基于傅里葉變換紅外光譜的家具木材無損檢測方法

陳 燕

(福建林業(yè)職業(yè)技術(shù)學(xué)院，福建 南平 353000)

木材一直是一種重要的家具材料，很受人們的青睞[1]。實木材質(zhì)的家具通常價格比較昂貴，這加速了各種木材檢測技術(shù)的發(fā)展速度[2]。其中木材無損檢測技術(shù)能夠?qū)崿F(xiàn)非破壞性的和連續(xù)的木材檢測，很適合應(yīng)用于實木家具檢測中。

通過木材無損檢測，能夠克服傳統(tǒng)檢測方法對木材造成的傷害，避免了木材的浪費，同時能夠?qū)崿F(xiàn)多方面的檢測，使該技術(shù)在世界范圍內(nèi)得到迅速發(fā)展。隨著森林資源被人類大規(guī)模開采，可供人類使用的林木數(shù)量逐漸變少，硬質(zhì)、優(yōu)質(zhì)、珍貴林木的數(shù)量更是越來越少，促使家具木材無損檢測成為一個熱門話題[3]。目前已經(jīng)有很多學(xué)者利用振動模態(tài)分析[4]、應(yīng)力波檢測[5]等技術(shù)對木材檢測方法進行了研究，并已取得了突破性的研究成果。借鑒已取得的研究成果，考慮家具木材性能的特殊性，應(yīng)用傅里葉變換紅外光譜技術(shù)設(shè)計一種基于傅里葉變換紅外光譜的家具木材無損檢測方法。

1 材料與方法

1.1 試驗材料

采用檀香紫檀、刺猬紫檀、大果紫檀等9 種制作實木家具的木材作為研究對象，木材特征如表1 所示。

表1 木材特征Tab.1 Wood characteristics

選擇某實木家具制作廠商，分別使用九種試驗樹種制作實木家具，可以更清楚地檢測木材制作成家具以后的特征，保證家具性能不受影響。制作的家具具體如下：檀香紫檀：八寶如意圓桌（A）；刺猬紫檀：中式電視柜（B）；大果紫檀：腰型茶臺（C）；交趾黃檀：羅漢床（D）；巴里黃檀：中式沙發(fā)（E）；微凹黃檀：雙人床（F）；奧氏黃檀：皇宮椅（G）；盧氏黑黃檀：如意臺（H）；蘇拉威西烏木：矮南官帽椅（I）。

1.2 試驗設(shè)備與光譜數(shù)據(jù)采集

使用傅里葉變換紅外光譜分析儀對9 種實木家具支撐部分的原始紅外光譜數(shù)據(jù)進行采集。使用的試驗儀器型號為FTIR-7600，分辨率達到4 cm-1，光譜范圍位于4000 cm-1～400 cm-1之間。使用該儀器時，需要提前打開進行1 h 左右的加熱。掃描時需要將室溫控制在22 ℃左右，三次掃描每種實木家具，并取其權(quán)值作為試驗數(shù)據(jù)，并導(dǎo)入MATLAB 7.0 軟件中，實施數(shù)據(jù)的預(yù)處理[6]。

采集的9 種實木家具支撐部分的橫切面原始光譜數(shù)據(jù)如圖1 所示。

圖1 橫切面原始光譜數(shù)據(jù)Fig.1 Original spectral data of cross-sectional raw

采集的9 種實木家具支撐部分的徑切面原始光譜數(shù)據(jù)如圖2 所示[7]。

圖2 徑切面原始光譜數(shù)據(jù)Fig.2 Original spectral data of radial section

采集的9 種實木家具支撐部分的弦切面原始光譜數(shù)據(jù)如圖3 所示。

圖3 弦切面原始光譜數(shù)據(jù)Fig.3 Original spectral data of tangential plane

基于圖1～圖3 采集的三種原始光譜數(shù)據(jù)，對其進行處理。

1.3 基于紅外光譜特征處理數(shù)據(jù)

使用多元散射校正處理、去趨勢校正處理1.2 部分采集的光譜數(shù)據(jù)。

通過多元散射校正處理[8]能夠消除由于樣本分布不均勻、大小不同而帶來的影響。具體計算步驟如下。

（1）計算樣品平均紅外光譜Qb。

式中：Qa,b表示a×b 維的定標紅外光譜矩陣，其中a 表示定標的樣品數(shù)目，b 表示紅外光譜波長點數(shù)；m 表示檢測樣品的總數(shù)目[9]。

