竹材分级技术研究进展

黄 昊，黄秀玲，陆亚平，潘家港，彭福来，厉 明

(南京林业大学机械电子工程学院，江苏 南京 210037)

我国竹类资源丰富，竹子种类繁多，共计400余种，竹类资源储蓄量、竹林面积、竹制品产量及出口量均居世界首位。据统计，全国约755万农民直接从事竹林培育、竹制品加工工作，竹产业全国总产值1 173亿元，已成为我国山区农村发展经济、林农脱贫致富的重要支柱产业[1-2]。但是，我国的竹产业目前还存在以下主要问题：产业发展不协调，国内多以生产原料和初级产品为主，二产欠发达，三产开发程度低，导致产品附加值不高；业内创新力不足，技术水平良莠不齐；多数企业规模小，生存和发展空间受限等[3]。这些问题导致国内整个竹产业经济效益低、发展推动力弱。另外，在同一应用领域的竹制产品、木材产品、金属以及化工制品等的相互竞争十分激烈[4]。针对以上竹产业中存在的问题，优化产品结构、提高竹加工产品的工艺水平是主要的解决对策之一，而该对策的核心是产后加工[5]，竹材的产后加工是提高本产业整体经济效益、增强跨产业竞争力的关键。

不同的竹产品有不同的后期加工方式，但产后初加工离不开断料、分级、开片、粗刨等步骤，其中竹材分级是重要的环节之一。分级包括对外表关键参数的检测分级(如竹壁厚度、竹材半径、颜色等)、对材性的检测分级(如含水率、密度、吸水性、维管束密度、湿胀干缩、各向力学性能等)以及对两者的综合评价分级[6]。国外20世纪30代末就开始了对竹工机械的研究。日本竹材资源有限，但注重新技术的开发和产品的精加工，依靠机器生产的高科技竹产品给本地竹产业带来了巨大的经济效益。欧美竹资源略匮乏且起步晚，但机械化程度高[7]，其他领域(如水果[8]、木材行业)的检测分级技术研究较成熟。国内竹加工设备研发和应用较迟，20世纪70年代之前，手工和利用小型设备进行加工是我国主要的竹材加工方式。进入21世纪后，国外许多相关技术的引进、国内科研人员的科研创新以及对其他行业加工机械的借鉴，促使国内竹材加工方式向机械化、工业化、自动化方向不断发展。然而一直以来竹材分级是我国竹材机械加工的薄弱环节，实际加工时多以人工检测分级为主[9]。高效分级能大幅度地提高加工效率、产品品质，降低生产成本和增加产品盈利。为增强我国竹产品跨国跨行业竞争力，提高我国竹产业经济效益并推动我国竹行业的发展，需通过新技术新设备的开发、各已有技术的集成、竹材分级的实时化、检测设备的高效化和多功能化等方法实现真正意义上的竹材自动分级。

1 国外同类分级技术研究现状

目前国外在其他产业分级技术研究方面较成熟，在竹产业方面的研究较少。木材和竹材在各参数、材性、加工和应用等方面具有一定的相似性，因此木材的分级技术对竹材分级有较高的参考借鉴价值。下面以木材为例简要阐述国外检测分级技术。

1.1 计算机视觉技术的应用

Kline DE.等利用多传感器机器视觉技术实现了硬木木材缺陷的自动识别分级[10]。其使用弗吉尼亚理工大学开发的多传感器扫描系统(配有激光轮廓检测器、彩色相机和X射线扫描仪)对89个红橡木板进行了扫描和分级，并就准确度与线性分级机、人工分级方法进行了对照比较。Rozman D.等介绍了一种基于颜色和纹理对自动镶木地板进行分拣的计算机视觉算法[11]。该算法包括颜色分析、纹理分析和缺陷检测三个主要阶段。颜色分析基于从图像累积直方图获得的百分位数，纹理分析基于从灰度共生矩阵获得的二阶统计特征。利用自适应二进制阈值算法(基于局部正方形区域和连接的分量分析方法)，将缺陷检测转化为图像分割实现木材分级。该方法分级精度达90%，远超人工分级精度。

1.2 声振动谱的应用

材料力学状态的所有信息都包含在梁的时间或频率响应中，直接在振动谱上使用偏最小二乘回归可以较准确地估计相关变量(弹性模量、弯曲强度、密度等)。Brancheriau L.等将偏最小二乘法与声振动谱结合，提供了一种木材分级新方法[12]。分级设备由振动传感器、采集卡和仅执行快速傅立叶变换及乘法矩阵的计算机组成。对木材可听频率范围内的声振动进行分析，通过偏最小二乘回归方法校准的线性模型可使在线分级流程相对简单。

1.3 近红外光谱技术(NIR)的应用

Kobori H.等开发了一种基于近红外(NIR)光谱的锯材快速在线分级设备[13]。该设备配备了衍射光栅线性传感器、高强度照明装置和新型波长色散NIR分光光度计。它可从以120 m/min的速度在传送带上运行的扁柏木材截面整个表面获取光谱，再借助偏最小二乘回归，建立各种水分含量条件下的水分含量和弹性模量的预测模型。实验结果表明该预测模型在高速传送带上有足够的预测准确性，可用于商业锯木厂锯材的在线质量认证。

