文摘

实木产品,如交错木材(此时,正变得越来越流行在现代可持续建筑的设计。这种增加产量的解释水平理论需要更健壮,更少的劳动密集型意味着评估整个解释水平理论板的材料特性。探索提高效率的方法,本研究探讨了多元图像分析(MIA)通过偏最小二乘判别分析(PLS-DA)机器学习分类活体供体材料特性的一种手段。解释水平理论板进行了无损检测使用近红外(NIR)光谱成像和x射线计算机断层扫描(CT)分析。米娅进行这些结果构建预测模型对木材的特性,如纤维排列和结类型。模型显示,可以分类材料表面特性此时单独使用近红外光谱;同时结合x射线数据时,它增强材料特性的预测能力在此时此地体积。这些最初的结果这样的造型有可能帮助地图的化学和物理材料性能解释水平理论,提高产品的生产效率,允许更大的实木产品的可持续性。

1。介绍

欧洲标准EN 16351定义了交错木材(此时)作为结构面板组成的正交保税层木材(1]。由于其兼容性与预制,其潜在融入大总成,和其无与伦比的设计灵活性,此时是流行在全球建筑空间作为一个可持续的建筑材料(2]。与固有维稳定加上高承载能力,解释水平理论优于传统nonengineered建筑木材(3]。从性能的角度而言,传统木建筑落后于混凝土和钢铁建筑由于自然变异材料特性(3,4]。解释水平理论,可以组装成多层,承载结构,可以解决一些传统木材的缺点和为木制大型和高层结构比钢铁和混凝土更可持续的选择。然而,特定的材料特性的贡献影响的特性,如节,此时面板的整体性能不是很好理解5]。因此,了解活体供体材料的特点和性能之间的关系是定义的关键应用,提炼现有的制造流程,尽量减少材料浪费value-yield最大化。面板的方差可以减少,他们的整体力学性能平均值可以增强6]。

将木材转化为实木产品解释水平理论板组成木材的价值增加,这是一个驱动激励投资于新技术,完善解释水平理论属性。这不仅提高了产品的安全性和寿命(7),它还提供了一个竞争优势在其他市场参与者8]。木头的质量是一个函数的发生wood-moulding特性和依赖他们的数量,位置,和大小。节,最具影响力的非齐次特征可以使用不同的策略分类(9]。宝贵的手册对已出版的多元光谱成像和图像分析(10- - - - - -13]。各种策略可以用于功能分类(9];然而,为了减少产品的差异,测量技术对物质评估需要进一步发展(14]。这一事实最终用户与解释水平理论制造商联系越来越频繁,询问所发生的外观变化突出的重要性。事实上,检查员确定他们应该如何评价活体供体表面和链接得到的评价结果与最终的检验。这是特别具有挑战性检查人员需要能够提供现实的期望基于分类木材的特性,如节,增加昂贵的索赔案例与解释水平理论的风险(15]。

目前,不同的非接触方法存在评估日志和层数目的质量(16]。然而,没有基于成像的非接触检测方法,允许连续监测的最终解释水平理论的产品。基于表面数据图像处理和x射线计算机断层扫描(CT)的数据可以确定材料的变化,边界,并在木材尺寸变化。这种基于图像的系统可以消除需要接触测量,从而提高质量控制和生产力,反过来,减少材料浪费。然而,一个问题是特征值采用结构设计容易大量材料方差。许多参数影响材料质量不考虑由于天然木材的复杂性,这创造了广泛的差异在这些参数17]。然而,通过主成分分析多元图像分析(MIA)已经成功地用于分类的特征在木材表面基于表面获得的图像在不同波长的可见光和近红外(NIR)光谱[18]。

结的分类基于x射线数据证明了用两种方法相似的结果:投影神经网络模型和偏最小二乘(PLS)潜在的结构模型(19]。高光谱成像基于近红外光谱,它允许测量范围广泛的化学和物理性质,承诺为范围广泛的工业应用,包括评估的木材(20.]。Sandak et al。21利用高光谱成像技术开发模型,量化的木材表面化学成分的变化,援助流程优化,并确定材料特性。

