雙利合譜高光譜技術在木材檢測中的應用（下）
4.高光譜成像技術在木材質量檢測中的應用
4.2木材水分預測與化學成分分析
Tsuchikawa等人(Tsuchikawa et al., 2023)總結了近紅外光譜技術（NIRS）在林業(yè)與木制品中的應用現(xiàn)狀和發(fā)展趨勢。突出強調了NIR-HSI在林業(yè)和木制品研究中的的空間分辨、動態(tài)監(jiān)測、多屬性分析和無損性等方面的顯著優(yōu)勢。文章提到高光譜成像在木材干燥過程中水分遷移動態(tài)的可視化能力，例如通過水分解吸和吸附過程生成含水率分布圖，從而更直觀地觀察木材的物理和化學變化（圖7）。展示了使用基于NIR-HSI的水分檢測來優(yōu)化木材干燥的復雜模擬參數(shù)的潛力，為了解不同干燥環(huán)境下木材內部的水分分布提供了基礎。
Colares等人(Colares et al., 2016)探討了利用NIR-HSI技術結合多元曲線分辨-交替*小二乘法（MCR-ALS）對紅木化學成分在微觀尺度上的分布進行可視化分析的方法（圖8）。通過分析木材的三種生長方向（徑向、切線方向和橫截面），研究揭示了木質素、全纖維素（纖維素+半纖維素）和萃取物在不同解剖結構中的分布差異。
Awais等人(Awais et al., 2020)研究了HSI結合化學計量學方法在分析木材表面乙酰化過程中的應用，通過對木材中乙酸酐的滲透行為進行可視化和定量分析，評估了表面改性對木材性能的影響。研究選取蘇格蘭松為樣品，通過單面乙酰化處理在徑向方向上形成乙?；荻?，并使用PLSR模型和PCA對光譜數(shù)據(jù)進行降維與分析（圖9）。
M?kel?等人(M?kel? et al., 2021)研究了采用NIR-HSI結合PCA和PLSR模型，定量分析乙?；闹亓吭鲆妫╓PG）及其空間分布（圖10）。展示了HSI在木材化學改性研究中的重要應用潛力，不僅揭示了乙?；谀静牟煌瑢蛹壗Y構上的動態(tài)分布，還為理解化學處理對木材吸濕性和尺寸穩(wěn)定性的影響提供了新的視角。
Thumm等人(Thumm et al., 2010)研究了利用HSI技術對輻射松木材的化學成分進行二維分布映射的方法。通過結合成像光譜儀和多元回歸分析，研究實現(xiàn)了木材樣品中木質素、半纖維素（如葡萄糖和半乳糖）的含量預測與空間分布可視化。Araya等人(Araya et al., 2017)提出了兩種基于中紅外高光譜成像（MIR-HSI）和多元曲線分辨-交替*小二乘法（MCR-ALS）的單像素定量策略，用于測量木質纖維材料中木質素和葡聚糖的分布及濃度。通過提取光譜數(shù)據(jù)來揭示化學成分在微觀尺度上的空間分布特征。研究表明，基于MCR-ALS的單像素定量策略可以有效地對木質纖維樣品進行微尺度化學分析，揭示其化學成分的異質性分布。以上研究驗證了近紅外高光譜成像技術在木材化學成分分布分析中的應用潛力，不僅能夠快速、無損地測定木材的化學成分，還能實現(xiàn)高空間分辨率的分布圖像生成，為木材質量評估和加工優(yōu)化提供了科學依據(jù)。
4.3木材物理性能分析
Sofianto等人(Sofianto et al., 2019)利用NIR-HSI技術預測和映射日本杉木單板的MOE，并探討了結疤和孔洞對MOE預測及其分布的影響。研究采用偏*小二乘回歸（CV-PLSR）模型構建了針對單板樣品的MOE預測模型，并結合NIR-HSI實現(xiàn)了MOE空間分布的可視化映射（圖12）。
Chambi-Legoas等人(Chambi-Legoas et al., 2023)研究了利用近HSI技術預測桉樹木材密度，并評估其在早期樹種選擇中的可行性。通過結合局部加權偏*小二乘回歸（LWPLSR）模型和X射線密度計校準數(shù)據(jù)，該研究成功生成了整個木材橫截面的高分辨率密度映射（圖13）。NIR-HSI結合LWPLSR模型能夠高效、準確地預測木材密度，為早期選擇高密度樹種提供了有力支持。
Ma等人(Ma et al., 2017)研究了NIR-HSI系統(tǒng)在木材屬性**映射和空間分辨分析中的應用潛力。圖14展示了NIR-HSI技術在分析木材密度和MFA分布方面的能力。這些結果提供了木材早材（EW）和晚材（LW）密度變化的詳細圖譜，同時顯示了正常木材和壓縮木材的密度差異。
