利用近红外光谱和连续投影算法，对针叶材表面缺陷的识别进行研究。

简介：
为了自动化地根据节理对木板材进行分级，采用了近红外光谱技术，对针叶材表面的节子进行了检测。研究对比了光谱预处理和建模方法对节子识别的差异，并考察了单一树种板材节子识别模型在其他树种板材节子识别中的适应性。此外，构建了一个混合树种板材的节子识别模型，并借助连续投影算法（SPA）进行了节子特征波长选择优化。实验结果表明，结合一阶导数光谱与最小二乘支持向量机（LS-SVM）构建的单一和混合节子识别模型表现出最佳性能。通过连续投影算法筛选出的15个特征波长变量仅占全波长变量的87%，而所构建的LS-SVM简化模型在测试集上分别展现出99.0%的敏感性、95.4%的特异性和97.44%的识别准确率。实验数据证实，近红外光谱技术与SPA和LS-SVM相结合，能够快速且精确地检测多种针叶材板材表面的节子缺陷。连续投影算法作为一种有效的提取板材表面节子缺陷特征的方法，不仅能简化模型结构，还能显著提升模型预测精度。