摘要[目的]建立一種快速鑒別一些易混淆的珍稀紅木家具的方法。[方法]選擇奧氏黃檀、刺猬紫檀、大果紫檀和非洲紫檀4種珍稀木材制作的紅木家具，使用便攜式光譜儀采集光譜，并進行預處理，建立初始模型。采用不同特征波長提取方法，提取有效信息后，利用SIMCA、PLS-DA建立紅木鑒別模型。[結(jié)果]不同樹種譜線形狀類似，近紅外光譜吸收強度不同。4種家具在SIMCA的校正集和驗證集中的識別率均在92%以上，拒絕率高于98%；PLS-DA模型中識別率和拒絕率成效顯著。[結(jié)論]采用近紅外光譜對紅木家具類別進行鑒別是可行的。
關(guān)鍵詞近紅外光譜；紅木家具；鑒別
中圖分類號S781.1文獻標識碼
A文章編號0517-6611（2017）22-0115-02
Abstract[Objective]To establish a method for rapid identification of some easily confused rare mahogany furniture.[Method]Choosing Dalbergia oliveri，Pterocarpus erinaceus，Pterocarpus macrocarpus，Pterocarpus soyauxii 4 rare wood mahogany furniture，using a portable spectrometer and spectral acquisition，and preprocessing，the initial model was built.After extracting effective information by using different characteristic wavelengths，a redwood identification model was established by using SIMCA and PLSDA.[Result]The spectral lines of different tree species were similar，and the absorption intensities of near infrared spectra were different.In the SIMCA model，the recognition rate of 4 kinds of furniture in the positive set and the verification section was above 92%，and the rejection rate was higher than 98%.The recognition rate and rejection rate were significant in PLSDA model.[Conclusion]It is feasible to differentiate the rosewood furniture by near infrared spectroscopy.
Key wordsNear infrared （NIR）；Mahogany furniture；Identify
紅木和紅木家具有很強的中國文化內(nèi)涵[1]。紅木在我國紅木國家標準（GB/T 18107—2000）中定義為5屬8類33種[2]，加之原料日益稀缺，其價格一路飆升。一些不良商家為了賺取利潤，采用與紅木有著相似特征的珍稀木材冒充高檔紅木，或者在紅木家具中摻雜其他劣質(zhì)紅木，嚴重干擾了市場秩序，損害了廣大消費者的利益。
與傳統(tǒng)分析技術(shù)相比，近紅外光譜技術(shù)避免了對樣品的損壞，提高了效率和速度，降低了成本，并且測量方便。目前也有很多研究表明，近紅外光譜技術(shù)鑒別木材是可行的，近幾年在木材化學組成、密度、強度、微纖絲角預測、腐朽判別及木材識別等方面得到了廣泛的應用，但關(guān)于用近紅外技術(shù)鑒別一些易混淆的珍稀紅木家具鮮見報道。筆者研究了用近紅外光譜技術(shù)鑒別紅木家具的可行性，旨在為紅木家具的鑒別提供一種有效、快速、無損的技術(shù)手段[3]。
1材料與方法
1.1試驗材料
選取奧氏黃檀、刺猬紫檀、大果紫檀和非洲紫檀4種紅木家具，家具樣本來自于浙江藝術(shù)紫檀博物館。采集4種珍稀紅木家具的近紅外光譜樣本，各樣本的校正集均為90，驗證集均為30。
1.2試驗設備與光譜采集
使用便攜式微型近紅外光譜儀Smart Eye1700進行光譜信號采集。近紅外光譜分析的范圍一般為 4 000 cm-1以上，即波長2.5 μm以下，在樣本垂直上方通過光纖探頭采集每個樣本表面的近紅外漫反射光譜，每掃描50次自動平均為1條光譜后保存。該儀器的參數(shù)和環(huán)境參數(shù)：波長1 000～1 650 nm，分辨率8 cm-1，光譜采樣間隔1 nm，光纖探頭直徑8 mm，環(huán)境溫度（20±2）℃，相對濕度（50±5）%。試驗隨機挑選出樣本光譜總數(shù)的 2/3 作為校正集用于建模，樣本光譜總數(shù)的1/3作為驗證集進行預測。
1.3光譜處理和數(shù)據(jù)分析
1.3.1預處理。近紅外光譜儀采集的原始數(shù)據(jù)存在與樣本化學結(jié)構(gòu)相關(guān)的信息，同時噪音干擾光譜圖中信息，可使模型的建立和對未知樣品的預測受到影響。常用的數(shù)據(jù)預處理方法有數(shù)據(jù)平滑、數(shù)據(jù)求導等[4-5]。
