对木材的快速、准确识别具有重要意义，本项目在结合传统木材鉴定方法的基础上，利用近红外光谱结合多变量数据分析技术对木材树种的识别方法与机理进行研究。拟采用一种针叶材和一种阔叶材的实木样本为研究对象，分别采用测色仪、粗糙度测量仪、显微观察与红外光谱等方法对每个树种木材在不同径向和轴向位置的表面颜色、粗糙度、纹理、结构、含水率和化学特征等进行测定与分析，采集样本表面的近红外光谱，并结合多变量数据分析技术对样本的各类特征进行数据压缩和信息提取，分别研究同一树种木材内的木材颜色和粗糙度等特征与近红外光谱的相关性，然后，利用SIMCA模式识别和PLS-DA判别等方法建立木材识别模型，对上述特征的变化范围对近红外光谱信息与预测模型的影响程度，系统地研究同一种和不同种木材在不同性质特征的变化对识别模型的影响，获得建立木材识别模型的基础性和必要性条件，为该方法的进一步发展和技术标准化提供基础的科学依据。

对木材的快速、准确识别具有重要意义，本项目在结合传统木材鉴定方法的基础上，利用近红外光谱结合多变量数据分析技术对木材树种的识别方法与机理进行研究。采用一种针叶材（杉木）和一种阔叶材（桉树）的实木样本为研究对象，分别采用测色仪、粗糙度测量仪等方法对每个树种木材在不同径向和轴向位置的表面颜色、粗糙度等进行测定与分析，采集样本表面的近红外光谱，并结合多变量数据分析技术对样本的各类特征进行数据压缩和信息提取，分别研究了木材表面颜色和表面粗糙度等特征与近红外光谱的相关性，然后，利用多变量数据分析方法建立木材识别模型，研究了对上述木材特征的变化对近红外光谱识别木材的影响，并系统地研究单一因素和综合因素同一种和不同种木材在不同性质特征的变化对识别模型的影响，从而获得建立木材识别模型的基础性和必要性条件，为该方法的进一步发展和技术标准化提供基础的科学依据。