基于支持向量回归（SVR）的马尾松木材脱脂率预测

摘要

【目的】脱脂处理是提升松木制品性能的重要手段，但传统脱脂率检测方法耗时且破坏试样。本研究旨在探索一种快速、无损的脱脂率检测方法，基于木材表面颜色变化，利用支持向量回归（SVR）构建脱脂率预测模型。【方法】采用氨气-水蒸气在高温条件下对马尾松木材进行处理，分析不同条件对木材表面颜色参数和脱脂率的影响，探讨其相关性。利用3种不同的核函数（多项式核函数、Sigmoid核函数、径向基函数）构建基于SVR的脱脂率预测模型，并通过比较选择最优模型。【结果】经氨气-水蒸气热处理脱脂后，马尾松表面明度（L*）和黄蓝指数（b*）低于未处理木材，红绿指数（a*）则高于未处理木材。随着氨水质量分数和处理温度的增加，L*、a*和b*呈逐渐降低趋势，总色差（ΔE*）逐渐增大，脱脂率随之提高。在180℃、较高氨水质量分数的处理条件下，ΔE*达到最大值58.89，脱脂率达到最高值70.00%。颜色参数与脱脂率呈局部二次函数关系，相关系数最高为0.713。在以径向基函数为核函数的SVR模型中，预测含脂率和脱脂率的均方根误差分别为0.523和4.315，决定系数分别为0.847和0.823，该预测模型可应用于脱脂率检测的前期筛选。【结论】本研究成功构建了基于SVR的马尾松木材脱脂率预测模型。该模型在脱脂率检测的前期筛选中具有一定的应用价值，能够在一定程度上实现检测过程的快速、简便和无损化。本研究为马尾松木材脱脂率检测的效率提升和质量改进提供了一种新的方法。

关键词

支持向量回归 / 机器学习 / 预测模型 / 脱脂 / 马尾松 / 颜色参数