Gebruik van hyperspectrale camera's om het vochtgehalte van hout te meten

Het vochtgehalte van hout is een belangrijk kenmerk van de houtkwaliteit, dat een belangrijke invloed heeft op de houtverwerking, het gebruik en de opslag.Hoewel de traditionele methoden voor het meten van het vochtgehalte van hout, zoals de weegmethode en de weerstandsmethode, een zekere nauwkeurigheid hebben, is het mogelijk dat deze methoden in de praktijk worden gebruikt.Het gebruik van hyperspectraal beeldvorming biedt een snelle,niet-destructieve en efficiënte methode voor het meten van het vochtgehalte van hout.

一、Hyperspectral camera test principe
Hyperspectrale camera's kunnen spectrale informatie van het houtoppervlak verkrijgen, waaronder de reflectiviteit of transmissie van het hout bij verschillende golflengten.Aangezien het vochtgehalte van hout zijn spectrale kenmerken zal beïnvloeden, kan het vochtgehalte worden afgeleid door de spectrale informatie van hout te analyseren.en het voorspellingsmodel tussen het vochtgehalte van het hout en de spectrale informatie kan worden vastgesteld door voorverwerking, extractie en modellering, zodat de snelle test van het vochtgehalte van hout kan worden gerealiseerd.

二Voorbeelden van toepassingen
Instrument: Kleurspectrum ingebouwde push sweep FS-17 in de buurt van de infrarood hoge spectrometer
Hulpapparatuur: constante spectrale lichtbron - voor modelvorming binnen
Lichtbron: lineaire halogeenlichtbron

Experimentele materialen: er worden verschillende houtmonsters met een verschillend vochtgehalte gebruikt als experimentele materialen.en deze houten blokken worden cyclisch gedroogd om verschillende vochtgehalte-toestanden te verkrijgen.

Gegevensverzameling: Spectrumbeeldverzameling van houtmonsters werd uitgevoerd met behulp van een hyperspectraal beeldsysteem.het is noodzakelijk ervoor te zorgen dat de verlichtingsomstandigheden stabiel zijn om de invloed van lichtveranderingen op de spectruminformatie te voorkomen.Tegelijkertijd kan, om nauwkeurigere resultaten te verkrijgen, op meerdere plaatsen van het houtmonster een spectraal beeld worden verkregen.en de gemiddelde waarde wordt genomen als de eindspectrumgegevens.

Gegevensverwerking: Voorverwerking van de verzamelde spectrumgegevens, zoals het verwijderen van lawaai, het corrigeren van het spectrum, enz.Vervolgens wordt een functieleksiealgoritme gebruikt om de kenmerkende golflengte in verband met het vochtgehalte van hout te extraheren om het model te vereenvoudigen en de voorspellingsnauwkeurigheid te verbeteren.

Modelleer: op basis van de geextraheerde kenmerkende golflengte is het voorspellingsmodel tussen het vochtgehalte van hout en de spectrale informatie vastgesteld.Veelgebruikte modelleringsmethoden zijn onder andere Gauss-procesregressie (GPR)Deze modellen kunnen snel het vochtgehalte van hout voorspellen op basis van de spectrale informatie.

Modelvalidatie: het gevestigde model wordt gevalideerd met behulp van een onafhankelijke validatie-set om de voorspellende prestaties en nauwkeurigheid ervan te beoordelen.Gewone evaluatie-indices omvatten de correlatiecoëfficiënt (R2) en de wortelgemiddelde vierkantsfout (RMSE).

三、Voordelen voor de toepassing
Snelle test: De hyperspectrale camera kan in korte tijd de spectrale informatie van het houtoppervlak verkrijgen, zodat de snelle test van het vochtgehalte van het hout kan worden gerealiseerd.

Niet-destructieve tests: in vergelijking met traditionele testmethoden veroorzaakt hyperspectrale beeldvormingstechnologie geen schade aan het hout,dus het is beter geschikt voor het testen van waardevol hout of hout dat in integriteit moet worden gehouden.

Hoge nauwkeurigheid: door het opstellen van een nauwkeurig voorspellingsmodel kunnen hyperspectrale camera's een zeer nauwkeurige test van het vochtgehalte van hout bereiken.voldoen aan de strenge eisen inzake kwaliteitscontrole van de houtverwerkende industrie.

四、 Toepassingsvooruitzichten
Met de voortdurende ontwikkeling en verbetering van de hyperspectrale beeldvormingstechnologie zullen de toepassingsvooruitzichten in de test van het vochtgehalte van hout breder worden.We kunnen uitkijken naar de opkomst van hyperspectrale camera's met een hogere precisie, snellere snelheid en gemakkelijker werking om te voldoen aan de behoeften van de houtverwerkende industrie voor kwaliteitscontrole en intelligente productie.in combinatie met geavanceerde technologieën zoals machine learning en deep learning, kan de nauwkeurigheid en de intelligentie van de test van het vochtgehalte van hout verder worden verbeterd.

Kortom, hyperspectrale camera's hebben aanzienlijke voordelen bij het testen van het vochtgehalte van hout, omdat ze een efficiënte, nauwkeurige en niet-destructieve inspectiemethode bieden voor de houtverwerkende industrie.