近红外光谱分析技术在制浆过程中的应用

梁　龙　施英乔　崔宏辉　邓拥军　房桂干

(中国林业科学研究院林产化学工业研究所,江苏省生物质能源与材料重点实验室,

国家林业局林产化学工程重点开放性实验室,生物质化学利用国家工程实验室,江苏南京,210042)



近红外光谱分析技术在制浆过程中的应用

梁龙施英乔崔宏辉邓拥军房桂干*

(中国林业科学研究院林产化学工业研究所,江苏省生物质能源与材料重点实验室,

国家林业局林产化学工程重点开放性实验室,生物质化学利用国家工程实验室,江苏南京,210042)

摘要：近红外光谱分析技术是一种高效、无损的快速分析方法,作为实时成分分析和过程控制的先导技术,正逐渐成为制浆过程分析测量领域的研究热点。文中介绍了近红外光谱分析技术的测量原理、技术特点、建模方法等,并对近红外光谱分析技术在制浆过程中的原料分类筛选、材性分析、纸浆性能评估等方面的应用进行了综述。

关键词：近红外光谱；制浆造纸；化学计量学

由于优质木材原料供应短缺,采用多种木材原料混合制浆造纸目前已成为趋势，但不同材种纤维的形态、化学成分等差异会直接影响纸浆性能和纸制品质量,因此，需要对原料进行筛选评估和材性分析,以针对材性特点适时调整生产工艺条件来避免能耗和资源的浪费。对制浆原料采用传统方法进行分析不仅分析步骤繁琐、耗时,且无法实现实时在线检测。为此，企业通常采用高用药量和高能耗的方法保证产品质量,进而导致化学品浪费和污染排放严重等问题。近红外(Near-infrared,NIR)光谱分析技术作为一种快速分析手段,具有分析简便、高效、无损、在线分析等优势,其在农副产品、石油、化工、食品等行业已被广泛使用[1-2]。在制浆造纸分析检测过程中,将近红外光谱分析技术用于对原料和纸浆进行快速分析,实时反馈信息有利于调整工艺条件,从而提高生产效率[3- 4]。本文主要介绍近红外光谱分析技术的原理和分析方法及其在制浆过程中对原料进行分类筛选、材性分析、纸浆性能评估等方面的应用。

1近红外光谱分析技术

1.1检测原理

近红外光谱是基于分子振动的非谐振性使分子振动从基态向激发态跃迁产生的,记录了非谐振动的倍频与合频吸收信息,主要反映含氢基团X—H(X=O,C,N,S)的吸收信息[5]。木材化学成分中含有大量含氢基团,因此，近红外光谱可用于对木材主要化学成分进行分析。此外，近红外光在样品内部会发生反射、折射、衍射、吸收并与样品内部分子相互作用,经此过程后近红外光谱负载了样品的成分与结构信息,所以还可用于分析木材纤维形态结构等[6]。由于倍频和合频的跃迁几率低、相互耦合导致了近红外光谱中存在大量重叠谱带且难以精确区分谱带归属,因此，无法直接从谱图中读取有用信息,需借助计算机技术和化学计量学方法对光谱数据进行优化处理和解析。具体分析过程如下：①选择具有代表性的样品作为训练集样本,并进行近红外光谱分析；②采用标准方法或被广泛接受的方法确定训练集样本的成分或结构性质等信息；③利用化学计量学方法在近红外光谱和样品信息之间建立校正模型；④对待测样品进行近红外光谱分析,并将光谱数据带入模型预测待测样品信息。

1.2特点

与常规光谱分析技术相比,近红外光谱分析技术具有以下优势[7]：

(1)测量速度快。光谱测量通常可在1 min内完成。

(2)分析效率高。可同时快速分析多个指标,极大提高了工作效率。

(3)无损分析。光谱测量过程不消耗样品,且不会对样品产生任何影响[8]。

(4)远程非接触分析。利用外置探头和光纤传导技术,可实现非接触式分析,避免复杂恶劣环境对仪器和操作人员的影响。

(5)适用于在线分析。随着计算机技术和自动化工业的发展,可将近红外光谱分析系统做成分析模块,在测量现场灵活组装搭建,实现在线实时分析[9]。

值得注意的是，近红外光谱分析技术作为间接分析技术,结果的准确性主要取决于模型的建立,通常不具备普适性,难以成为实验室标准方法。此外，光谱受干扰信息影响较大,谱带较宽且重叠严重,物理意义不明确,限制了近红外光谱分析技术的推广使用。