（2）計算樣品的回歸系數(shù)Qb。

式中：nb表示各樣品的相對偏移量；νb表示各樣品的相對偏移系數(shù)[10]。

（3）計算多元散射校正后的樣品紅外光譜Qb（MSC）。

通過去趨勢校正處理能夠消除基線移動問題，計算公式為

式中：Ci表示擬合的趨勢線；C 表示原始紅外光譜數(shù)據(jù)；表示校正后的紅外光譜數(shù)據(jù)；a、a1表示擬合系數(shù)；Di表示原始紅外光譜的吸光度[11]。

基于Hilbert 譜分析提取家具木材各種無損檢測項目所需的對應(yīng)紅外光譜特征[12]。對預(yù)處理后的各紅外光譜數(shù)據(jù)實施EEMD 分解，獲取多個IMF 信號與一個剩余分量，其中多個IMF 信號使用式（5）表示。

式中：χk(w)表示第k 個IMF 信號，a(w)表示IMF 信號剩余分量。

尋找每項無損檢測項目對應(yīng)的IMF 信號，將該IMF 信號的能量作為該項目的提取特征。試驗中的檢測項目包括內(nèi)部腐朽、內(nèi)部空洞、含水量、密度[13]。因此，檢測項目對應(yīng)的IMF 信號能量的集合表達式為

式中：β1～β4分別表示內(nèi)部腐朽、內(nèi)部空洞、含水量、密度對應(yīng)的IMF 信號能量[14]。

完成紅外光譜特征提取后，實施紅外光譜木材無損檢測建模。

1.4 紅外光譜木材無損檢測建模

基于小波神經(jīng)網(wǎng)絡(luò)對預(yù)測模型進行構(gòu)建，實施家具木材無損檢測。具體建模流程如下：

（1）將Morlet 小波當(dāng)做隱含層傳遞函數(shù)，構(gòu)建小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型[15]。構(gòu)建的模型為

式中：F (·) 表示無損檢測函數(shù)；M 表示第三層樣本個數(shù)；d 表示第二層樣本個數(shù)；G 表示第一層樣本個數(shù)；ωcd表示小波神經(jīng)網(wǎng)絡(luò)第三層即輸出層到第二層對應(yīng)的權(quán)值；ψed表示小波神經(jīng)網(wǎng)絡(luò)第二層即隱含層的伸縮因子；ψfd代表第二層的平移因子；udl表示第二層到第一層的對應(yīng)權(quán)值；plh表示第g 維中第h 個輸入樣本的實際取值；qg表示偏置量；H 表示誤差函數(shù)；R 代表第三層神經(jīng)元個數(shù)；T 表示第一層、第二層神經(jīng)元個數(shù)；dgh表示由第h 個網(wǎng)絡(luò)輸出的小波神經(jīng)網(wǎng)絡(luò)的第g 維取值；ogh代表第g 維中第h 個輸出樣本的實際取值[16]。

（2）參數(shù)初始化，具體包括網(wǎng)絡(luò)學(xué)習(xí)速率、迭代次數(shù)等。

（3）輸入提取的樣本紅外光譜特征，也就是各項目對應(yīng)的IMF 信號能量數(shù)據(jù)，對預(yù)測模型進行四種無損檢測方向的訓(xùn)練。

（4）獲取預(yù)測的各種檢測結(jié)果，對檢測結(jié)果的均方誤差進行計算。當(dāng)誤差的絕對值比設(shè)定值小，輸出各種無損檢測的結(jié)果，完成家具木材無損檢測。

