Potential of near-infrared spectroscopy to characterize wood products<sup>1</sup>This article is a contribution to the series The Role of Sensors in the New Forest Products Industry and Bioeconomy.
Notice bibliographique
Résumé
Near infrared spectroscopy (NIRS) has high potential as a rapid nondestructive approach to identifying wood species and estimating properties that affect their utilization. This study found that NIRS could differentiate certain wood species groups. True firs (balsam fir ( Abies balsamea (L.) Mill.) and subalpine fir ( Abies lasiocarpa (Hook.) Nutt.)) could be distinguished from pine and spruce in eastern and western spruce–pine–fir, respectively, more than 95% of the time. Western hemlock ( Tsuga heterophylla (Raf.) Sarg.) could be differentiated from amabilis fir ( Abies amabilis Douglas ex J. Forbes) in the Hem–Fir species group with about 90% accuracy. Average wood moisture content (MC) of air-dried southern pine and western redcedar ( Thuja plicata Donn ex D. Don) samples wood could be estimated by NIRS ±10%–30% at high moisture contents and more accurately (±2%–5%) below 30% MC. Conditioned samples of amabilis fir had predicted MCs within 2%–3% of measured values in the 0%–30% MC range. However, the broad applicability and response of NIRS to a number of factors may be its greatest weakness, since measurements for a specific response, such as MC or species differentiation, may be confounded by the effects of other variables, such as surface roughness and localized density differences. It is recommended that instrumentation with a relatively large probe (large illumination area) be used to average such variables in the sample.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».