1.3.2建模。利用Unscrambler 9.2軟件中偏最小二乘判別分析法（PLS-DA）和 SIMCA 法進行分析，以相關(guān)系數(shù)、校正標準誤差、驗證標準誤差、預測樣本正確、相對分析誤差作為模型預測能力的評價指標。
2結(jié)果與分析
2.1各樣品的原始光譜
圖1是4種紅木家具的近紅外原始光譜進行平均后獲得的光譜。由圖1可知，4種紅木的譜線形狀類似，但存在偏移，可以看出對于同種木材樣本，其近 紅外光譜吸光度也不同。在波長為1 200和1 450 nm左右，4種紅木的吸光度達到較高值，隨后又逐漸下降，在波長為1 450 nm 時，吸光度最高。
2.2SIMCA 判別模型的建立與驗證
通過交互驗證法來確定上述4種紅木家具模型的最佳主成分數(shù)，即在預測殘差平方和變化不大的情況下選取較小的主成分數(shù)。SIMCA模型的校正和驗證結(jié)果見表1。
2.3PLS-DA判別模型的建立與驗證
在全光譜范圍內(nèi)（1 000～1 650 nm）建立的4種PLS-DA模型，校正集和驗證集樣本判別結(jié)果見表2。由表2可知，各樹種模型校正集和驗證集的識別率都在85%以上，而校正集和驗證集的拒絕率幾乎均達到100%[6]。
3結(jié)論
（1）通過分析紅木家具光譜可知，不同樹種的譜線形狀類似，且不同種類木材存在特定的吸收峰，不同種類的主要化學成分含量不同，使得不同樹種近紅外光譜吸收強度不同。
�。�2）基于1 000～1 650 nm 波長建立了 SIMCA、PLS-DA 2種判別模型，SIMCA模型中，4種家具在校正集和驗證集中的識別率均在92%以上，拒絕率高于98%；PLS-DA模型中識別率和拒絕率成效顯著，校正集和驗證集的識別率在85%以上，拒絕率在99%以上；2種模型判別效果較好，表明采用近紅外光譜對紅木家具類別進行鑒別是可行的。
參考文獻
[1]
SHOU G Z，ZHANG W Y，GU Y G，et al.Application of near infrared spectroscopy for discrimination of similar rare woods in the Chinese market[J].Journal of near infrared spectroscopy，2014，22（6）：423-432.
[2] 中華人民共和國國家質(zhì)量技術(shù)監(jiān)督局.紅木：GB/T 18107—2000[S].北京：中國標準出版社，2000.
[3] 張雯雅.近紅外光譜技術(shù)在珍稀木材鑒別領域的研究與應用[D].杭州：浙江農(nóng)林大學，2015.
[4] 張銀，周孟然.近紅外光譜分析技術(shù)的數(shù)據(jù)處理方法[J].紅外技術(shù)，2008，29（6）：345–348.
[5] 褚小立，袁洪福，陸婉珍.近紅外分析中光譜預處理及波長選擇方法進展與應用[J].化學進展，2004，16（4）：528–542.
[6] 楊忠，任海青，江澤慧.PLS-DA 法判別分析木材生物腐朽的研究[J].光譜學與光譜分析， 2008，28（4）：793-796.
關(guān)鍵詞近紅外光譜；紅木家具；鑒別
中圖分類號S781.1文獻標識碼
A文章編號0517-6611（2017）22-0115-02
Abstract[Objective]To establish a method for rapid identification of some easily confused rare mahogany furniture.[Method]Choosing Dalbergia oliveri，Pterocarpus erinaceus，Pterocarpus macrocarpus，Pterocarpus soyauxii 4 rare wood mahogany furniture，using a portable spectrometer and spectral acquisition，and preprocessing，the initial model was built.After extracting effective information by using different characteristic wavelengths，a redwood identification model was established by using SIMCA and PLSDA.[Result]The spectral lines of different tree species were similar，and the absorption intensities of near infrared spectra were different.In the SIMCA model，the recognition rate of 4 kinds of furniture in the positive set and the verification section was above 92%，and the rejection rate was higher than 98%.The recognition rate and rejection rate were significant in PLSDA model.[Conclusion]It is feasible to differentiate the rosewood furniture by near infrared spectroscopy.