近红外光谱成像校准与微x射线微被用来确定成熟比幼龄材在松22]。这个比例是木头结构相关的应用程序,因为材料特性的差异。然而,值得注意的是,最佳的近红外光谱结果当earlywood之间的过渡点和latewood评估分别通过请判别分析(PLS-DA)。在另一项研究[23),木材密度和微纤丝角的测定与近红外光谱成像。后者属性是无价的,因为他们与木材硬度和强度有关。在这种情况下,请进行回归分析来确定x射线微和近红外光谱数据之间的关系,并促进年度增长环特性的检测除了异构特性影响木材质量。重要的是,请启用方法相关的近红外光谱数据与密度和微纤丝角。近红外光谱和x射线扫描也被用于映射的化学和物理性质结束粮食白杨圆木磁盘(24]。

此时产品的大规模生产,更准确的最终质量控制是必需的。准确预测非齐次特征的影响力学性能的成品会导致更大的value-yield。表面质量时,解释水平理论用于可见表面要求最高,因此,预计将有一个均匀的表面相对较小直径的最小死节(15]。可以预见的是,第二高解释水平理论表面质量对应工业表面可能出现比解释水平理论用于可见的表面缺陷,和最低的质量分配给解释水平理论用于掉看不到表面最极端的缺陷,从rot-attacked结,结洞,没有限制结直径(15]。

这是不寻常的一个生产线生产100多000³/年的此时此地。为了应对日益增长的需求解释水平理论,技术质量评估需要跟上步伐创造大吞吐量解释水平理论生产设施。因此,非接触过程评估,例如,在这项研究中,提出可以将值添加到这个不断增长的行业。作为第一个小说解释水平理论评估进行像素级光谱图像数据的基础上,本研究旨在激发进一步的研究,可能提供实用的基于图像的解释水平理论评估技术。准确、有效地识别影响因素变量的解释水平理论需要的属性分类涉及从数据驱动的角度来看。因此,本研究的目的是确定多元图像分析基于近红外光谱和x射线数据有助于增强分类解释水平理论板的材料特性。

2。材料和方法

2.1。材料

本研究中使用的解释水平理论板组成的挪威云杉(挪威云杉(l)岩溶)和捏造的老工业此时此地在马丁森生产线,小岛木制品锯木厂的一部分(Bygdsiljum、瑞典)。面板是分层横向和保税melamine-urea-formaldehyde (MUF)胶粘剂(Cascomin 1247固化剂2526,阿克苏诺贝尔公司)。通过一个工业胶粘剂应用线机每个木层的一侧。总共有320 g / m²应用的粘合剂。木材类与C24年级(25),主要由边材。使用之前,活体供体标本被存储在一个人工气候室认可上升直到平衡含水率12%的密度达到480公斤/米³。六个标本进行分析;每个标本是一面墙活体供体。使用两个扫描系统标本进行评估:近红外光谱和x射线CT。所有活体供体标本测量30毫米×95毫米×240毫米。三个参考孔钻到每个标本的上游地区。使用这样的引用特性良好的实践在一个探索性研究基于图像的简化初始控制通过确保没有反映不同扫描系统之间数据(9]。

2.2。方法和仪器

增加变量的数量产生不同波长的优点是使更多的多元空间中旋转。通过添加不同的过滤器,这是展示数码相机(26]。本研究旨在评估MIA构建预测模型的有效性基于结合近红外光谱和x射线数据(图1)。

