近紅外法制漿材定性識別技術與定量模型的建立.pdf

1、木片作為造紙的主要原料，其材性直接影響終產(chǎn)品質(zhì)量，根據(jù)木片的材性信息可以對木片進行篩選、在線監(jiān)測，及時控制和預測紙漿質(zhì)量，同時通過控制參數(shù)和加藥量對制漿造紙過程優(yōu)化精煉，達到最佳木片使用率和得率。近紅外光譜作為一種無損快速檢測手段，且木片在近紅外光譜上有豐富的吸收峰，可以通過建立近紅外光譜快速預測木材材性的模型實現(xiàn)其在線分析。
　　本文以桉木（尾巨桉、尾葉桉LH1、尾葉桉U6、藍桉、廣西桉木）和相思木（馬占相思、厚莢相思）為原料，

2、首先用Anatris傅里葉近紅外光譜儀和阿達瑪近紅外光譜儀測定其木片和木粉的近紅外光譜圖，其次測定了所有木材的綜纖維素、克拉森木質(zhì)素和苯醇抽出物的含量及藍桉和馬占相思綜纖維素和木質(zhì)素的近紅外光譜圖，對比發(fā)現(xiàn)木材的化學組分含量和光譜圖的吸光度均有差異。通過觀察綜纖維素和克拉森木質(zhì)素在近紅外光譜上的吸收峰及綜合CARS變量篩選兩種方法篩選出兩者的特征吸收點分別為4740、4756、4767、4787、6719、6734、6765cm-1;4

3、289、4304、4382、4405、5793、5827、5863、5920、6850、6885、6908、6923 cm-1，并且通過對比原木粉與烘干后木粉得出水分的特征吸收峰為4700～5200cm-1。
　　采用偏最小二乘法判別分析(PLS-DA)建立了桉木和相思木木粉的分類模型，校正集和驗證集的預測值與實際值之間的回歸線基本重合，決定系數(shù)（R2）分別為0.99和0.97，模型效果較好，且對未知樣本的識別正確率為100％;而

4、對于屬間的6種木材的判別，采用MSC和Savitzky-Golay平滑對7500～4000 cm-1光譜進行預處理后，結合主成分分析建立判別模型，獲得了較理想的預測結果;對于6種桉木和相思木木片同樣采用預處理方式為MSC、Savitzky-Golay平滑、波段5500～6500cm-1，并結合主成分分析建立判別模型，模型識別率和驗證正確率均為100％。結果表明基于近紅外光譜結合化學計量學算法可以對桉木和相思木進行快速鑒別，阿達瑪近紅外光

5、譜儀也可以用于桉木和相思木的木材種類鑒別。
　　以桉木和相思木為原料，木片和木粉兩種木片狀態(tài)，共計44種，建立近紅外快速預測木材綜纖維素、木質(zhì)素和苯醇抽出物的模型。采用偏最小二乘法建立木粉綜纖維素、木質(zhì)素、苯醇抽出物的模型，采用內(nèi)部交叉驗證的方法對其驗證，最終綜纖維素、木質(zhì)素、苯醇抽出物近紅外模型RCV分別為0.9812、0.9226、0.9709，RMSECV分別為0.1890、0.6019、0.2288，RPD值分別為5.18

6、15、2.5923、4.1756。利用建立好的模型對驗證集進行預測并與標準方法測定值進行對比，三種化學成分近紅外模型預測值與真實值的偏差不大。預測結果再通過配對樣本T檢驗進一步確認模型的預測精準度，兩者無顯著性差異。同樣的建模方式，最終木片綜纖維素、木質(zhì)素、苯醇抽出物近紅外模型RCV分別為0.9046、0.9052、0.9305，RMSECV分別為0.5173、0.6601、0.3425，RPD值分別為2.3460、2.3530、2.7