1.3化学计量学方法

由于近红外光谱主要反映的是含氢基团的倍频与合频吸收、光谱强度弱、谱带重叠严重、存在较强的冗余和干扰信息,若采用基于朗伯-比尔定律建立工作曲线的传统光谱分析方法,则无法获取准确、可靠的分析结果。因此,需借助化学计量学方法从复杂光谱数据中提取有用信息,把相互影响的变量转换成独立变量并将其与样品信息关联起来建立回归模型,通过模型分析预测未知样品信息。常用的化学计量学方法主要有多元线性回归、主成分回归、偏最小二乘法判别分析、支持向量机、人工神经网络、K均值聚类分析等[10-13]。

2近红外光谱分析技术在制浆过程中的应用

在制浆造纸领域,近红外光谱分析技术最早被用于测定硫酸盐浆卡伯值。此后，随着光谱测量技术和数据处理方法的发展,近红外光谱分析技术在制浆造纸工业中的应用越来越广泛，如对制浆原料的纤维素、木素等化学成分进行定量、定性分析,纤维形态分析,测定制浆得率、纸浆卡伯值等。此外，近红外光谱分析技术还可用于制浆生产过程的现场分析,如对白液和黑液中的有效碱含量进行在线检测等已成为研究的热点[14-15]。

2.1制浆原料快速分类和评价

制浆原料因化学成分和结构的差异而具有不同的制浆性能。对制浆原料进行分类评估有助于正确评价其纤维特性，并确定更合适的制浆工艺。通常采用传统的化学法测定原料中纤维素、木素等化学成分含量,并据此作出分类[16]。该方法耗时、繁琐,且会破坏样品,无法满足制浆过程中的快速分类和评价要求。近红外光谱分析技术具有简单、快速、无损分析的特点,可以用于造纸用材育种培育过程中对原料进行快速选择分析[10,17]。

木材中的水在近红外光谱中的吸收较强,而其他成分吸收较弱；当木材水分差异较大时，会对光谱中其他信息造成干扰,影响分析结果的准确性。Nascimbem等[18]利用偏最小二乘法判别分析(PLS-DA)将不同水分的木材分类,即针对水分不同的木材分别建立材性预测模型,实现对木材基本密度、木素含量的快速、准确分析。马明宇等[19]采集了不同产地及品种的89个木材样品,通过人工神经网络算法结合近红外光谱建立树种识别模型,并考察模型的准确性和抗干扰性能；结果表明,当光谱数据受噪音信号干扰时,模型仍能取得较好的分类效果,识别率均在97%以上,表现出较强的稳健性。Tavassoli等[20]通过近红外光谱分析技术建立纸浆性能质量评价系统,实现对纸浆撕裂度、耐破度、抗张强度等多项指标的快速、无损分析,同时采用离散小波变换和正交信号校正等光谱预处理方法有效去除原始光谱中的基线漂移和冗余干扰信息,显著提高了模型的预测性能和稳定性。

2.2测定木材密度

密度是木材的一项重要性质,与木材的化学成分和细胞结构等密切相关,因此，其也是评价木材材性、判断木材工艺性质的重要指标。Via等[21]通过非线性回归算法建立松木基本密度的近红外模型,并根据木材密度的差异适时调整制浆工艺条件。赵荣军等[22]采用近红外光谱分析技术系统研究了样品切面、厚度、粗糙度和水分等因素对粗皮桉木气干密度校正模型预测性能的影响,最终确定采用试样横切面、厚度为2～5 mm、表面较光滑、水分为12%的木材试样建立模型的预测效果最好。当测量环境干扰较大或样品成分复杂时,光谱易受到非线性因素干扰。此时，线性回归方法无法达到较好的建模效果。Mora等[23-24]将核函数回归建模算法用于木材材性分析,通过引入非线性核函数校正了近红外光谱中由测量环境、仪器系统等方面导致的非线性影响,从而较好地预测了木材的气干密度、微纤丝角、胞壁厚度等材性指标。

