基于近紅外光譜分析技術(shù)的桉木纖維施膠量高低快速判別*

朱翰文 杜官本 楊 忠 呂 斌 盧勝高

(1.中國林業(yè)科學(xué)研究院木材工業(yè)研究所 北京 100091； 2.西南林業(yè)大學(xué) 昆明 650224； 3.廣西豐林人造板有限公司 南寧 530226)

我國是世界人造板第一大生產(chǎn)國， 2018年人造板年產(chǎn)量約2.99億m3，其中纖維板約6 168萬m3(劉能文等， 2019； 張玉萍等， 2019)。纖維板用途廣，需求量大，欲保持其市場競爭力，質(zhì)量控制十分重要。在纖維板生產(chǎn)過程中，施膠工藝對產(chǎn)品性能影響很大，如果施膠量過多，則纖維含水率增加，會導(dǎo)致鼓泡等缺陷，甲醛釋放量也會提高； 如果施膠量過少，則纖維不容易壓實，會降低板材的靜曲強度、內(nèi)結(jié)合強度等物理力學(xué)性能(Kallakasetal.， 2018； Alietal.， 2014； Nayerietal.， 2014； 崔舉慶等， 2015)。目前，生產(chǎn)上常用的施膠方法可以做到總量控制，技術(shù)雖很成熟，但施膠后施膠量高低仍不可知?，F(xiàn)有研究中，有基于數(shù)字圖像技術(shù)探究人造板施膠效果，也有利用計算機圖像處理技術(shù)和微距攝影技術(shù)量化分析人造板施膠效果，但圖像法均需在膠黏劑中加入染料染色，無法應(yīng)用于實際生產(chǎn)(Altgenetal.， 2016)。

近紅外光譜分析技術(shù)是20世紀80年代發(fā)展起來的無損檢測技術(shù)，具有快速、方便、準確、無需對樣品進行預(yù)處理等優(yōu)點，已廣泛應(yīng)用于化工、食品、醫(yī)藥、林業(yè)等領(lǐng)域(孫通等， 2016； 段宇飛等， 2016； 張妍楠等， 2015； 劉鵬等， 2017； 方孝榮等， 2015； 賈生堯等， 2015； 吳妍嫻等， 2017)。近紅外光譜能夠反映C—H、N—H、O—H等基團的振動，脲醛樹脂膠黏劑中含有大量此類基團，故可以嘗試用于施膠量檢測(Henriquesetal.， 2012； 2013； Riegleretal.， 2012； Tsuchikawaetal.， 2013； Costaetal.， 2013)。

鑒于此，本研究以桉木纖維為研究對象，基于近紅外光譜分析技術(shù)，判別纖維板生產(chǎn)過程中施膠量高低，探討其可行性，以期為施膠工藝階段提供技術(shù)支撐。

1 材料與方法

1.1 試驗材料

桉木纖維和脲醛樹脂膠黏劑，廣西豐林人造板有限公司提供。桉木纖維含水率控制在5%左右，脲醛樹脂膠黏劑固含量為50%。

1.2 纖維施膠

纖維拌膠機(型號XWT5)，常州市威爾強傳動機械有限公司生產(chǎn)。采用先干燥后施膠工藝得到施膠量為0%、3%、12%和20%的桉木纖維樣品。

1.3 近紅外光譜采集

Lab Spec Pro 近紅外光譜儀，美國ASD公司生產(chǎn)。光譜波長范圍350～2 500 nm，采用手持探頭采集樣品表面近紅外光譜，探頭與測試面垂直，使用由聚四氟乙烯制成的白板進行光譜儀校正。每個點掃描得到的光譜由手持探頭采集30次再自動平均而成。

施膠纖維運動狀態(tài)下的光譜采集方式： 將施膠后纖維在10 min內(nèi)置于線速度為4 cm·s-1的旋轉(zhuǎn)工作臺上，光斑直徑5 cm，每秒采集1次光譜，每種施膠量采集光譜30條，共120條光譜。施膠纖維靜止狀態(tài)下的光譜采集方式： 靜止旋轉(zhuǎn)工作臺，每種施膠量隨機選擇30個點采集光譜，共120條光譜。

對于施膠量12%的施膠纖維，在運動狀態(tài)下，首先采集10 min內(nèi)的近紅外光譜，然后依次采集陳放 6、24 h后的近紅外光譜，以分析施膠后纖維陳放時間對近紅外光譜和模型判別準確性的影響。

