学位论文 > 优秀研究生学位论文题录展示

结合近红外与模式识别技术的纸浆原料分类研究

作　者: 刘雪云
导　师: 胡慕伊
学　校: 南京林业大学
专　业: 制浆造纸工程
关键词: 近红外光谱聚类分析纸浆原料 SIMCA 模式识别
分类号: TN219
类　型: 硕士论文
年　份: 2011年
下　载: 20次
引　用: 0次
阅　读: 论文下载

内容摘要

植物纤维原料作为纸浆的原料,其类型对纸浆有着密切的利害关系。纸浆原料鉴别的目的在于确定纸张中纤维的种类、不同加工工艺生产的纸浆类别,这对造纸产品的质量检查、纸张特性的研究和产品的仿制等非常有用。传统的方法是通过在显微镜下对纤维形态的观察,或者通过纤维或纸浆对染色剂的颜色变化来确定。这种方法虽然能够准确地识别纸浆的种类,但其步骤繁琐、耗时耗力。耗时耗力。近红外反射光谱分析技术是一种可用于以原样分析且、速度快、成本低、结果性好和非破坏性的分析方法,在化工、食品、农业等领域已经得到普遍应用,可以解决纸浆鉴别传统方法的缺点。本文结合纸浆原料快速鉴别的需要,以测量的纸浆手抄片近红外漫反射吸收光谱为分析对象,利用模式识别技术开展纸浆原料近红外光谱分类研究。通过实验分析了光谱测定中的误差因素,确定合理的光谱测量方案,完成六类纸浆品的收集、手抄片制样及其近红外光谱信号采集。对纸浆原料的近红外光谱经过滑动平均滤波和一阶微分预处理,基于主成分分析法对纸浆原料进行聚类分析研究,表明采用近红外光谱技术结合聚类分析能对样品正确、快速分类,并分析了影响样品正确聚类的因素,结果表明：漂白工艺对纤维的近红外光谱鉴别影响明显；不同定量的制样方法对分类无显著影响；添加不同类型的助剂,对纸浆原材料的分类无显著影响。分别采用BP人工神经网络和SIMCA法建立六类代表性纸浆原料的近红外光谱识别模型,并着重介绍了SIMCA法应用中关键技术,实现不同种类纸浆原料的鉴别。针对传统的近红外光谱特征提取方法的不足,应用小波变换和分形理论,通过计算纸浆原料近红外光谱的小波分形参量作为特征变量,探讨了将其用于纸浆种类识别的效果。使用小波变换和分形提取特征变量时,只要确定小波函数和小波分解尺度,即可获得光谱的小波分形参量,虽然使用小波分形参量进行特征提取判别纸浆种类时,判别的正确率不是很高,但其小波分形参量特征提取的简洁性是其突出优势,如果通过选择或构造合适的小波函数,或结合简单的预处理,有望提高判别正确率。

全文目录

致谢  3-4
摘要  4-5
Abstract  5-8
第一章绪论  8-13
  1.1 课题的研究背景和研究意义  8-9
  1.2 近红外分析技术的应用和发展  9-11
    1.2.1 近红外分析技术的发展阶段  9-10
    1.2.2 近红外技术在造纸工业中的应用  10-11
  1.3 本课题的研究对象、任务和内容  11-13
第二章近红外光谱技术和化学计量学的基本理论  13-24
  2.1 近红外光谱的吸收机理  13-17
    2.1.1 近红外分子振动光谱  13-14
    2.1.2 比尔定律  14-15
    2.1.3 漫反射定量分析原理  15-17
  2.2 近红外光谱分析技术的基本方法  17-18
  2.3 用于近红外光谱分析的化学计量学方法  18-23
    2.3.1 光谱预处理方法  19-20
    2.3.2 近红外光谱的定量分析方法  20-21
    2.3.3 近红外光谱的定性分析—模式识别定性方法  21-23
  2.4 本章小结  23-24
第三章纸浆原料的近红外光谱采集  24-28
  3.1 实验仪器工作参数的确定  24
    3.1.1 实验仪器  24
    3.1.2 仪器工作参数  24
  3.2 光谱测量中的各误差因素分析  24-27
    3.2.1 样品制样方法对光谱测量的影响  25-26
    3.2.2 样品的填充度对光谱测量的影响  26
    3.2.3 样品检测池容器对光谱测量的影响  26-27
  3.3 本章小结  27-28
第四章纸浆原料的近红外光谱分类研究  28-40
  4.1 光谱预处理和特征提取  28-29
    4.1.1 光谱数据预处理  28
    4.1.2 基于主成分分析的特征提取  28-29
  4.2 实验一:6种纸浆浆种的分类  29-33
    4.2.1 实验材料与光谱测量  29-30
    4.2.2 预处理效果的比较  30
    4.2.3 四种原浆纸样的聚类分析  30-32
    4.2.4 六种纸浆的聚类分析  32
    4.2.5 实验总结  32-33
  4.3 实验二:阔叶浆的分类  33-34
    4.3.1 实验材料  33
    4.3.2 聚类分析结果与讨论  33-34
  4.4 实验三:工艺的影响  34-39
    4.4.1 特殊化学添加剂  34-35
    4.4.2 四种浆的聚类分析  35-37
    4.4.3 五种浆的聚类分析  37-39
    4.4.4 实验总结  39
  4.5 本章小结  39-40
第五章纸浆原料近红外判别模型的建立  40-54
  5.1 近红外光谱定性分析的一般步骤  40-41
  5.2 纸浆近红外光谱判别模型建模数据  41-43
    5.2.1 实验材料  41-42
    5.2.2 校正集样品的选择  42
    5.2.3 光谱预处理和特征提取方法  42-43
  5.3 基于BP人工神经网络的纸浆近红外光谱判别模型  43-45
    5.3.1 BP人工神经网络原理  43-44
    5.3.2 主成分特征提取  44
    5.3.3 BP神经网络模型的结果与分析  44-45
    5.3.4 结论  45
  5.4 基于SIMCA技术的纸浆近红外光谱判别模型  45-52
    5.4.1 SIMCA建模原理  45-48
    5.4.2 建立SIMCA模型中的关键技术法  48-51
    5.4.3 SIMCA模型的建立和判别结果  51
    5.4.4 结论  51-52
  5.5 两种判别方法的比较  52-53
  5.6 本章小结  53-54
第六章结合小波变换和分形的纸浆近红外识别特征提取  54-67
  6.1 分形和分形维数  54-55
  6.2 小波变换  55-57
  6.3 基于分形和小波变换的小波分形参量  57-60
    6.3.1 小波函数分形参量  57-58
    6.3.2 算法步骤  58-59
    6.3.3 小波函数选择的理论依据  59-60
  6.4 纸浆近红外光谱小波分形特征的提取与判别模型建立  60-65
    6.4.1 小波函数的选择  60-61
    6.4.2 小波分解尺度的选择  61-63
    6.4.3 判别模型建立及结果分析  63-65
  6.5 与传统方法的比较  65-66
  6.6 本章小结  66-67
第七章总结和展望  67-70
参考文献  70-73
详细摘要  73-75
Abstract  75

结合近红外与模式识别技术的纸浆原料分类研究

内容摘要

全文目录

相似论文