1.4 核磁共振技术(NMR)的应用

核磁共振(NMR)能即时确定液体中的质子密度，借此可以确定木材的水分含量(MC)。Maks Merela等应用单点NMR法实时测定木材的水分含量[14]。该测量方法基于以下假设：木材中唯一的液体是水，样品中NMR自由感应衰减信号(S)的振幅与水的质量(m)之间有线性关系，可针对给定的NMR探针和NMR光谱仪设置进行精确校准(校准系数k，k′)。将NMR自由感应衰减信号转换为水量后，得到水分含量的计算公式MC=(S-mk′)/(mk-S)。Maks Merela还验证了该方法的准确性和可靠性，无论何种木材均与重量法相当。

1.5 X射线技术的应用

Viguier Joffrey通过X射线和晶粒角的测量对云杉和花旗松木材的力学性能进行建模，达到按强度分级的目的[15]。其应用X射线和晶粒角测量得到805块格拉斯冷杉板和437块云杉板的静态弯曲刚度和弯曲强度，通过振动和超声方法获得弹性模量，并基于这些数据建立力学模型。此外还根据欧洲标准，通过使用不同的指标，对力学性能评估的质量和分级工艺的改进程度进行了比较。结果表明，与行业中常用弹性模量的整体无损测量相比，利用该模型得到的计算结果更优。

1.6 超声波信号的应用

Ruy Monica等根据对巴西均龄约45年热带物种圆木木材的超声测试，提出了圆木的超声分级标准[16]。其用超声在饱和水分含量(MC)大于30%且环境平衡(MC约为12%)条件下测试了不同直径的圆木，仅在MC达到环境平衡(约12%)时进行了静态弯曲测试。结果表明：由于圆木的直径与其声学和力学性能间的相关性，任何圆木分级系统都必须考虑碎木的直径；圆木的直径越大，原木中的超声实际速度与考虑刚性分级标准所期望速度之间的差就越大。

1.7 微波扫描技术的应用

强度估计是木材强度分级的重要步骤。该特性受晶粒方向影响强烈，其与主方向的偏离会导致强度的急剧下降。因此，以快速且非侵入性的方式找到木材纤维方向是木材加工业的基本需求。偏振微波辐射能够以非接触和非破坏性的方式揭示纤维的主要方向。Denzler JK应用该方法建立了一种创新原型，介绍了基于偏振微波扫描锯材的分级原则[17]。该原型能使用立体方法在局部范围内检测晶粒偏差，并对结果进行评估，鉴定具有严重局部晶粒倾斜的样品。Weidenhiller Andreas等探索了单独或结合动态刚度测量进行微波扫描的潜力，对白蜡木、山毛榉木、欧洲栗木和橡木薄片的拉伸强度进行了估计[18]。微波和动态刚度测量结果显示，这4个树种均具有较大硬木强度等级提升的潜力。

2 国内竹材分级技术研究现状

目前国内分级技术在竹材领域已有部分应用，尤其是对外表关键参数的检测分级技术如结合机器视觉的竹材分级技术，而关于材性的研究和分级技术较少。

2.1 对外表关键参数的检测分级技术

国内研究人员将机器视觉与其他识别技术结合实现了对不同外表关键参数的检测。刘红等设计了一种基于机器视觉的竹片颜色自动分选系统[19]，其先将工业相机捕捉的竹片RGB三基色彩色模型滤除噪声并放大处理，再使用软件MATLAB传入L*a*b*空间中提取均值等19个特征值的特征向量，最后利用距离测度模板匹配法的模式识别技术(运算速度较快)实现了利用机器视觉技术对竹片颜色的在线自动选片分拣。

韩伟聪等运用基于像素点间距的新算法实现了对竹材尺寸的实时测量[20]。通过对竹材图像进行选择式掩模平滑、Sobel 算子边缘提取以及二值化等数字图像处理有效地过滤噪声，得到了竹材内外轮廓边缘，然后按照新算法计算出竹材尺寸大小。其可实时在线检测、处理竹材图像，具有运行可靠、计算精度高的优点，为竹材尺寸实时检测分级提供了新的途径。

曾传华等对颜色和纹理特征的竹材分级方法进行了研究[21]。应用计算机视觉技术对竹条表面颜色等级进行分类识别，然后运用颜色矩和灰度共生矩阵结合描述竹材颜色特征和纹理特征的方法，提取了9个颜色矩特征参数和4个灰度共生矩特征参数。再对参数利用主成分分析降维处理，将得到的综合参数作为分类器(BP神经网络分类器和支持向量机分类器)的输入量进行分类识别，识别正确率的均值为 92.3%。

刘红等设计了一种机器视觉与PLC控制装置相结合的竹片颜色在线分选系统[22]，该系统由上位机和下位机组成。上位机配备工业相机对竹片图像进行采集，然后利用软件 MATLAB 处理数字图像并将识别结果传输到下位机。下位机根据识别结果，通过 PLC 控制装置控制相配合的三个装置执行竹片的上料、传输、分拣和入库四个步骤，完成竹片的自动分级。