2.3化学成分分析

木材是以纤维素、半纤维素和木素等高分子化合物为主体的多孔性天然高分子材料。木材的化学成分是其最基本的性质,与木材材性及纸浆性能密切相关。作为一种高效、无损的快速分析方法,近红外光谱分析技术正在被广泛应用于木材的化学成分分析[25]。Ishizuka等[26]通过近红外光谱法对杉木、松木、柏木等不同针叶木中的木素、综纤维素含量进行了分析；基于偏最小二乘法建立的模型对综纤维素和木素的预测相关系数均达到0.95，表明近红外光谱法能够快速分析木材化学成分。Hodge等[27]收集多种热带和温带松木样本,建立用于预测纤维素和木素的全局性近红外模型,种类足够齐全、数量足够多的样本集有助于提高模型的准确性和稳定性。通过独立的测试集样本进行验证,该全局性模型对木素的预测相关系数和标准预测误差分别是0.97和0.44%,对纤维素的预测相关系数和标准预测误差分别是0.82和1.08%,均能满足定量分析的要求。此外,特定波段的选择对于模型的建立也有重要意义,选择合适的波段可简化模型,剔除无用变量的干扰,从而得到预测能力强、更稳定的模型[28-29]。Üner等[30]将遗传算法和最小二乘法回归结合使用,经迭代优化筛选出塞埔路斯松样品的特征波段,用于回归建模，以预测木素含量。特征波段中主要包含与塞埔路斯松中木素有关的谱峰信息,避免了无用波段的干扰,提高了模型预测能力。

2.4纤维形态分析

木材纤维形态特征是木材的重要材性指标,直接决定木材的物理性质和力学性质；在制浆造纸过程中,其对制浆和纸制品质量的影响显著。传统木材纤维形态测量方法是,利于显微镜直接测量纤维长度、观察木材纤维形态，这一分析过程繁琐,不利于大规模开展测量工作[31]。近红外光谱分析技术则是采集木材样品的光谱信息,利用化学计量学方法提取特征变量，并建立与纤维长度之间的数学模型。王玉荣等[32]尝试将近红外光谱分析技术用于测量纤维形态,并与常规测量方法进行对比；通过建立针叶材湿地松和阔叶材滩地72杨木材样品的近红外光谱与纤维测量实验值之间的偏最小二乘法模型,来预测相应树种纤维长度；对于纤维较长的湿地松,其预测模型相关系数为0.90、标准误差为161 μm,而纤维较短的滩地72杨的预测模型相关系数是0.88、标准误差是69 μm。从模型相关指标可以看出,无论是针叶材还是阔叶材,近红外光谱分析技术均能较准确地预测木材纤维形态特征，这一研究对于预测大规模人工林特定树种纤维长度及快速评估其纸浆造纸性能提供了科学依据。

2.5测定卡伯值和制浆得率

卡伯值是表征制浆过程中脱木素程度和纸浆残余木素含量的重要参数,也是衡量纸浆质量的主要指标。将近红外光谱分析技术用于卡伯值测定可实现制浆造纸过程中的自动化监控,同时能够促进生产过程中节能降耗[33-34]。吴新生等[35]通过近红外光谱法测量蒸煮黑液中木素含量,并建立多元线性回归模型预测纸浆卡伯值。杨春节等[36]采集45个松木浆样品的近红外漫反射光谱,选择光谱中与卡伯值关联性较强的15个特征吸收峰建立基于支持向量机的纸浆卡伯值预测模型；该模型预测相关系数和均方差分别为0.93和0.26,表现出较好的预测性能。Downes等[37]以多种桉木的720个样本为研究对象,系统探讨了近红外光谱分析技术预测制浆得率的可行性；通过对样品多位点进行扫描充分获取样品近红外光谱信息,并建立稳定性更高、适应性更强的偏最小二乘法回归模型,最终获得较好的预测效果；研究人员进一步增加了训练集样品数量,建立得率模型的同时还建立了预测纤维素含量的模型,得率模型的相关系数和标准预测误差分别为0.87和0.78%,纤维素模型的相关系数和标准预测误差分别为0.87和1.29%；通过对比研究发现,近红外光谱预测纤维素和预测得率之间的相关系数达到0.85,表明两者之间具有较高的关联性,即当难以获得得率数据时,可以通过纤维素含量对得率进行预测和评估[38]。

3结束语

近红外光谱分析技术作为一种高效、无损的快速分析方法,正逐渐成为制浆造纸工业中分析测量的研究热点,其应用领域涉及到制浆原料的材性分析、制浆过程监控、纸浆性能评估等方面。尤其在传统制浆造纸分析测量方法普遍存在繁琐、耗时等缺点的情况下,近红外光谱分析技术的应用显得尤为重要。