2 試驗結(jié)果與分析

2.1 不同木材的內(nèi)部腐朽情況檢測

九種家具木材內(nèi)部腐朽情況檢測結(jié)果如表2 所示。

表2 家具木材內(nèi)部腐朽情況檢測結(jié)果Tab.2 Test results of furniture wood internal decay

表2 的檢測結(jié)果表明在交趾黃檀羅漢床中存在一處內(nèi)部腐朽問題，而其余八種家具木材內(nèi)部則未出現(xiàn)內(nèi)部腐朽問題。

交趾黃檀羅漢床中內(nèi)部腐朽處的β1IMF 信號能量變化情況具體如圖4 所示。

圖4 β1IMF 信號能量變化情況Fig.4 The change of β1IMF signal energy

圖4 的β1IMF 信號能量變化情況表明，該處內(nèi)部腐朽比較明顯，存在明顯的IMF 信號能量變化。

為驗證檢測結(jié)果是否準確，將交趾黃檀羅漢床的支撐部分切開，剖面如圖5 所示。

圖5 交趾黃檀羅漢床的支撐部分剖面圖Fig.5 Supporting section of cross-toe rosewood bed

根據(jù)圖5 剖面圖可以明顯看出該家具木材存在一處腐朽，與本文方法的檢測結(jié)果一致。

2.2 不同樹種的內(nèi)部空洞情況檢測

九種家具木材內(nèi)部空洞情況檢測結(jié)果如表3 所示。

表3 九種家具木材內(nèi)部空洞情況檢測結(jié)果Tab.3 Internal cavity condition test results of nine kinds of furniture wood

表3 的檢測結(jié)果表明在盧氏黑黃檀如意臺中存在一處內(nèi)部空洞問題，而其余八種家具木材內(nèi)部則未出現(xiàn)內(nèi)部空洞問題。

盧氏黑黃檀如意臺中內(nèi)部空洞處的β2IMF 信號能量變化情況具體如圖6 所示。

圖6 β2IMF 信號能量變化情況Fig.6 The change of β2IMF signal energy

圖6 的IMF 信號能量變化情況表明，該處IMF 信號能量變化比較明顯，存在一處內(nèi)部空洞問題。

切開盧氏黑黃檀如意臺的支撐部分，剖面如圖7所示。

圖7 盧氏黑黃檀如意臺的支撐部分剖面圖Fig.7 Supporting section of Lushi ebony Ruyi station

根據(jù)圖7 可見，盧氏黑黃檀如意臺的支撐部分確實存在一處空洞，表明本文方法的檢測結(jié)果較為準確。

2.3 含水量情況檢測

九種家具木材的含水量情況檢測結(jié)果如表4 所示。

表4 九種家具木材的含水量檢測結(jié)果Tab.4 Water content test results of nine kinds of furniture wood

表4 的含水量檢測結(jié)果表明，刺猬紫檀中式電視柜的含水量均值為10.63，含水量最低，奧氏黃檀皇宮椅的含水量均值為11.41，含水量也較低，蘇拉威西烏木矮南官帽椅的含水量均值為11.58，含水量也較低。微凹黃檀雙人床的含水量均值為15.98，含水量最高，大果紫檀腰型茶臺的含水量均值為15.30，含水量也較高。其余四種家具木材的含水量居中。

2.4 密度檢測

九種家具木材的密度檢測結(jié)果如圖8 所示。

圖8 九種家具木材的平均密度檢測結(jié)果Fig.8 Average density test results of nine kinds of furniture wood

根據(jù)圖8 的平均密度檢測數(shù)據(jù)，九種家具木材的密度都偏高，其中交趾黃檀羅漢床的密度最大，達到了0.76 kg/m3，微凹黃檀雙人床的密度最小，為0.57 kg/m3，其余七種家具木材的密度居中。

3 結(jié)束語

通過應(yīng)用傅里葉變換紅外光譜分析儀采集實木家具的紅外光譜數(shù)據(jù)，實現(xiàn)了便捷、高效的家具木材無損檢測。檢測了不同木材的內(nèi)部腐朽情況，空洞情況和含水量情況，檢測結(jié)果表明交趾黃檀羅漢床存在一處內(nèi)部腐朽問題；盧氏黑黃檀如意臺存在一處內(nèi)部空洞問題；刺猬紫檀中式電視柜的含水量最低；微凹黃檀雙人床的含水量最高；九種家具木材的密度均偏高，其中交趾黃檀羅漢床的密度最大。說明該方法可以從內(nèi)部腐朽情況、含水量和密度等多個方面分析家具木材的內(nèi)部特征，選取質(zhì)量過關(guān)的木材制造家具，避免木材浪費，為實木家具的品質(zhì)檢驗提供參考。但該方法易受噪聲影響，導(dǎo)致檢測結(jié)果存在少量誤差，在實際應(yīng)用中，可采取多次測量的方式。在今后的研究中，可以去除傅里葉變換紅外光譜分析中的噪聲，減小誤差，實現(xiàn)更加精準的檢測。