沈冯峥等设计了一种竹材壁厚自动分选机[23]。该机的工作原理是在线性编码器产生脉冲电信号后，控制系统将脉冲电信号换算成位移量。此位移量为常量与竹材壁厚之和，计算后可得到竹材壁厚大小。

马乃训等研究了毛竹竹材质量的分级标准和方法[24]。其以“根”计量为基础，依据眉高部位直径和规格长度处的小头直径大小或依据竹材离基4 m高处的直径和长度，将竹材分成若干径阶类型，在每一径阶中再分出两个等级。

2.2 竹材材性的检测分级技术及综合评价分级方法

岳想想等针对竹材材性差异的研究，运用基于RelifF的特征选择方法明确了关键因子，并构建了基于 PCA-IAGENS(主成分分析与凝聚型层次聚类算法)的竹材分类模型[25]。首先应用基于RelifF的特征选择方法明确了4种竹材力学性能关键属性，再以竹材共 25 个属性为评价特征及分级基础，运用PCA进行降维处理。然后选取前六主成分结合IAGNES方法对竹材材性间差异进行综合评价并建立模型。结果显示该模型能将竹材材性聚为三类：第一类大径竹为主，综合性能较优异，适合造纸等；第二类中小径为主，适用于编制竹产品、造纸及用于食用；第三类小径为主，综合性能一般，可用于观赏、绿化等。

刘主凰等将聚类方法应用于福建竹材纤维研究[26]，对福建竹材纤维的形态特征、壁上纹孔特征、力学性能、生物学特性及化学性质等方面在不同因素下的差异进行了对比研究，并根据得到的各类竹材特性进行聚类分析，为纤维原料的优选、高性能产品的设计及基于纤维特性的竹材分级方法提供了理论依据。

陈利芳等对多种竹材若干个重要参数和性质进行了综合评价[27]，以竹材直径、竹壁厚度、密度平均值、天然耐久性能和可处理性能、质量载药量、体积载药量等为评价指标，将竹材分为4个等级，并据此对17种竹材进行分级评价。结果表明，泰竹、云南甜竹、龙竹等是结构材方面的适用竹种。此结果大体上符合这些竹材的传统用途，说明该方法在分级应用上有相当大的可取性。

彭冠云等基于CT技术对毛竹轴向和径向密度特征进行了研究，发现竹材CT值与密度存在显著的线性关系，并给出了数学模型[28]。该模型表明在底部，密度从外至内骤减后缓慢变化，最后趋于水平；而在稍部，密度往内方向均匀降低。

贺勇等分别采用真空气压法和图像分析法对竹材气体渗透性进行了研究[29]。其应用基于RGB模型图像的自动阈值分割算法对R分量自动阈值分割，然后通过形态学开闭运算消除噪声。再根据标准圆的面积计算出解剖结构图像中孔隙的面积，最后利用基于虚拟仪器的竹材气体渗透性检测系统分别对毛竹的纵向、横向和竹隔的气体渗透性进行测定和分析。结果表明竹材的结构与其渗透性有显著的线性关系，竹材的纵向渗透率最强，竹隔的渗透率最低。

3 竹材分级技术展望

3.1 其他领域分级技术平行应用

声振动谱、近红外光谱、核磁共振、X射线、超声波、微波等技术在其他行业的检测分级方面已有较广泛的应用，而在竹产业中应用基本空白。借鉴同类研究，将这些技术行业适宜化是推动本行业发展和稳固竹材分级技术“地基”最快速有效的方法之一。因此，其他领域分级技术平行应用于竹产业应是近几年竹材分级的主要研究方向。

3.2 多种技术融合

高质量分级依靠单一参数进行识别分级难以实现，而常使用多种数据综合评价或材性与外部参数结合的分级方法。多传感器融合可实现同时对竹材多种数据进行检测，为综合评价及材性与外部参数结合的分级方法提供了极大便利。机器视觉检测系统算法适用性强、成本低、易于操作、效率高且结果客观，广泛应用于工业品、食品及农产品等的品质检测[30-32]。未来多种技术融合如基于机器视觉并结合各种光学技术和优化算法、多传感器融合技术等将是竹材分级技术重要的发展方向。

3.3 分级标准与评定方法

制定竹材分级标准和评定方法时既要参照国外分级标准，还要根据我国竹材生产加工的实际情况，确定具有实用性的综合评价方法，并建立简便、快捷产量级和质量级的分级模型，尤其是适用于中小企业的分级模型。

3.4 实时处理技术

改进实时处理技术可以从硬件和软件两方面着手，硬件方面可使用运算效率高的处理器、专用图像采集镜头和匹配性能好的高速图像处理主板等，此外可以用硬件代替软件来实现根据特定分级要求处理图像的程序来提高实时性。软件方面需运用各种先进的理论和技术(如人工神经网络、模糊技术、人工智能等)并持续优化算法从而提高图像的处理运算速度和分级速度。另外将机器视觉与机械传送结合，既可解决输送问题，又可以从机构上实现利用传统图像处理方法来完成部分功能，从而提高分级的实时性。