sv) 1999-11-03
SE9903983L SE9903983L (sv) 2001-06-28
SE520897C2 true SE520897C2 (sv) 2003-09-09

Family

ID=20417594

Family Applications (1)

Application Number Title Priority Date Filing Date
SE9903983A SE520897C2 (sv) 1999-11-03 1999-11-03 Förfarande för bestämning av träslaget hos en stock eller trädstam

Country Status (1)

Country Link
SE (1) SE520897C2 (sv)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018203808A1 (en) * 2017-05-02 2018-11-08 Gorzsas Andras Spectroscopic method and device for determining the characteristics of a tree

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018203808A1 (en) * 2017-05-02 2018-11-08 Gorzsas Andras Spectroscopic method and device for determining the characteristics of a tree

Also Published As

Publication number Publication date
SE9903983L (sv) 2001-06-28
SE9903983D0 (sv) 1999-11-03

Similar Documents

Publication Publication Date Title
Agresti et al. Surface investigation of photo-degraded wood by colour monitoring, infrared spectroscopy, and hyperspectral imaging
US6560546B1 (en) Remote analysis system
EP2976620B1 (en) System for and method of combined libs and ir absorption spectroscopy investigations
CA2276750C (en) Calibration system for spectrographic analyzing instruments
US6748251B2 (en) Method and apparatus for detecting mastitis by using visual light and/or near infrared lights
SE503101C2 (sv) Sätt att bestämma våtstyrkan hos papper och medel för processkontroll genom användning av sättet
CN104897607A (zh) 便携式近红外光谱食品建模与快速检测一体化方法和系统
WO1996012183A1 (en) A method of determining the organic content in pulp and paper mill effluents
CN102590129B (zh) 近红外检测花生中氨基酸含量的方法
CA2503610A1 (en) Nir spectroscopy method for analyzing chemical process components
CN107703097B (zh) 利用近红外光谱仪构建快速预测原油性质的模型的方法
Fernandes et al. Measurement of intra-ring wood density by means of imaging VIS/NIR spectroscopy (hyperspectral imaging)
CN101413884B (zh) 近红外光谱分析仪及其分辨率的校正方法
Qing et al. Wavelength selection for predicting physicochemical properties of apple fruit based on near‐infrared spectroscopy
Xu et al. Factors influencing near infrared spectroscopy analysis of agro-products: a review
Westerhaus et al. Quantitative analysis
Pope Near-infrared spectroscopy of wood products
Haddadi et al. Using near-infrared hyperspectral images on subalpine fir board. Part 1: moisture content estimation
Diesel et al. Near-infrared spectroscopy and wavelength selection for estimating basic density in Mimosa tenuiflora [Willd.] Poiret wood
Lu et al. Rapid assessment of tomato ripeness using visible/near-infrared spectroscopy and machine vision
JPH07151677A (ja) 濃度計
CA2323878A1 (en) Automatic calibration method
SE520897C2 (sv) Förfarande för bestämning av träslaget hos en stock eller trädstam
Baettig et al. Evaluation of intra-ring wood density profiles using NIRS: comparison with the X-ray method
CN114324233A (zh) 农产品营养成分近红外无损在线品质检测方法和系统

Legal Events

Date Code Title Description
NUG Patent has lapsed