双利合谱高光谱技术在木材检测中的应用（下）
4.高光谱成像技术在木材质量检测中的应用
4.2木材水分预测与化学成分分析
Tsuchikawa等人(Tsuchikawa et al., 2023)总结了近红外光谱技术（NIRS）在林业与木制品中的应用现状和发展趋势。突出强调了NIR-HSI在林业和木制品研究中的的空间分辨、动态监测、多属性分析和无损性等方面的显著优势。文章提到高光谱成像在木材干燥过程中水分迁移动态的可视化能力，例如通过水分解吸和吸附过程生成含水率分布图，从而更直观地观察木材的物理和化学变化（图7）。展示了使用基于NIR-HSI的水分检测来优化木材干燥的复杂模拟参数的潜力，为了解不同干燥环境下木材内部的水分分布提供了基础。
Colares等人(Colares et al., 2016)探讨了利用NIR-HSI技术结合多元曲线分辨-交替*小二乘法（MCR-ALS）对红木化学成分在微观尺度上的分布进行可视化分析的方法（图8）。通过分析木材的三种生长方向（径向、切线方向和横截面），研究揭示了木质素、全纤维素（纤维素+半纤维素）和萃取物在不同解剖结构中的分布差异。
Awais等人(Awais et al., 2020)研究了HSI结合化学计量学方法在分析木材表面乙酰化过程中的应用，通过对木材中乙酸酐的渗透行为进行可视化和定量分析，评估了表面改性对木材性能的影响。研究选取苏格兰松为样品，通过单面乙酰化处理在径向方向上形成乙酰化梯度，并使用PLSR模型和PCA对光谱数据进行降维与分析（图9）。
Mäkelä等人(Mäkelä et al., 2021)研究了采用NIR-HSI结合PCA和PLSR模型，定量分析乙酰化的重量增益（WPG）及其空间分布（图10）。展示了HSI在木材化学改性研究中的重要应用潜力，不仅揭示了乙酰化在木材不同层级结构上的动态分布，还为理解化学处理对木材吸湿性和尺寸稳定性的影响提供了新的视角。
Thumm等人(Thumm et al., 2010)研究了利用HSI技术对辐射松木材的化学成分进行二维分布映射的方法。通过结合成像光谱仪和多元回归分析，研究实现了木材样品中木质素、半纤维素（如葡萄糖和半乳糖）的含量预测与空间分布可视化。Araya等人(Araya et al., 2017)提出了两种基于中红外高光谱成像（MIR-HSI）和多元曲线分辨-交替*小二乘法（MCR-ALS）的单像素定量策略，用于测量木质纤维材料中木质素和葡聚糖的分布及浓度。通过提取光谱数据来揭示化学成分在微观尺度上的空间分布特征。研究表明，基于MCR-ALS的单像素定量策略可以有效地对木质纤维样品进行微尺度化学分析，揭示其化学成分的异质性分布。以上研究验证了近红外高光谱成像技术在木材化学成分分布分析中的应用潜力，不仅能够快速、无损地测定木材的化学成分，还能实现高空间分辨率的分布图像生成，为木材质量评估和加工优化提供了科学依据。
4.3木材物理性能分析
Sofianto等人(Sofianto et al., 2019)利用NIR-HSI技术预测和映射日本杉木单板的MOE，并探讨了结疤和孔洞对MOE预测及其分布的影响。研究采用偏*小二乘回归（CV-PLSR）模型构建了针对单板样品的MOE预测模型，并结合NIR-HSI实现了MOE空间分布的可视化映射（图12）。
Chambi-Legoas等人(Chambi-Legoas et al., 2023)研究了利用近HSI技术预测桉树木材密度，并评估其在早期树种选择中的可行性。通过结合局部加权偏*小二乘回归（LWPLSR）模型和X射线密度计校准数据，该研究成功生成了整个木材横截面的高分辨率密度映射（图13）。NIR-HSI结合LWPLSR模型能够高效、准确地预测木材密度，为早期选择高密度树种提供了有力支持。
Ma等人(Ma et al., 2017)研究了NIR-HSI系统在木材属性**映射和空间分辨分析中的应用潜力。图14展示了NIR-HSI技术在分析木材密度和MFA分布方面的能力。这些结果提供了木材早材（EW）和晚材（LW）密度变化的详细图谱，同时显示了正常木材和压缩木材的密度差异。
