基于傅里叶变换红外光谱的家具木材无损检测方法

陈 燕

(福建林业职业技术学院，福建 南平 353000)

木材一直是一种重要的家具材料，很受人们的青睐[1]。实木材质的家具通常价格比较昂贵，这加速了各种木材检测技术的发展速度[2]。其中木材无损检测技术能够实现非破坏性的和连续的木材检测，很适合应用于实木家具检测中。

通过木材无损检测，能够克服传统检测方法对木材造成的伤害，避免了木材的浪费，同时能够实现多方面的检测，使该技术在世界范围内得到迅速发展。随着森林资源被人类大规模开采，可供人类使用的林木数量逐渐变少，硬质、优质、珍贵林木的数量更是越来越少，促使家具木材无损检测成为一个热门话题[3]。目前已经有很多学者利用振动模态分析[4]、应力波检测[5]等技术对木材检测方法进行了研究，并已取得了突破性的研究成果。借鉴已取得的研究成果，考虑家具木材性能的特殊性，应用傅里叶变换红外光谱技术设计一种基于傅里叶变换红外光谱的家具木材无损检测方法。

1 材料与方法

1.1 试验材料

采用檀香紫檀、刺猬紫檀、大果紫檀等9 种制作实木家具的木材作为研究对象，木材特征如表1 所示。

表1 木材特征Tab.1 Wood characteristics

选择某实木家具制作厂商，分别使用九种试验树种制作实木家具，可以更清楚地检测木材制作成家具以后的特征，保证家具性能不受影响。制作的家具具体如下：檀香紫檀：八宝如意圆桌（A）；刺猬紫檀：中式电视柜（B）；大果紫檀：腰型茶台（C）；交趾黄檀：罗汉床（D）；巴里黄檀：中式沙发（E）；微凹黄檀：双人床（F）；奥氏黄檀：皇宫椅（G）；卢氏黑黄檀：如意台（H）；苏拉威西乌木：矮南官帽椅（I）。

1.2 试验设备与光谱数据采集

使用傅里叶变换红外光谱分析仪对9 种实木家具支撑部分的原始红外光谱数据进行采集。使用的试验仪器型号为FTIR-7600，分辨率达到4 cm-1，光谱范围位于4000 cm-1～400 cm-1之间。使用该仪器时，需要提前打开进行1 h 左右的加热。扫描时需要将室温控制在22 ℃左右，三次扫描每种实木家具，并取其权值作为试验数据，并导入MATLAB 7.0 软件中，实施数据的预处理[6]。

采集的9 种实木家具支撑部分的横切面原始光谱数据如图1 所示。

图1 横切面原始光谱数据Fig.1 Original spectral data of cross-sectional raw

采集的9 种实木家具支撑部分的径切面原始光谱数据如图2 所示[7]。

图2 径切面原始光谱数据Fig.2 Original spectral data of radial section

采集的9 种实木家具支撑部分的弦切面原始光谱数据如图3 所示。

图3 弦切面原始光谱数据Fig.3 Original spectral data of tangential plane

基于图1～图3 采集的三种原始光谱数据，对其进行处理。

1.3 基于红外光谱特征处理数据

使用多元散射校正处理、去趋势校正处理1.2 部分采集的光谱数据。

通过多元散射校正处理[8]能够消除由于样本分布不均匀、大小不同而带来的影响。具体计算步骤如下。

（1）计算样品平均红外光谱Qb。

式中：Qa,b表示a×b 维的定标红外光谱矩阵，其中a 表示定标的样品数目，b 表示红外光谱波长点数；m 表示检测样品的总数目[9]。

（2）计算样品的回归系数Qb。

式中：nb表示各样品的相对偏移量；νb表示各样品的相对偏移系数[10]。

（3）计算多元散射校正后的样品红外光谱Qb（MSC）。

通过去趋势校正处理能够消除基线移动问题，计算公式为

式中：Ci表示拟合的趋势线；C 表示原始红外光谱数据；表示校正后的红外光谱数据；a、a1表示拟合系数；Di表示原始红外光谱的吸光度[11]。

基于Hilbert 谱分析提取家具木材各种无损检测项目所需的对应红外光谱特征[12]。对预处理后的各红外光谱数据实施EEMD 分解，获取多个IMF 信号与一个剩余分量，其中多个IMF 信号使用式（5）表示。

式中：χk(w)表示第k 个IMF 信号，a(w)表示IMF 信号剩余分量。

寻找每项无损检测项目对应的IMF 信号，将该IMF 信号的能量作为该项目的提取特征。试验中的检测项目包括内部腐朽、内部空洞、含水量、密度[13]。因此，检测项目对应的IMF 信号能量的集合表达式为

