摘要[目的]建立一种快速鉴别一些易混淆的珍稀红木家具的方法。[方法]选择奥氏黄檀、刺猬紫檀、大果紫檀和非洲紫檀4种珍稀木材制作的红木家具，使用便携式光谱仪采集光谱，并进行预处理，建立初始模型。采用不同特征波长提取方法，提取有效信息后，利用SIMCA、PLS-DA建立红木鉴别模型。[结果]不同树种谱线形状类似，近红外光谱吸收强度不同。4种家具在SIMCA的校正集和验证集中的识别率均在92%以上，拒绝率高于98%；PLS-DA模型中识别率和拒绝率成效显著。[结论]采用近红外光谱对红木家具类别进行鉴别是可行的。
关键词近红外光谱；红木家具；鉴别
中图分类号S781.1文献标识码
A文章编号0517-6611（2017）22-0115-02
Abstract[Objective]To establish a method for rapid identification of some easily confused rare mahogany furniture.[Method]Choosing Dalbergia oliveri，Pterocarpus erinaceus，Pterocarpus macrocarpus，Pterocarpus soyauxii 4 rare wood mahogany furniture，using a portable spectrometer and spectral acquisition，and preprocessing，the initial model was built.After extracting effective information by using different characteristic wavelengths，a redwood identification model was established by using SIMCA and PLSDA.[Result]The spectral lines of different tree species were similar，and the absorption intensities of near infrared spectra were different.In the SIMCA model，the recognition rate of 4 kinds of furniture in the positive set and the verification section was above 92%，and the rejection rate was higher than 98%.The recognition rate and rejection rate were significant in PLSDA model.[Conclusion]It is feasible to differentiate the rosewood furniture by near infrared spectroscopy.
Key wordsNear infrared （NIR）；Mahogany furniture；Identify
紅木和红木家具有很强的中国文化内涵[1]。红木在我国红木国家标准（GB/T 18107—2000）中定义为5属8类33种[2]，加之原料日益稀缺，其价格一路飙升。一些不良商家为了赚取利润，采用与红木有着相似特征的珍稀木材冒充高档红木，或者在红木家具中掺杂其他劣质红木，严重干扰了市场秩序，损害了广大消费者的利益。
与传统分析技术相比，近红外光谱技术避免了对样品的损坏，提高了效率和速度，降低了成本，并且测量方便。目前也有很多研究表明，近红外光谱技术鉴别木材是可行的，近几年在木材化学组成、密度、强度、微纤丝角预测、腐朽判别及木材识别等方面得到了广泛的应用，但关于用近红外技术鉴别一些易混淆的珍稀红木家具鲜见报道。笔者研究了用近红外光谱技术鉴别红木家具的可行性，旨在为红木家具的鉴别提供一种有效、快速、无损的技术手段[3]。
1材料与方法
1.1试验材料
选取奥氏黄檀、刺猬紫檀、大果紫檀和非洲紫檀4种红木家具，家具样本来自于浙江艺术紫檀博物馆。采集4种珍稀红木家具的近红外光谱样本，各样本的校正集均为90，验证集均为30。
1.2试验设备与光谱采集
使用便携式微型近红外光谱仪Smart Eye1700进行光谱信号采集。近红外光谱分析的范围一般为 4 000 cm-1以上，即波长2.5 μm以下，在样本垂直上方通过光纤探头采集每个样本表面的近红外漫反射光谱，每扫描50次自动平均为1条光谱后保存。该仪器的参数和环境参数：波长1 000～1 650 nm，分辨率8 cm-1，光谱采样间隔1 nm，光纤探头直径8 mm，环境温度（20±2）℃，相对湿度（50±5）%。试验随机挑选出样本光谱总数的 2/3 作为校正集用于建模，样本光谱总数的1/3作为验证集进行预测。
1.3光谱处理和数据分析
1.3.1预处理。近红外光谱仪采集的原始数据存在与样本化学结构相关的信息，同时噪音干扰光谱图中信息，可使模型的建立和对未知样品的预测受到影响。常用的数据预处理方法有数据平滑、数据求导等[4-5]。
1.3.2建模。利用Unscrambler 9.2软件中偏最小二乘判别分析法（PLS-DA）和 SIMCA 法进行分析，以相关系数、校正标准误差、验证标准误差、预测样本正确、相对分析误差作为模型预测能力的评价指标。
2结果与分析
2.1各样品的原始光谱
图1是4种红木家具的近红外原始光谱进行平均后获得的光谱。由图1可知，4种红木的谱线形状类似，但存在偏移，可以看出对于同种木材样本，其近
红外光谱吸光度也不同。在波长为1 200和1 450 nm左右，4种红木的吸光度达到较高值，随后又逐渐下降，在波长为1 450 nm 时，吸光度最高。
2.2SIMCA 判别模型的建立与验证
通过交互验证法来确定上述4种红木家具模型的最佳主成分数，即在预测残差平方和变化不大的情况下选取较小的主成分数。SIMCA模型的校正和验证结果见表1。
2.3PLS-DA判别模型的建立与验证
在全光谱范围内（1 000～1 650 nm）建立的4种PLS-DA模型，校正集和验证集样本判别结果见表2。由表2可知，各树种模型校正集和验证集的识别率都在85%以上，而校正集和验证集的拒绝率几乎均达到100%[6]。
3结论
（1）通过分析红木家具光谱可知，不同树种的谱线形状类似，且不同种类木材存在特定的吸收峰，不同种类的主要化学成分含量不同，使得不同树种近红外光谱吸收强度不同。
（2）基于1 000～1 650 nm 波长建立了 SIMCA、PLS-DA 2种判别模型，SIMCA模型中，4种家具在校正集和驗证集中的识别率均在92%以上，拒绝率高于98%；PLS-DA模型中识别率和拒绝率成效显著，校正集和验证集的识别率在85%以上，拒绝率在99%以上；2种模型判别效果较好，表明采用近红外光谱对红木家具类别进行鉴别是可行的。
参考文献
[1]
SHOU G Z，ZHANG W Y，GU Y G，et al.Application of near infrared spectroscopy for discrimination of similar rare woods in the Chinese market[J].Journal of near infrared spectroscopy，2014，22（6）：423-432.
[2] 中华人民共和国国家质量技术监督局.红木：GB/T 18107—2000[S].北京：中国标准出版社，2000.
[3] 张雯雅.近红外光谱技术在珍稀木材鉴别领域的研究与应用[D].杭州：浙江农林大学，2015.
[4] 张银，周孟然.近红外光谱分析技术的数据处理方法[J].红外技术，2008，29（6）：345–348.
[5] 褚小立，袁洪福，陆婉珍.近红外分析中光谱预处理及波长选择方法进展与应用[J].化学进展，2004，16（4）：528–542.
[6] 杨忠，任海青，江泽慧.PLS-DA 法判别分析木材生物腐朽的研究[J].光谱学与光谱分析， 2008，28（4）：793-796.