未来,近红外光谱分析技术在制浆造纸分析的发展将主要集中在两方面：一是建立更高效、更稳定的模型。近红外光谱建模过程中仍然存在模型预测能力不稳定、适应性不强等问题,对于种类繁多且用途多样化的木材,需建立更系统、更全面的训练集样本来提高模型稳定性；对于常见树种,可以建立专属型分析模型。二是进一步推进近红外光谱分析技术在在线监测、过程分析中的应用。传统制浆过程中的过程控制主要通过压力、温度、流量等参数进行间接监控,而无法实现对制浆原料和纸浆品质性能的快速分析。近红外光谱分析技术无需对样品进行前处理,能实现多组分同时测定,非常适合过程控制分析,能够在生产线直接分析样品组成和性能,实时反馈分析结果,以便及时调整制浆工艺。基于自动化工业和计算机技术的发展,近红外光谱分析技术已逐渐成为实时成分分析和过程控制的先导技术,随着在制浆过程中的推广应用,其必将推动我国造纸工业的长远发展。

参考文献

[1]严衍禄. 近红外光谱分析基础及应用[M]. 北京： 中国轻工业出版社, 2005: 5.

[2]陆婉珍. 近红外光谱仪器[M]. 北京： 化学工业出版社, 2010: 214.

[3]Tsuchikawa S. A review of recent near infrared research for wood and paper[J]. Applied Spectroscopy Reviews, 2007, 42(1): 43.

[4]So C L, Via B K, Groom L H, et al. Near infrared spectroscopy in the forest products industry[J]. Forest Products Journal, 2004, 54(3): 6.

[5]刘建学. 实用近红外光谱分析技术[M]. 北京： 科学出版社, 2007: 2.

[6]Dang V Q, Bhardwaj N K, Hoang V, et al. Determination of lignin content in high-yield kraft pulps using photoacoustic rapid scan Fourier transform infrared spectroscopy[J]. Carbohydrate Polymers, 2007, 68(3): 489.

[7]徐广通, 袁洪福, 陆婉珍. 现代近红外光谱技术及应用进展[J]. 光谱学与光谱分析, 2000, 20(2): 134.

[8]Galleguillos-Hart C, Fernndez M P, Guesalaga A. A portable method to estimate wood basic density from increment cores using spectroscopic techniques[J]. Journal of Near Infrared Spectroscopy, 2011, 18(6): 465.

[9]Fujimoto T, Kurata Y, Matsumoto K, et al. Feasibility of near-infrared spectroscopy for on-line grading of sawn lumber[J]. Applied Spectroscopy, 2010, 64(1): 92.

[10]Espinoza J A, Hodge G R, Dvorak W S. The potential use of near infrared spectroscopy to discriminate between different pine species and their hybrids[J]. Journal of Near Infrared Spectroscopy, 2012, 20(4): 437.

[11]贺文明, 薛崇昀, 聂怡, 等. 近红外光谱法快速测定木材纤维素、戊聚糖和木素含量的研究[J]. 中国造纸学报, 2010, 25(3): 9.

[12]Luan Q F, Li Y J, Jiang J M, et al. Discrimination ofPinustaeda×P.caribaeavar.hondurensisbetween its allele-species and hybrids using near infrared spectroscopy[J]. Journal of Near Infrared Spectroscopy, 2013, 21(3): 203.

[13]刘雪云, 熊智新, 胡慕伊. 基于SIMCA模型的纸浆种类近红外光谱鉴别[J]. 中国造纸, 2011, 30(7): 20.

[14]Tsuchikawa S, Schwanninger M. A review of recent near-infrared research for wood and paper (part 2)[J]. Applied Spectroscopy Reviews, 2013, 48(7): 560.

[15]宋舒苹, 张浩, 张静, 等. 纸张强度和白度与近红外谱图相关性的研究[J]. 中国造纸学报, 2011, 26(3): 17.

[16]Bächle H, Zimmer B, Wegener G. Classification of thermally modified wood by FT-NIR spectroscopy and SIMCA[J]. Wood Science and Technology, 2012, 46(6): 1181.

[17]吴新生, 谢益民, 帅兴华. 基于近红外光谱法的造纸用木材原料的快速分类[J]. 中国造纸学报, 2007, 22(3): 14.

[18]Nascimbem L B L R, Rubini B R, Poppi R J. Determination of quality parameters in moist wood chips by near infrared spectroscopy combining PLS-DA and support vector machines[J]. Journal of Wood Chemistry and Technology, 2013, 33(4): 247.

[19]马明宇, 王桂芸, 黄安民, 等. 人工神经网络结合近红外光谱用于木材树种识别[J]. 光谱学与光谱分析, 2012, 32(9): 2377.

[20]Tavassoli N, Tsai W, Bicho P, et al. Multivariate classification of pulp NIR spectra for end-product properties using discrete wavelet transform with orthogonal signal correction[J]. Analytical Methods, 2014(6): 8906.

