《Journal of Building Engineering》：Surface thermal treatment (STT): benchmarking physical, mechanical and durability properties of yellow poplar - a comparative study of surface thermal treatment (STT) and ThermoWood treatment (TW)
编辑推荐：
•ANN模型能够以超过85%的准确率预测STT参数，从而实现与ThermoWood的颜色匹配•与传统热处理方法相比，STT能更好地保持木材的机械强度•在212℃下处理时，ThermoWood的防收缩效果可达51.6%•STT无法提升木材的抗真菌能力；而传统热处理则能显著减少木材质
- •
ANN模型能够以超过85%的准确率预测STT参数，从而实现与ThermoWood的颜色匹配
- •
与传统热处理方法相比，STT能更好地保持木材的机械强度
- •
在212℃下处理时，ThermoWood的防收缩效果可达51.6%
- •
STT无法提升木材的抗真菌能力；而传统热处理则能显著减少木材质量损失
- •
在加速老化试验中，STT和传统热处理带来的木材表面光降解程度相似
引言
木材因其美观性及结构特性，长期以来一直被视为一种宝贵的自然资源（Ross & USDA Forest Service., 2010）。在木材的各种特性中，其颜色对木材的吸引力及应用范围有着重要影响（Zhu et al., 2023）。色调较深的木材主要产自热带地区，这类木材以其丰富的色彩而著称（Nguyen et al., 2019）。然而，许多这类树种如今已处于濒危状态，受到环保法规的保护，因此变得愈发稀有且价格昂贵。
相比之下，浅色木材则是一种更为易得的选择。这类木材数量更多，受到的监管限制也较少，因此更具成本效益，可广泛应用于多种领域。尽管它们可能缺乏某些消费者和设计师所偏爱的深色调，但由于其易获取性和多功能性，它们在诸多应用中依然具有重要价值（IHLA, 2019）。由于对深色木材的持续需求，人们开发出了各种商业技术来改变浅色木材的颜色。这些方法包括化学处理以及旨在模拟天然深色木材外观的表面处理工艺（Sandberg et al., 2021）。不过，化学物质的使用引发了环保意识较强的消费者的担忧，他们更倾向于选择更为天然、可持续的方案，因为化学处理可能存在健康和环境方面的风险。
另一种无需使用化学物质的替代方法是热处理（TT），这是一种无需化学试剂的处理方式，符合绿色发展的趋势。尽管热处理具有诸多优势，但也存在一些局限性，比如较高的初始投资成本、较长的处理时间，以及可能导致的材料强度下降，这些因素都可能限制其应用范围（Gu et al., 2019）。为了解决这些问题，我们之前的研究提出了表面热处理（STT）这一新技术，该技术旨在高效地使木材表面变深。STT尤其适用于那些注重表面外观的室内应用场景（Mo et al., 2023）。虽然这种方法在改变木材颜色方面效果显著，但目前仍存在一个重要的研究空白：相较于传统热处理，STT在物理性能、机械性能、抗真菌能力以及耐候性方面的表现尚未得到系统性的评估。在这项研究中，我们开发了一种新的人工神经网络模型，用于确定STT的最佳温度和处理时间，从而确保其处理后的木材能与采用传统热处理方法处理的木材在颜色上保持一致。本研究的目标有两个：一是通过人工神经网络建立一种数据驱动的框架，用于优化STT的各处理参数；二是首次对STT和传统热处理在物理性能、机械性能、抗真菌能力以及耐候性等方面进行全面比较分析，为根据不同应用需求——无论是结构要求、美观需求还是耐用性要求——选择或定制合适的处理方法提供实用指导。
章节摘要
材料与方法
本部分介绍了用于评估和比较STT与TW处理方法的材料及实验方法。2.1节详细描述了试样材料及其制备过程。2.2节则阐述了ThermoWood?（TW）和表面热处理（STT）的热处理流程，包括颜色匹配阶段以及物理/机械性能测试阶段。2.3节介绍了颜色测量方法，随后介绍了为优化STT而开发的人工神经网络模型
结果与讨论
本部分展示了并对经STT和TW处理后的黄杨木的实验结果进行了分析。3.1节介绍了人工神经网络模型在预测用于匹配TW颜色的最佳STT参数方面的表现。3.2至3.5节分别从机械强度（弯曲测试）、尺寸稳定性、抗真菌能力以及加速老化性能等方面对STT和TW进行了比较，并对观察到的趋势进行了机理分析，同时与其他相关研究进行了对比
局限性
本研究存在若干局限性，需予以说明：
首先，用于比较的TW样本是由外部机构提供的，虽然供应商提供了名义上的处理温度，但具体的处理时间以及其他工艺条件（如加热速率、环境控制条件、处理前的含水率等）并未被公开，也未由本研究作者控制。由于缺乏完整的工艺透明度，因此难以对TW和另一种处理方法之间的差异进行精确的机理分析
结论
在本研究中，我们成功开发了一种人工神经网络模型，可用于确定表面热处理（STT）的最佳温度和处理时间，从而实现与采用传统热处理方法处理的木材在颜色上的匹配。这一创新方法能够精准调整处理参数，不仅能使STT具备传统热处理木材的美观效果，还有可能更好地保留木材原有的强度等特性
作者贡献说明
Eva Haviarova：文章撰写——审阅与编辑、研究指导、资源提供。Armando McDonald：文章撰写——审阅与编辑、研究指导、资源提供。Dipesh Tamboli：研究调研、方法设计、软件应用、数据可视化、文章撰写——审阅与编辑。Dylan Willard：文章撰写——初稿撰写、方法设计、研究调研。Liang Liang：文章撰写——初稿撰写、数据可视化、方法设计、研究调研、数据整理。Jue Mo：文章撰写——初稿撰写、数据可视化、软件应用、方法设计、研究调研、格式规范
未引用参考文献
Pastore et al., 2004; Sandberg et al., 2013.
利益冲突声明
所有作者均声明，他们与任何可能不当影响或偏向本研究内容的个人或组织之间不存在任何已知的财务或个人关系。没有任何作者因本研究而获得可能构成利益冲突的职位、咨询服务、股票持有权、报酬、有偿专家证词、专利申请或注册，或是各类资助。
Jue Mo|Liang Liang|Dylan Willard|Dipesh Tamboli|Armando G. McDonald|Eva Haviarova
