(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210998257.5 (22)申请日 2022.08.19 (71)申请人 江西农业大 学 地址 330045 江西省南昌市经济技 术开发 区志敏大道1 101号 (72)发明人 赖猛　刘思羽　易敏　张露　文静　 胡蓉　 (74)专利代理 机构 北京东方盛凡知识产权代理 有限公司 1 1562 专利代理师 向离山 (51)Int.Cl. G01N 21/359(2014.01) G01N 21/01(2006.01) (54)发明名称 一种用近红外光谱技术预测湿地松弹性模 量的方法及系统 (57)摘要 本发明提供一种用近红外光谱技术预测湿 地松弹性模量的方法及系统， 包括以下步骤： 获 得湿地松木芯样品； 基于湿地松木芯样品， 获得 原始近红外光谱数据和所述湿地松木芯样品的 弹性模量测定值； 将原始近红外光谱 数据和湿地 松木芯样品的弹性模量测定值， 划分为校正集和 外部验证集； 基于校正集， 建立湿地松弹性模量 近红外预测模 型； 将未参与建模的外部验证集的 近红外光谱图带入上述弹性模量近红外预测模 型得到预测值， 通过对比验证集弹性模量预测值 与测定值之间的差异， 完成对湿地松弹性模量预 测模型的检验。 通过建立湿地松弹性模量的预测 模型， 可为湿地松育种群体弹性模量大规模测定 提供一种简单、 快速、 准确的方法。 权利要求书2页 说明书6页 附图4页 CN 115372310 A 2022.11.22 CN 115372310 A 1.一种用近红外光谱技 术预测湿地松弹性模量的方法， 其特 征在于， 包括以下步骤： 获得湿地松木芯样品； 基于所述湿地松木芯样品， 获得原始近红外光谱数据和所述湿地松木芯样品的弹性模 量测定值； 将所述原始近红外光谱数据和所述湿地松木芯样品的弹性模量测定值， 划分为校正集 和外部验证集， 校正 集样本的性质参数要均匀分布； 基于所述校正 集， 建立湿地松弹性模量近红外预测模型； 将所述外部验证集近红外光谱数据带入所述湿地松弹性模量近红外预测模型获得预 测值， 通过对比外部验证集弹性模量预测值和测定值之间的差异， 完成对所述湿地松弹性 模量预测模型 预测水平的评价。 2.根据权利要求1所述用近红外光谱技术预测湿地松弹性模量的方法， 其特征在于， 获 得所述湿地松木芯样品的弹性模量测定值的方法为： 由SilviScan木材测定系统对所述湿地松木芯样品进行测量， 获得所述湿地松木芯样 品弹性模量 值。 3.根据权利要求1所述用近红外光谱技术预测湿地松弹性模量的方法， 其特征在于， 获 得所述原始近红外光谱数据的过程包括： 将所述湿地松木芯样品粉碎成木粉细末； 对所述木粉细末进行筛 选， 选取符合预设要求的40 ‑60目的木粉细末为待测样品； 利用傅里叶近红外光谱仪对所述待测样品进行光谱扫描， 获得所述原始近红外光谱数 据。 4.根据权利要求3所述用近红外光谱技术预测湿地松弹性模量的方法， 其特征在于， 利 用傅里叶近红外 光谱仪对所述待测样品进行光谱扫描时， 扫描范围为15000 ‑4000cm‑1， 分辨 率为8， 室内温度在27℃左右， 空气湿度为40％ ‑60％； 每个所述待测样品扫描5次， 重复装样 5次取平均值。 5.根据权利要求1所述用近红外光谱技术预测湿地松弹性模量的方法， 其特征在于， 建 立所述湿地松弹性模量近红外预测模型的过程包括： 将所述校正 集的原始近红外光谱数据， 采用二阶导数进行 数据预处 理； 基于偏最小二乘法结合留一法交叉验证， 将所述校正集的弹性模量测定值和所述近红 外光谱数据相关联进行拟合， 建立所述湿地松弹性模量近红外预测模型。 6.根据权利要求5所述用近红外光谱技术预测湿地松弹性模量的方法， 其特征在于， 所 述湿地松弹性模量近红外预测模型构建过程中， 还需根据 残差影像图和残差分布图剔除所 述湿地松弹性模量近红外预测模型中的异常样品， 提高模型的预测精度。 7.根据权利要求5所述用近红外光谱技术预测湿地松弹性模量的方法， 其特征在于， 所 述湿地松弹性模量近红外预测模型构建过程中， 以交互验证均方根误差最小为基准确定最 佳主成分数。 8.根据权利要求1所述用近红外光谱技术预测湿地松弹性模量的方法， 其特征在于， 所 述方法还 包括对所述湿地松弹性模量近红外预测模型进行外 部验证， 其 步骤包括： 将所述外部验证集近红外光谱图输入所述湿地松弹性模量近红外预测模型， 获得预测 值；权　利　要　求　书 1/2 页 2 CN 115372310 A 2将所述外 部验证集弹性模量的预测值对比其测定值之间的线性关系和残差值； 基于所述线性关系和残差值， 获得 所述湿地松弹性模量近红外预测模型的实测能力。 9.一种用近红外光谱技术预测湿地松弹性模量的系统， 其特征在于， 包括木芯样品获 取模块、 数据获取模块、 数据划分模块、 模型构建模块和外 部验证模块； 所述木芯样品获取模块， 用于获得湿地松木芯样品； 所述数据获取模块， 用于基于所述湿地松木芯样品， 获得其原始近红外光谱数据和弹 性模量测定值； 所述数据划分模块， 用于将所述湿地松木芯样品的原始近红外光谱数据和弹性模量测 定值， 划分为校正 集和外部验证集； 所述模型构建模块， 用于基于所述校正 集， 建立湿地松弹性模量近红外预测模型； 所述外部验证模块， 用于将所述外部验证集近红外光谱数据带入所述湿地松弹性模量 近红外预测模型， 对比外部验证集弹性模量预测值和测定值之间的差异， 完成对所述湿地 松木弹性模量预测模型 预测水平的评价。权　利　要　求　书 2/2 页 3 CN 115372310 A 3