2.2.1。近红外成像

使用高光谱图像获得短波红外(短波红外成像)相机,短波红外成像模型3光谱相机线检查员HSB,与C-mount OLES15 15 mm f / 2.0镜头光圈。这个多功能成像系统是由Prediktera AB(瑞典Umea)和在拿扫帚工作模式,收集数据在1000 - 2500纳米光谱范围从标本在传送带上的传承。仪器校准使用白色参考面板和一个模拟黑暗的参考,这是由暂时关闭快门。近红外高光谱图像来自384空间像素和288光谱波段获得的;代表一个扫描视场(FOV)×384像素677像素,这对应于165毫米×291毫米。反过来,一个像素数据点对应于0.43毫米×0.43毫米×288光谱扫描活体供体的乐队。

2.2.2。x射线计算机断层扫描成像

CT扫描仪是一个医学CT扫描仪的滑动龙门on rails已经适用于木质材料,也就是说,西门子Somatom情感两滑动龙门CT 2006 H-SP-CR(德国慕尼黑)。准备使用扫描参数收敛性研究和设置为110 kV, 67 mAs,身高,重建内核B70s L7T0 2,和每个扫描的切片厚度2毫米。每次扫描系列后,扫描仪重建的512×512像素,像素灰度图像代表一个扫描视场(FOV) 500毫米×500毫米。一个重构密度体素从西门子临床CT扫描软件出口对应0.98毫米×0.98毫米×2毫米的扫描活体供体。

2.3。多元图像分析

所有2017年MATLAB图像扭曲(MathWorks公司,纳蒂克,麻萨诸塞州,美国)对应于相同的矩阵大小。随后,米娅都使用Prediktera表明专业版2.7.5(瑞典Umea)来创建PLS-DA模型。表明所提供的软件包是一个多元图像分析软件用于造型,因此,它可以用来导入和合并所有常见的图像和数据格式。解释水平理论,PLS-DA数据矩阵的转换行像素,即。、观察研究和列的描述符,即。光谱的样品材料。PLS-DA被用来提取潜在的数据趋势低于均值噪声水平和处理像素的观察与缺失的数据(9]。

PLS-DA是一个机器学习的工具,用于特征选择和分类27]。人工智能(AI)而言,这相当于构建一个基于PLS(机器学习模型28]。对模拟执行分类使用PLS-DA解释水平理论的数据集,数据集被投射到潜在的结构。这是机器学习相当于self-prediction。PLS-DA被用作监督版本的主成分分析(PCA),它实现了降维特征选择的类(29日]。主成分分析作为典型的起点在多元数据分析30.]访问纤维排列和结类型,即。、死亡与声音。构建PLS-DA模型作为监督模式识别技术对活体供体标本特性到预定义的类进行分类。米娅被用来直观地显示的结果(31日]。数据矩阵单元方差比例,一般推荐(30.]。

PLS-DA预测建模技术来处理和解决非线性分类问题。请开始降维之后,预测模型的发展,即。判别分析。PLS-DA利用协方差(32]。PLS-DA是降维的建模技术和基于常规PLS回归的歧视;然而,类会员是预测的模型33]。PLS-DA发现潜在变量的描述符空间有最大协方差预测变量(34]。基于像素的模型解释水平理论创建每个像素在空间视为一个观察点。PLS-DA模型的像素预测和分类像素生成。

3所示。结果与讨论

3.1。理由提出的评估方法交错木材

Scheepers et al。35)证实,木材特性影响刚度可以得到识别和使用基于近红外光谱的多元模型表面测量数据。在最近的一项研究中,化工等。36)研究了表面材料的性质砌石只利用表面数据。从高光谱测量是基于矩阵进行像素级数据推动扫帚系统,从便携式近红外光谱探针表面点测量,便携式x射线荧光光谱仪收集逐点表面数据。具体来说,数据矩阵用于修饰或说明整个表面填充multispectrum像素图像数据。在选定地区表面上,与一个更高层次的细节进行了测量,提高空间分辨率,扩展波长频带通过融合方法(36]。