1.4 PLS-DA分析

偏最小二乘法判別分析(PLS-DA)是一種多變量統(tǒng)計分析方法，其基于偏最小二乘法回歸分析(PLS)建立分類變量(桉木纖維施膠量高低)與光譜特征的回歸模型，再進行判別： 1) 建立訓(xùn)練集的分類變量(category variable)； 2) 建立分類變量與光譜特征的PLS模型； 3) 根據(jù)回歸模型，計算預(yù)測集的分類變量(YP)和偏差(D)，如果YP>0.5且D≤0.5，則樣品屬于該類； 如果YP<0.5且D≤0.5，則樣品不屬于該類； 如果D>0.5，則判別不穩(wěn)定。

2 結(jié)果與分析

2.1 施膠纖維的近紅外光譜分析

由圖1可知，4種施膠量桉木纖維近紅外光譜的波峰、波形相似，無明顯區(qū)別。隨著施膠量增加，近紅外光譜吸光度呈明顯的梯度遞增變化，1 332～1 639 nm(NH、CN)和2 000～2 355 nm(CH、CH2和CN)2個波段的近紅外光譜特征對脲醛樹脂膠黏劑分析最重要(Henriquesetal.， 2012)。為進一步研究近紅外光譜判別纖維施膠量高低的可行性，對靜止狀態(tài)下采集的光譜進行主成分分析(PCA)。

由圖2可知，雖然施膠量12%與3%和20%的光譜存在部分重疊，但沿著PC-1軸向右可看出施膠量呈減小趨勢，說明對近紅外光譜進行主成分分析區(qū)分不同施膠量桉木纖維是有可能的，而未施膠樣品與施膠樣品通過主成分分析可以明顯發(fā)現(xiàn)獨立出來。

結(jié)合圖1和圖2 的直觀分析結(jié)果可以看出，基于近紅外光譜區(qū)分不同施膠量桉木纖維具有一定可行性。

圖1 靜止狀態(tài)下4種施膠量桉木纖維的近紅外光譜Fig. 1 Near infrared spectroscopy of 4 kinds of different resin contents eucalyptus wood fiber in static state

圖2 靜止狀態(tài)下4種施膠量桉木纖維近紅外光譜的主成分分析Fig. 2 PCA of 4 kinds of different resin contents eucalyptus wood fiber in static state

2.2 纖維施膠量高低模型判別

為探究近紅外光譜能否準確判別纖維施膠量高低，對靜止狀態(tài)下4種施膠量桉木纖維樣品采集的近紅外光譜進行PLS-DA分析，其中20條作為訓(xùn)練集建立模型，10條作為預(yù)測集。模型分類變量定義如表1所示。

表1 模型分類變量定義Tab.1 Category variables of model

由表2可知，施膠量與近紅外光譜之間具有很高相關(guān)性，模型校正結(jié)果的決定系數(shù)(R2)大于0.86，驗證結(jié)果的R2大于0.68。由表3、4可知，采用模型對未知樣品進行判別，每一類別10種樣品的判別正確率均為100%。

表2 4種施膠量桉木纖維的模型校正和驗證結(jié)果①Tab.2 Results of calibration and validation for four kinds of resin contents eucalyptus wood fiber by PLS-DA model

表3 PLS-DA模型對未知樣品的檢驗結(jié)果Tab.3 Discriminant results for unknown samples by PLS-DA model

表4 PLS-DA模型對未知樣品的判別正確率統(tǒng)計結(jié)果Tab.4 Accuracy for unknown samples by PLS-DA model

結(jié)合PCA與PLS-DA模型判別分析結(jié)果可知，近紅外光譜可以判別桉木纖維施膠量高低，進一步說明近紅外光譜在生產(chǎn)過程中判別桉木纖維脲醛樹脂施加量具有一定潛力。

2.3 施膠纖維運動狀態(tài)下采集光譜對模型判別施膠量高低的影響

纖維板自動化生產(chǎn)線上，施膠后纖維多處于連續(xù)運動狀態(tài)。本研究在實驗室模擬生產(chǎn)線的纖維運動狀態(tài)，探究施膠纖維運動狀態(tài)下采集光譜對模型判別施膠量高低的影響。