Key wordsNear infrared （NIR）；Mahogany furniture；Identify
紅木和紅木家具有很強的中國文化內(nèi)涵[1]。紅木在我國紅木國家標準（GB/T 18107—2000）中定義為5屬8類33種[2]，加之原料日益稀缺，其價格一路飆升。一些不良商家為了賺取利潤，采用與紅木有著相似特征的珍稀木材冒充高檔紅木，或者在紅木家具中摻雜其他劣質(zhì)紅木，嚴重干擾了市場秩序，損害了廣大消費者的利益。
與傳統(tǒng)分析技術(shù)相比，近紅外光譜技術(shù)避免了對樣品的損壞，提高了效率和速度，降低了成本，并且測量方便。目前也有很多研究表明，近紅外光譜技術(shù)鑒別木材是可行的，近幾年在木材化學組成、密度、強度、微纖絲角預測、腐朽判別及木材識別等方面得到了廣泛的應用，但關(guān)于用近紅外技術(shù)鑒別一些易混淆的珍稀紅木家具鮮見報道。筆者研究了用近紅外光譜技術(shù)鑒別紅木家具的可行性，旨在為紅木家具的鑒別提供一種有效、快速、無損的技術(shù)手段[3]。
1材料與方法
1.1試驗材料
選取奧氏黃檀、刺猬紫檀、大果紫檀和非洲紫檀4種紅木家具，家具樣本來自于浙江藝術(shù)紫檀博物館。采集4種珍稀紅木家具的近紅外光譜樣本，各樣本的校正集均為90，驗證集均為30。
1.2試驗設備與光譜采集
使用便攜式微型近紅外光譜儀Smart Eye1700進行光譜信號采集。近紅外光譜分析的范圍一般為 4 000 cm-1以上，即波長2.5 μm以下，在樣本垂直上方通過光纖探頭采集每個樣本表面的近紅外漫反射光譜，每掃描50次自動平均為1條光譜后保存。該儀器的參數(shù)和環(huán)境參數(shù)：波長1 000～1 650 nm，分辨率8 cm-1，光譜采樣間隔1 nm，光纖探頭直徑8 mm，環(huán)境溫度（20±2）℃，相對濕度（50±5）%。試驗隨機挑選出樣本光譜總數(shù)的 2/3 作為校正集用于建模，樣本光譜總數(shù)的1/3作為驗證集進行預測。
1.3光譜處理和數(shù)據(jù)分析
1.3.1預處理。近紅外光譜儀采集的原始數(shù)據(jù)存在與樣本化學結(jié)構(gòu)相關(guān)的信息，同時噪音干擾光譜圖中信息，可使模型的建立和對未知樣品的預測受到影響。常用的數(shù)據(jù)預處理方法有數(shù)據(jù)平滑、數(shù)據(jù)求導等[4-5]。
1.3.2建模。利用Unscrambler 9.2軟件中偏最小二乘判別分析法（PLS-DA）和 SIMCA 法進行分析，以相關(guān)系數(shù)、校正標準誤差、驗證標準誤差、預測樣本正確、相對分析誤差作為模型預測能力的評價指標。
2結(jié)果與分析
2.1各樣品的原始光譜
圖1是4種紅木家具的近紅外原始光譜進行平均后獲得的光譜。由圖1可知，4種紅木的譜線形狀類似，但存在偏移，可以看出對于同種木材樣本，其近 紅外光譜吸光度也不同。在波長為1 200和1 450 nm左右，4種紅木的吸光度達到較高值，隨后又逐漸下降，在波長為1 450 nm 時，吸光度最高。
2.2SIMCA 判別模型的建立與驗證
通過交互驗證法來確定上述4種紅木家具模型的最佳主成分數(shù)，即在預測殘差平方和變化不大的情況下選取較小的主成分數(shù)。SIMCA模型的校正和驗證結(jié)果見表1。
2.3PLS-DA判別模型的建立與驗證
在全光譜范圍內(nèi)（1 000～1 650 nm）建立的4種PLS-DA模型，校正集和驗證集樣本判別結(jié)果見表2。由表2可知，各樹種模型校正集和驗證集的識別率都在85%以上，而校正集和驗證集的拒絕率幾乎均達到100%[6]。
3結(jié)論
（1）通過分析紅木家具光譜可知，不同樹種的譜線形狀類似，且不同種類木材存在特定的吸收峰，不同種類的主要化學成分含量不同，使得不同樹種近紅外光譜吸收強度不同。
�。�2）基于1 000～1 650 nm 波長建立了 SIMCA、PLS-DA 2種判別模型，SIMCA模型中，4種家具在校正集和驗證集中的識別率均在92%以上，拒絕率高于98%；PLS-DA模型中識別率和拒絕率成效顯著，校正集和驗證集的識別率在85%以上，拒絕率在99%以上；2種模型判別效果較好，表明采用近紅外光譜對紅木家具類別進行鑒別是可行的。
參考文獻
[1]
SHOU G Z，ZHANG W Y，GU Y G，et al.Application of near infrared spectroscopy for discrimination of similar rare woods in the Chinese market[J].Journal of near infrared spectroscopy，2014，22（6）：423-432.
[2] 中華人民共和國國家質(zhì)量技術(shù)監(jiān)督局.紅木：GB/T 18107—2000[S].北京：中國標準出版社，2000.
[3] 張雯雅.近紅外光譜技術(shù)在珍稀木材鑒別領域的研究與應用[D].杭州：浙江農(nóng)林大學，2015.
[4] 張銀，周孟然.近紅外光譜分析技術(shù)的數(shù)據(jù)處理方法[J].紅外技術(shù)，2008，29（6）：345–348.
[5] 褚小立，袁洪福，陸婉珍.近紅外分析中光譜預處理及波長選擇方法進展與應用[J].化學進展，2004，16（4）：528–542.
[6] 楊忠，任海青，江澤慧.PLS-DA 法判別分析木材生物腐朽的研究[J].光譜學與光譜分析， 2008，28（4）：793-796.
