Bestemmelse av trefuktighet for gran (Picea abies) i en tretørkingsprosess ved bruk av hyperspektrale bilder

Abstract

Fuktighet er en sentral egenskap til trevirke og spesielt under tørkingen er nøyaktig bestemmelse av fuktighet viktig. Hyperspektrale metoder er tidligere vist å kunne brukes til predikering av flere viktige egenskaper til trevirke, inkludert fuktighet. Formålet med denne oppgaven er å undersøke i hvilken grad disse metodene vil kunne benyttes i en tretørkingsprosess for overvåking av fuktighet. Ved å bruke rå prøver, større dimensjoner og endeforsegling av prøvene er fuktighetsforholdene for trelast i tørker etterlignet. Hyperspektrale bilder i regionen 953nm til 2516nm ble samlet for prøver av gran (Picea abies) gjennom tørkeprosessen samt vektmålinger. Partial Least Squares Regression (PLSR) ble brukt for å modellere sammenhengen mellom gjennomsnittlig spektrum og fuktighet til prøvene. Modellene for fuktighet var i stand til å predikere gjennomsnittlig fuktighet for prøvene med høy presisjon. Variasjonen i prediksjonene var større for målinger fra de første 10 timene av tørkingen. Dette var trolig forårsaket av variasjon av fritt vann i prøvene. Pikselvis estimering av fuktighet på bildene var i stand til å beskrive forventet variasjon i prøvene. Forskjeller i fuktighet mellom vår- og sommerved, yte- og kjerneved og kvist kunne observeres, men det var ikke mulig å validere resultatene. Resultatene viser at hyperspektrale metoder kan brukes for fuktighetsbestemmelse gjennom en tørkeprosess. I hvilken grad praktiske begrensinger som overflatebehandling og målinger fra kantside påvirker presisjonen gjenstår å undersøke.

Moisture content of wood is an important characteristic and during drying to precisely determine the moisture content is important. Hyperspectral methods are shown to be able to predict several important characteristics of wood, including moisture content. The aim of this study is to determine if these methods could be used in a wood drying process for monitoring wood moisture content. By use of fresh samples, larger dimensions and sealing the ends of the samples the moisture dynamics of drying timber are imitated. Hyperspectral images in the region 953nm to 2516nm were collected for samples of spruce (Picea abies) through a wood drying process together with weight measurements. Partial Least Squares Regression (PLSR) was used to model the relationship between average spectrum and moisture content of the samples. The models were able to accurately predict mean moisture content of the samples. The variation of the prediction was found to be bigger for measurements from the 10 first hours of drying. This was likely caused by variation of free water in the samples. Pixel by pixel estimation of moisture content of the images were able to describe the expected moisture variation in the samples. Differences in moisture content between early- and latewood, sap- and heartwood and knots could be identified, but validation of the results were impossible. The results show that hyperspectral methods for determining wood moisture could be used in a wood drying process. How practical limitations as surface preparation and measurements from the edges of samples affect the precision remains to be seen.