本研究与解释水平理论是建立在一个类似的测量原理和基于特定区域的标本。然而,它在执行测量表面通过试样的体积,利用内部和表面特征的解释水平理论。这是通过关联高空间分辨率的近红外光谱与x射线数据表面光谱数据。这种融合的技术本质上扩展了访问波长范围研究解释水平理论,如x射线比近红外光谱有更短的波长。本研究的特点就是在利用活体供体的内部和表面材料特性。以下部分提供的分析结果和讨论是否融合方法基于近红外光谱和x射线测量是可行的评估板移植的相对于尸体供体。

3.2。主成分分析和偏最小二乘判别分析

借助基于近红外光谱的主成分分析数据,描述性模型发展到整个数据集投射到不同的子空间来找到相关的趋势。材料具有相同特征的模型识别集群基于它们的光谱特征。第一个组件的PCA轮廓图这一研究获得的区分不同的纤维排列,表示为纵向0°层和横向90°层活体供体标本在图2。这些轮廓图呈现特定的木材解剖特征的空间分辨率在此时此地的第一和第二组件。结导致中断的连续性和纤维的取向。第二部分的PCA等高线图这进一步分离结不清楚木材(图2)。

PLS-DA,基于类的“结”和“明确的木头,预测结在外部解释水平理论板组成的测试集。值得注意的是,这个测试数据集不包含在模型的培训;因此,它作为一个外部验证模型的有效性。可以看到图预测的结3,PLS-DA散点图显示清晰的木结集群的负相关。

PLS-DA模型基于近红外光谱可以被训练来预测不同类型的结在活体供体标本体积当x射线数据与模型。这有助于提高木材特性的检测隐藏的解释水平理论表面以下。通过结合近红外光谱和x射线测量,分析的光谱波长范围扩展,促进更广泛的材料的检测功能。测量一个小地区的高细节和关联到整个样本的总体积总是扩展了模型识别相关材料特性的能力。在这种情况下,近红外光谱提供了一个提高水平的区域空间细节与整体体积上下文提供的x射线。

PCA等高线图分离结不清楚木材样品总体积。它还区分死和声音节,前者出现深蓝色和后者,红色(图4(b))。死和声音节正在挑战当只使用x射线数据区分开来,因为这两种类型之间的主要区别是化学成分。节的化学成分不同于明确的木材(37]。一般来说,根据稳健的一个结,颜色的变化;整体[死亡节显得更黑38]。

考试的PCA散点图显示结集群是独立于其他的标本集群,指示相反的特征。在PLS-DA散点图,结在第一和第二集群分离组件。一个活体供体标本代表数以百万计的价值观和足以火车模型训练样本确定材料特性以及其他标本。活体供体标本是由不同的木头块粘在一起的纵向和横向堆存方法,捕获的概率增加更多的物质特性。一般来说,它是良好的实践训练PLS-DA模型在几个标本。也必须有一个实验设计,捕捉尽可能多的木材特性在模型训练阶段,以确保真实和可靠的预测在实际情况。

PLS-DA可预测性的第一和第二部件有关的三个模型,即x射线,近红外光谱、近红外光谱与x射线,是列于表1。

3.3。影响

一个多功能成像系统有潜力成为生产线上使用。因此,在这项研究中提出的基于映像的技术评估可以扩展到此时的产品开发。已经证明,活体供体标本的近红外光谱模型识别特性实时传递传送带上。这一命题是一致的与其他研究领域也提出使用近红外光谱作为一个潜在的工具进行在线过程控制在工业应用39]。

结合近红外光谱与x射线成像可以提高预测模型确定材料特性的能力。通过进一步的研究表明,这种策略可能用于自动最终质量管理体系评估此时此地的制造过程是否符合预期。近红外光谱和x射线可能还提供必要的material-passport认证信息解释水平理论化学和物理性质。获得数据的评价不应局限于单独变量描述材料的结构还包括那些能够预测完成产品的力学性能。