式中：β1～β4分别表示内部腐朽、内部空洞、含水量、密度对应的IMF 信号能量[14]。

完成红外光谱特征提取后，实施红外光谱木材无损检测建模。

1.4 红外光谱木材无损检测建模

基于小波神经网络对预测模型进行构建，实施家具木材无损检测。具体建模流程如下：

（1）将Morlet 小波当做隐含层传递函数，构建小波神经网络预测模型[15]。构建的模型为

式中：F (·) 表示无损检测函数；M 表示第三层样本个数；d 表示第二层样本个数；G 表示第一层样本个数；ωcd表示小波神经网络第三层即输出层到第二层对应的权值；ψed表示小波神经网络第二层即隐含层的伸缩因子；ψfd代表第二层的平移因子；udl表示第二层到第一层的对应权值；plh表示第g 维中第h 个输入样本的实际取值；qg表示偏置量；H 表示误差函数；R 代表第三层神经元个数；T 表示第一层、第二层神经元个数；dgh表示由第h 个网络输出的小波神经网络的第g 维取值；ogh代表第g 维中第h 个输出样本的实际取值[16]。

（2）参数初始化，具体包括网络学习速率、迭代次数等。

（3）输入提取的样本红外光谱特征，也就是各项目对应的IMF 信号能量数据，对预测模型进行四种无损检测方向的训练。

（4）获取预测的各种检测结果，对检测结果的均方误差进行计算。当误差的绝对值比设定值小，输出各种无损检测的结果，完成家具木材无损检测。

2 试验结果与分析

2.1 不同木材的内部腐朽情况检测

九种家具木材内部腐朽情况检测结果如表2 所示。

表2 家具木材内部腐朽情况检测结果Tab.2 Test results of furniture wood internal decay

表2 的检测结果表明在交趾黄檀罗汉床中存在一处内部腐朽问题，而其余八种家具木材内部则未出现内部腐朽问题。

交趾黄檀罗汉床中内部腐朽处的β1IMF 信号能量变化情况具体如图4 所示。

图4 β1IMF 信号能量变化情况Fig.4 The change of β1IMF signal energy

图4 的β1IMF 信号能量变化情况表明，该处内部腐朽比较明显，存在明显的IMF 信号能量变化。

为验证检测结果是否准确，将交趾黄檀罗汉床的支撑部分切开，剖面如图5 所示。

图5 交趾黄檀罗汉床的支撑部分剖面图Fig.5 Supporting section of cross-toe rosewood bed

根据图5 剖面图可以明显看出该家具木材存在一处腐朽，与本文方法的检测结果一致。

2.2 不同树种的内部空洞情况检测

九种家具木材内部空洞情况检测结果如表3 所示。

表3 九种家具木材内部空洞情况检测结果Tab.3 Internal cavity condition test results of nine kinds of furniture wood

表3 的检测结果表明在卢氏黑黄檀如意台中存在一处内部空洞问题，而其余八种家具木材内部则未出现内部空洞问题。

卢氏黑黄檀如意台中内部空洞处的β2IMF 信号能量变化情况具体如图6 所示。

图6 β2IMF 信号能量变化情况Fig.6 The change of β2IMF signal energy

图6 的IMF 信号能量变化情况表明，该处IMF 信号能量变化比较明显，存在一处内部空洞问题。

切开卢氏黑黄檀如意台的支撑部分，剖面如图7所示。

图7 卢氏黑黄檀如意台的支撑部分剖面图Fig.7 Supporting section of Lushi ebony Ruyi station

根据图7 可见，卢氏黑黄檀如意台的支撑部分确实存在一处空洞，表明本文方法的检测结果较为准确。

2.3 含水量情况检测

九种家具木材的含水量情况检测结果如表4 所示。

表4 九种家具木材的含水量检测结果Tab.4 Water content test results of nine kinds of furniture wood

表4 的含水量检测结果表明，刺猬紫檀中式电视柜的含水量均值为10.63，含水量最低，奥氏黄檀皇宫椅的含水量均值为11.41，含水量也较低，苏拉威西乌木矮南官帽椅的含水量均值为11.58，含水量也较低。微凹黄檀双人床的含水量均值为15.98，含水量最高，大果紫檀腰型茶台的含水量均值为15.30，含水量也较高。其余四种家具木材的含水量居中。

2.4 密度检测

九种家具木材的密度检测结果如图8 所示。

图8 九种家具木材的平均密度检测结果Fig.8 Average density test results of nine kinds of furniture wood

根据图8 的平均密度检测数据，九种家具木材的密度都偏高，其中交趾黄檀罗汉床的密度最大，达到了0.76 kg/m3，微凹黄檀双人床的密度最小，为0.57 kg/m3，其余七种家具木材的密度居中。

3 结束语

通过应用傅里叶变换红外光谱分析仪采集实木家具的红外光谱数据，实现了便捷、高效的家具木材无损检测。检测了不同木材的内部腐朽情况，空洞情况和含水量情况，检测结果表明交趾黄檀罗汉床存在一处内部腐朽问题；卢氏黑黄檀如意台存在一处内部空洞问题；刺猬紫檀中式电视柜的含水量最低；微凹黄檀双人床的含水量最高；九种家具木材的密度均偏高，其中交趾黄檀罗汉床的密度最大。说明该方法可以从内部腐朽情况、含水量和密度等多个方面分析家具木材的内部特征，选取质量过关的木材制造家具，避免木材浪费，为实木家具的品质检验提供参考。但该方法易受噪声影响，导致检测结果存在少量误差，在实际应用中，可采取多次测量的方式。在今后的研究中，可以去除傅里叶变换红外光谱分析中的噪声，减小误差，实现更加精准的检测。