基于现场部署系统的近红外光谱技术对废弃燃料的现场分类与含水量检测

《Infrared Physics & Technology》：In-situ classification and moisture detection in dead fuel based on NIR spectroscopy from field-deployed systems

　　摘要：枯木的含水量是影响森林火灾的关键因素之一。为了解决实时在线检测枯木含水量的难题，本文设计了一种基于近红外特性光谱技术的现场检测系统，并提出了一种将近红外光谱特征与视觉信息相结合的检测算法，从而实现非接触式的现场检测。该系统在水的近红外吸收峰1450纳米处进行主动反射检测。由于其低功耗设计，能够实现枯木含水量的实时在线测量。同时，通过整合基于深度学习的枯木分类算法，对枯木的红外反射信号进行分类和校准，显著提升了实时监测的精度，以满足测量要求。实验结果表明，对于四种类型的枯叶，测试集的精确度、召回率和F1值均高于0.94，这三项评估指标的平均值超过0.95。所提算法的平均相对误差仅为5.35%，相比混合拟合算法的16.20%降低了67.0%；均方根误差和平均绝对误差分别从0.181和0.143降至0.067和0.043，降幅分别为62.98%和69.93%。实验结果验证了该系统及算法的可行性，为枯木含水量的实时在线监测提供了理论和技术支持。

引言：森林火灾对森林资源的安全构成严重威胁。枯木的含水量是控制森林火灾发生和蔓延的关键因素，其准确检测对于火灾风险预警及灾害防控具有重要意义[1]。国内外学者对枯木含水量检测进行了大量研究。叶英辉等人分析了森林凋落物的红外光谱特征，确定1450纳米为含水量检测的最佳波长[2]；张伟等人采用自然脱水法测量了早竹叶片的光谱响应，筛选出近红外敏感波段，并构建了用于反演叶片含水量的最佳光谱指数[3]；傅开娟等人通过提取叶片图像特征并应用回归分析，建立了最佳的叶片含水量预测模型[4]；袁晓宇等人基于气象因子，运用多元回归和CART方法对森林可燃物含水量进行了预测研究[5]；孙龙等人基于野外气象因子以及蒙古栎和蒙古松林表面的枯木含水量数据，构建了燃料含水量预测模型，通过分析确定了关键因素，并采用了卷积神经网络和气象因子回归方法[6]；Jonathan L. Batchelor等人探索了利用地面激光扫描技术量化森林凋落物燃料含水量的方法[7]；郭新东等人以1450纳米红外二极管作为光源，开发了基于STM32的便携式近红外系统，用于玉米叶片含水量的无损检测[8]；徐翔等人建立了分焦平面偏振成像检测系统，基于偏振线性度与叶片含水量之间的相关性构建预测模型，实现了对日本欧石楠叶片含水量的快速无损定量检测[9]；高忠良等人开发了针对不同树种的燃料含水量预测模型[10]；A. M. Mora等人通过分析印度尼西亚贝尔巴克和森比朗国家公园的森林燃料特征，预测了森林火灾强度[11]；韩炳杰等人综述了植被冠层含水量的遥感反演方法，并探讨了多源数据融合和人工智能算法的未来发展前景[12]；侯翔等人系统分析了森林表面燃料含水量研究中的关键问题，指出虽然传统的称重方法准确可靠，但预处理过程耗时且劳动强度大，难以实现实时监测[13]；胡向燕等人基于GEE平台开发了燃料含水量全球逐步估算模型，生成了2010–2022年的月尺度时空分布图，揭示了全球燃料含水量的时空变化规律及其与火灾分布的关联[14]；肖亚婷等人将近红外敏感光谱指数与机器学习算法相结合，提高了复杂环境条件下叶片含水量光谱反演的精度[15]；张嘉伟等人着眼于森林凋落物中的枯木，采用近红外光谱技术与迁移学习算法，实现了不同树种枯叶含水量检测模型的林分适应性[16]；王伟迪等人基于双带LED光源开发了便携式近红外含水量检测仪，并对农作物含水量检测进行了实验研究[17]。

总之，传统检测枯木含水量的方法主要依赖烘箱干燥和称重法。尽管该方法精度较高，但需要采集样本并进行破坏性处理，难以满足非接触式现场测量的需求。现有的枯木含水量在线检测技术主要以遥感估算为主，但其精度远低于称重法，无法满足森林火灾风险动态预警的精度要求，也尚未适合工业化应用。因此，本文旨在实现森林中枯木的高精度现场测量，深入研究了基于红外光谱特征的检测算法和设备。以四种常见的农业和森林凋落物——蒙古栎、海棠、白桦和椴树作为研究对象，提出了一种结合1450纳米单波长近红外特性光谱与视觉信息的检测方案，实现非接触式现场测量，并设计了基于近红外光谱特征的枯木含水量现场检测系统，开展测量验证实验。本研究旨在为森林防火技术的发展提供理论和技术支持。

近红外光谱与视觉融合检测原理：枯木的含水量定义为样品中水的质量与干固体质量的比值，如公式（1）所示：c = (mi - m0)/m0，其中c为含水量，mi为样品的湿重，m0为样品的干重[18]，c的单位为克/克。最直接有效的检测方法是基于此公式的烘箱干燥和称重法，但该方法无法实现现场测量。水分子在近红外区域具有吸收特性。

现场检测的系统设计：基于近红外光谱特征的枯木含水量现场检测系统是一种主动式测量系统。它通过主动发射红外光并接收反射的光谱信号，实现对枯木含水量的快速准确测量。系统框图如图4所示。该系统主要由近红外光源、窄带滤波器、光电探测器[23]、数据采集与处理模块组成。

系统测试实验：本文提出了一种基于近红外光谱反射率的枯木含水量现场测量方案。与目前主流的重力法[24]相比，该方案具有非接触、测量频率高、系统复杂度低等优点。不过需要注意的是，当前方案仍存在一定局限性，例如在低含水量情况下水分信号的衰减问题等。

结论：本文提出的检测算法将近红外光谱特征与视觉数据相结合，有效解决了传统混合拟合算法因忽略叶片特定特征而导致的检测精度不足的问题。将该算法与枯木含水量现场检测系统结合，可实现森林区域内枯木的长期、现场在线监测。本研究设计并开展了相关验证实验。

CRediT作者贡献声明：崔双龙：方法论、概念设计；刘申杰：研究实施、数据整理；邢健：监督指导、概念设计。

利益冲突声明：作者声明没有已知的可能影响本文工作的财务利益或个人关系。

致谢：本项目得到了国家自然科学基金的支持（项目编号：32371864）。

崔双龙|刘申杰|邢健
中国哈尔滨东北林业大学计算机与控制工程学院，邮编150040