解释水平理论板的连续生产包括系统,将大量的原材料转换为认证产品。通过进一步的研究,这样的系统可能会受益于一个反馈回路的集成到process-adaptive过程控制。这将促进即时识别和解决技术问题和产品特征的连续监测。这种行为可能涉及访问参数与粘结线质量、水分含量变化,干燥缺陷,铣缺陷,和物质失调彻底敲定活体供体的过程控制。以确保解释水平理论板达到一致的认证要求,进一步研究开发和实现无损监测技术行业是至关重要的。基于近红外光谱和x射线图像系统,在这项研究中,讨论的是为生产就绪铺平了道路系统,可以发现问题,测量材料特性实时质量控制系统。

超出了木材工业、近红外和可见光相机的组合已经被用来监测聚合物薄膜在宏观范围内识别局部缺陷相关的材料的机械性能(40]。另一项研究在预测膜生物聚合物的拉伸性能也提出了用近红外光谱无损评估预测膜的机械性能(41]。目前使用x射线扫描的对象在不同的应用程序,如集装箱的检查。货物x射线检测系统发现广泛使用海关监管的容器运送商品。然而最近,兴趣已经使用这些扫描系统更多样化的目的,推动更多的技术开发(42]。典型的货物x射线检测系统是一种免下车的x射线扫描仪,允许实时容器验证。该系统为模块化结构,设计融入现有的交通管理系统。一个旋转的x射线源扫描集装箱设计理论上[43]。然而,目前货物传输x射线线扫描仪(44]似乎更相关的质量控制硬件的开发更大的解释水平理论生产线。在这个阶段,这是一个宏伟蓝图,需要进一步的研究,以满足工业需求。然而,这种技术有潜力作为一个数据驱动的评估工具在工业加工由于其通用性。这项研究,第一个解释水平理论评估基于进行像素级光谱数据,目的是作为一个筛选研究,希望激发进一步的研究在这个领域。

4所示。结论

与日益增长的市场份额交错木材(此时此地在建筑业,需要更全面的成品的质量检验。目前还没有全面的方法连续监测活体供体成品的质量,这是一个潜在的解释水平理论制造材料浪费降至最低。基于当前的实践,此时制造过程中质量控制的关键过程严重受损。考虑到经济学的解释水平理论,进一步发展实现非接触和非破坏性检查是必要的。本研究提出了一种策略,预测材料的功能特性完成解释水平理论,有可能进一步扩大与变量来形成一个全面的质量管理体系。

结果表明,基于多元图像分析的数据驱动的机器学习方法(MIA)通过偏最小二乘判别分析(PLS-DA)可以用来解释水平理论面板材料特性进行分类。(1)模型基于近红外(NIR)就可以预测材料表面特性解释水平理论;结合x射线计算机断层扫描(CT)时,它增强材料特性的预测能力在此时此地的体积。(2)米娅解释水平理论可以预测木材特性,比如纤维进行校准和结类型,即。、死亡与声音。(3)结合近红外光谱和x射线利用两种不同的波长范围,使有用的见解与材料属性解释水平理论从一个广泛的光谱范围。(4)这种方法的评估基于进行像素级光谱数据允许的数据驱动检测活体供体材料的性质。

数据可用性

数据用于支持本研究的结果都包含在这篇文章中,和帮助从CT木生成类似的数据是可用的。

的利益冲突

作者宣称他们没有利益冲突有关的出版。

确认

真诚的感谢保罗Geladi实验设计在实验室帮助瑞典农业科学大学关于多元图像分析和讨论。这是不可能没有迪克桑德伯格,提供有价值的研究结构的划分在吕勒奥理工大学木材科学与工程。谢谢你也去Benedikt Neyses建议关于多元数据分析和研究机构的Anders Gustafsson瑞典(上升)的技术支持。作者欣然承认CT的很大的支持了柴吕勒奥理工大学的卓越中心的x射线计算机断层扫描应用程序的开发森林产品行业。这个项目也是由TraCentrum北(TCN)通过项目材料描述(239278)。