基于近红外光谱的木质粉尘火星检测综述

摘要：人造板生产过程中会产生大量易燃易爆的粉尘，如何有效快速的检测到火星并采取措施预防是极为必要的。本次实验选用马尾松和杨木的粉尘作为研究对象，两类树种粉尘燃烧时火花的亮度以及充分燃烧后灰分剩余物的反射率作为检测指标，对燃烧时以及燃烧后的粉尘样本采集900～1700nm波段范围的红外光谱数据，利用连续投影算法（SPA）等方法方法提取光谱特征波段。建立数据预测模型，确定最优建模方案，并结合分类方法进行分类，为今后新型火花探测器系的开发提供一定的理论支持。

Abstract：A large number of flammable and explosive dusts are generated during the production of wood-based panels. How to effectively and quickly detect sparks and take measures to prevent them is extremely necessary. In this experiment, the dust of Pinus massoniana and poplar wood was selected as the research object. The brightness of the sparks of the two types of tree dusts and the reflectivity of the ash residue after full combustion were used as the detection indicators. The samples of the dust samples during combustion and after combustion were collected 900~ The infrared spectral data in the 1700 nm band is extracted by the method of continuous projection algorithm (SPA). The data prediction model is established, the optimal modeling scheme is determined, and the classification method is combined to provide some theoretical support for the development of the new spark detector system in the future.

关键词：火星检测 近红外检测 连续投影算法 Envi

正文：在干法生产的中密度纤维板生产过程中,生产线上的几个部位是容易产生火花而引起火灾的。如在易生产火花的位置上安装火花探测系统,则可以探测火花是否产生;同时在适当的位置上安装了灭火系统,则如有火花产生,马上可以喷水(一般干法生产用水灭火)扑灭,杜绝火灾的发生,避免由火花产生而引起火灾造成的损失。

高光谱成像是指在电磁波谱的光谱波段获取较高光谱分辨率(0.6~3.0nm)的图像信息的过程,其理论基础是利用电磁波谱对被测物特性进行分析并以成像的方式对被测物的光谱特性进行研究所得数据是在特定波长范围内由一系列连续的窄波段图像组成的三维图像现有高光谱成像系统的成像光谱范围包括400~1000nm,900~1700nm和1000~2500nm等3个标准光谱波段。高光谱图像的采集方式包括逐点扫描式,线推扫式以及面帧式。目前,应用最多的是线推扫式。一个典型的线推扫式高光谱成像系统。由电荷耦合器件，探测器,成像光谱仪,镜头,光源及其控制器,可调载物台,步进电机,运动控制系统和图像采集系统等组成。其中,成像光谱仪以光栅型为主,是高光谱成像系统的核心部件,其内部有一个棱镜-光栅-棱镜。单元,在推扫过程中,该单元能将待测物一个窄带空间内的有效入射光散射成不同波长,色散后的光信号成像到探测器上其中的一个方向提供空间信息,另一个方向提供光谱信息,这样就得到了此窄带空间位置上多个像元点的光谱图像对推扫过程中多个窄带空间区域的光谱图像进行拼接,可获得整个待测物的高光谱。

近红外光谱(NIR)是指波长在780~2500nm范围内的电磁波，是物质含氢基团(C-H、O-H、N-H、S-H、P-H等)振动的倍频和合频吸收。近红外光谱分析技术是近年来迅速发展起来的一门高新技术，主要用于有机物质定性和定量分析。近红外光谱技术作为一种先进的检测技术，具有操作简便、预测快速准确、无损识别等优点，已在众多领域得到了广泛的应用。由于不同树种之间的粉尘火星的光谱数据会有一定程度的区别，因此对于木质粉尘的火花检测来说，材料的种属之间都是有检测和鉴定的必要的。对于树种检测问题的研究。

进行实验所采用的的是红外光谱相机。近红外光谱相机的主要特性是多功能性和高图像质量，其内部核心为滨松专利ER-150CCD。与基于ICX–285传感器的相机相比，该相机提高了在红移波长的量子效率（在Cy5发射的峰值波长670nm处，两者量子效率分别为56%和32%），且读出噪声仅为6电子。该相机可以容纳样品的动态范围达6000:1。使用空气制冷（或水冷），减小了暗电流，即使经过几分钟的曝光，暗电流也不明显。该相机输出的图像不仅包含定量相关数据，而且在也有很高的视觉质量，这是其他CCD很难做到的。该相机CCD阵列为一百万像素，可16帧/秒全帧采集，增强的红光灵敏度，使其从绿色荧光蛋白到mCherry和Cy5都可以进行快速荧光成像。和滨松所有的相机一样，我们的DCAM–API驱动（该驱动几乎被所有的科学成像软件包所使用）也完全支持该相机。ORCA-R2简单易用，与自动显微镜及附件无缝接口。ORCA-R2实为一款可靠的多用途相机，可提供非常棒的图像和数据。

再通过高光谱照相机获得数据之后，我们需要使用连续投影算法（spa）进行数据的筛选和分析。连续投影算法(SPA)是一种使矢量空间共线性最小化的前向变量选择算法，它的优势在于提取全波段的几个特征波长 能够消除原始光谱矩阵中冗余的信息，可用于光谱特征波长的筛选。连续投影算法（SPA）是一个专门设计的变量选择技术改善多元线性回归的条件（MLR）通过最小化校准中的共线性效应数据集。 在几个涉及UV-Vis，1,2 ICP OES的应用中，3 FT-IR4和NIR光谱测定，4-6 MLR-SPA得到在与之相比具有良好预测能力的模型中用偏最小二乘法（PLS）获得的常规全光谱模型。

除了使用spa之外还可以使用支持向量机进行数据分析。支持向量机(SupportVectorMachine，简称SVM)是在20世纪90年代中期，由Vapnik提出的一类按监督学习方式对数据进行二元分类的广义线性分类器其决策边界是对学习样本求解的最大边距超平面，目前已应用于很多领域中。本次研究中用到的是基于台湾大学林智仁先生libsvm工具箱在MATLAB环境的支持向量机分析方法。