[发明专利]一种基于可见-近红外光谱的木材合法性验证方法

说明书

本发明公开了一种基于可见‑近红外光谱的木材合法性验证方法，该方法包括：获取待验证木材的可见‑近红外光谱数据；采用第二代小波‑提升小波变换对所述可见‑近红外光谱数据进行去噪处理；将可见‑近红外光谱数据或经去噪处理后的可见‑近红外光谱数据输入合法性验证模型；所述合法性验证模型包括：木材材性预测模型、木材产地溯源模型和木材树种鉴别模型；输出所述验证木材的木材材性预测结果、木材产地溯源数据和木材树种鉴别数据。该验证方法的预测精度较高，适用性强，可同时预测木材材性信息、鉴别木材产地和树种类型，从而能实现大批木材材性信息的真伪鉴别，降低木材非法交易率。

技术领域

本发明涉及可见-近红外光谱技术领域，特别涉及一种基于可见-近红外光谱的木材合法性验证方法。

背景技术

相关数据显示，全球50％以上的森林受到非法采伐的威胁；每年非法木材贸易占全部木材贸易额的15％-30％，大大地降低了林产品价格，造成了严重的社会和生态问题。现阶段，急需构建一种智能、高效、绿色的木材合法性验证体系，满足国际木材合法性要求并推动林产品国际贸易及我国林业法制化进程。

木材合法性的实质是确保木材及林产品原料来源的合法性，主要通过木材产地、树种类别及木材材性信息进行木材合法性验证。例如，自俄罗斯、东南亚、非洲等地进口的木材被部分认为是“非法木材”；

木材作为一种复杂的天然有机化合物，相关企业很难同时、快速、精准、大批量判定木材的产地、树种和理化性质等材性信息。此外，经典的传统检测方法虽满足了测试精度要求，但仍存在以下不足：

1.破坏性大、无法实现批量样本检测

传统的实验室检测方法，在检测时需将木材制备成标准样件，然后采用相关国标法进行测定。操作复杂、费时费力、破环性大，且所得实验结果仅适用于已测定的样件，无法用于同种未知样品材性信息的快速、准确和大批量无损预测。

2.无法确保数据的准确性

在木材树种鉴别方面，相关工作者主要采用感官方法进行判别，判定结果具有很强的主观性。在木材产地溯源方面，则完全依赖于产业链上游至下游的流通信息，数据虽被运营方统一管理，但用户无法参与整个流通过程，木材产地信息很容易被恶意篡改。受利益驱使，部分不法分子以低价的木材顶替外观极其相似的高价木材；或对禁止采伐的林区进行非法采伐，声称为授权采伐的合法木材，而相关工作人员很难根据自身经验快速、准确判定大批木材的产地来源和树种类型。因此，为了确保交易木材的合法性，急需寻求一种快速、准确、无损预测大批量木材产地、树种类型及木材材性信息的方法。

但目前的研究中都只是针对单一的树种识别，比如公开号：CN 109870421A《一种基于可见光/近红外光谱分析的递增式木材树种分类识别方法》，而且并不能实现木材产地溯源、树种鉴别及木材材性信息的同时精准预测。

发明内容

本发明的目的在于，为了解决上述现有技术存在的不足之处，提出一种可以同时鉴别木材产地、树种类型和预测木材材性信息的基于可见-近红外光谱的木材合法性验证方法，预测精度较高，适用性广泛，能够实现大批木材材性信息的真伪鉴别，降低木材非法交易率。

为实现上述目的，本发明采取的技术方案为：

第一方面，本发明实施例提供一种基于可见-近红外光谱的木材合法性验证方法，包括：

S1、获取待验证木材的可见-近红外光谱数据；

S2、采用第二代小波-提升小波变换对所述可见-近红外光谱数据进行去噪处理；

S3、将步骤S1的可见-近红外光谱数据或步骤S2中经去噪处理后的可见-近红外光谱数据输入合法性验证模型；所述合法性验证模型包括：木材材性预测模型、木材产地溯源模型和木材树种鉴别模型；

S4、输出所述验证木材的木材材性预测结果、木材产地溯源数据和木材树种鉴别数据。