由表5可知，處于運動狀態(tài)的施膠纖維與近紅外光譜之間具有很高相關(guān)性，模型校正結(jié)果的R2大于0.84，驗證結(jié)果的R2大于0.73。由表6、7可知，采用模型對未知樣品進行判別，每一類別10種樣品的判別正確率均為100%。這說明，施膠纖維運動對建立的模型幾乎沒有影響，在運動狀態(tài)下仍可判別施膠量高低，也進一步說明，近紅外光譜可用于在線檢測纖維施膠量高低。

表5 運動狀態(tài)下4種施膠量桉木纖維的模型校正和驗證結(jié)果Tab.5 Results of calibration and validation for four kinds of resin contents eucalyptus wood fiber in dynamic state

表6 運動狀態(tài)下PLS-DA模型對未知樣品的檢驗結(jié)果Tab.6 Discriminant results for unknown samples by PLS-DA model in dynamic state

表7 運動狀態(tài)下PLS-DA模型對未知樣品的判別正確率統(tǒng)計結(jié)果Tab.7 Accuracy for unknown samples by PLS-DA model in dynamic state

2.4 施膠后纖維陳放時間對模型判別施膠量高低的影響

圖3所示為施膠量12%的桉木纖維施膠10 min、6 h、24 h后采集的近紅外光譜PCA，施膠后纖維陳放時間對近紅外光譜影響很大，雖然不同時間采集的光譜之間存在交集，但是可以明顯看出3個時間采集的光譜呈3種類別分布。為準確分析施膠后纖維陳放時間是否影響所采集的近紅外光譜，分別采用陳放6 h和24 h的光譜數(shù)據(jù)建立PLS-DA 模型P-M6h和P-M24h，并對未知樣品進行判別預(yù)測。

圖3 施膠量12%的桉木纖維不同陳放時間近紅外光譜PCAFig. 3 PCA of 12% resin content eucalyptus wood fiber at different setting times

由表8、9可知，施膠后纖維陳放時間對近紅外光譜影響很大，陳放6 h和24 h施膠纖維樣品預(yù)測的正確率極低，幾乎不能判別纖維施膠量高低?？紤]到脲醛樹脂膠黏劑會滲透到纖維內(nèi)部，因此工廠在施膠工藝完成后應(yīng)立即鋪裝、熱壓，盡可能減少施膠后纖維陳放時間。

表8 施膠后纖維陳放6 h和24 h模型對未知樣品的判別預(yù)測結(jié)果Tab.8 Discriminant results for unknown samples by PLS-DA model at setting 6 h and 24 h

表9 施膠纖維陳放6 h和24 h模型對未知樣品的判別準確率統(tǒng)計結(jié)果Tab.9 Accuracy for unknown samples by PLS-DA model at setting 6 h and 24 h

綜上可知，近紅外光譜分析技術(shù)檢測纖維施膠量高低是可行的，施膠纖維運動與否并不影響模型建立和判別的準確性，充分說明近紅外光譜用于纖維板生產(chǎn)線在線檢測施膠量高低的適用性。同時，施膠后纖維陳放時間對模型判別結(jié)果影響較大，這一發(fā)現(xiàn)對將近紅外光譜合理應(yīng)用于纖維板生產(chǎn)線進行施膠量檢測具有重要指導(dǎo)意義。

3 結(jié)論

應(yīng)用偏最小二乘法判別分析(PLS-DA)建立施膠量為無(0%)、低(3%)、中(12%)、高(20%)4種類別的近紅外光譜偏最小二乘法回歸模型，模型線性擬合度高，對未知樣品的判別正確率達100%。這表明，近紅外光譜分析技術(shù)結(jié)合PLS-DA法能夠準確預(yù)測桉木纖維施膠量高低，可為今后基于近紅外光譜分析技術(shù)預(yù)測纖維施膠量提供一定的科學(xué)依據(jù)。

需要說明的是，本研究僅為實驗室模擬且涉及的影響因素較少，與纖維板生產(chǎn)過程中實際環(huán)境因素差距較大，其他更多的內(nèi)外部因素是否影響模型精度仍然未知，今后應(yīng)增加對纖維板生產(chǎn)線真實環(huán)境的模擬研究，充分探討各因素對近紅外光譜模型的影響，確定更加合理有效的工藝，為近紅外光譜應(yīng)用于在線檢測提供更多技術(shù)支撐。