[21]Via B, McDonald T, Fulton J. Nonlinear multivariate modeling of strand density from near-infrared spectra[J]. Wood Science and Technology, 2012, 46(6): 1073.

[22]赵荣军, 霍小梅, 上官蔚蔚, 等. 近红外光谱法预测粗皮桉木材气干密度的影响因素分析[J]. 光谱学与光谱分析, 2011, 31(11): 2948.

[23]Mora C R, Schimleck L R. Kernel regression methods for the prediction of wood properties ofPinustaedausing near infrared spectroscopy[J]. Wood Science and Technology, 2010, 44(4): 561.

[24]Wang N, Liu X, Yin J. A hybrid model of partial least squares and RBF neural networks for system identification[J]. Lecture Notes in Computer Science, 2008, 5263: 204.

[25]McLean P, Jin G, Brennan M, et al. Using NIR and ATR-FT IR spectroscopy to rapidly detect compression wood inPinusradiata[J]. Canadian Journal of Forest Research, 2014, 44(7): 820.

[26]Ishizuka S, Sakai Y, Tanaka-Oda A. Quantifying lignin and holocellulose content in coniferous decayed wood using near-infrared reflectance spectroscopy[J]. Journal of Forest Research, 2014, 19(1): 233.

[27]Hodge G R, Woodbridge W C. Global near infrared models to predict lignin and cellulose content of pine wood[J]. Journal of Near Infrared Spectroscopy, 2010, 18(6): 367.

[28]Schwanninger M, Rodrigues J C, Gierlinger N, et al. Determination of lignin content in Norway spruce wood by Fourier transformed near infrared spectroscopy and partial least squares regression. Part 1. Wavenumber-selection and evaluation of the selected range[J]. Journal of Near Infrared Spectroscopy, 2011, 19(5): 319.

[29]He W, Hu H. Prediction of hot-water-soluble extractive, pentosan and cellulose content of various wood species using FT-NIR spectroscopy[J]. Bioresource Technology, 2013, 140(3): 299.

[30]Üner B, Karaman I, Tanrverdi H, et al. Determination of lignin and extractive content of Turkish Pine (PinusbrutiaTen.) trees using near infrared spectroscopy and multivariate calibration[J]. Wood Science and Technology, 2011, 45(1): 121.

[31]王玉荣, 覃道春, 任海青, 等. 无损检测阔叶材纤维长度的近红外光谱法[J]. 木材加工机械, 2007, 18(3): 34.

[32]王玉荣, 费本华, 傅峰, 等. 基于近红外光谱技术预测木材纤维长度[J]. 中国造纸, 2008, 27(6): 6.

[33]Stackpole D J, Vaillancourt R E, Downes G M, et al. Genetic control of kraft pulp yield inEucalyptusglobulus[J]. Canadian Journal of Forest Research, 2010, 40(5): 917.

[34]黎庆涛, 李小梅, 余炼, 等. 近红外漫反射光谱法测定纸浆卡伯值[J]. 中国造纸, 2004, 23(4): 8.

[35]吴新生, 谢益民, 刘焕彬, 等. 蒸煮过程纸浆卡伯值近红外光谱法在线测定[J]. 中国造纸学报, 2003, 18(1): 110.

[36]杨春节, 何川, 宋执环. 基于近红外光谱与支持向量机的纸浆卡伯值在线测量[J]. 光谱学与光谱分析, 2008, 28(8): 1795.

[37]Downes G M, Meder R, Hicks C, et al. Developing and evaluating a multisite and multispecies NIR calibration for the prediction of kraft pulp yield in eucalypts[J]. Southern Forests: a Journal of Forest Science, 2009, 71(2): 155.

[38]Downes G M, Meder R, Bond H, et al. Measurement of cellulose content, kraft pulp yield and basic density in eucalypt woodmeal using multisite and multispecies near infra-red spectroscopic calibrations[J]. Southern Forests: a Journal of Forest Science, 2011, 73(3): 181.

Application of Near-infrared Spectroscopy in Pulp and Paper Industry

(责任编辑：关颖)

《中国造纸学报》2015年总目次

(第30卷1～4期)

题 目期号页码◆研究论文硫酸盐法蒸煮过程中木素-聚木糖复合体化学结构的 变化1(1)………………………………………………………………………………………………………………………………草酸酸洗对麦草氧脱木素浆中铁离子含量及H2O2 漂白的影响1(6)………………………………………………………………………………………………………………………预处理对玉米秸秆纤维筛分及酶解性能的影响1(11)……………………………………………………………………………………DMC-IA-AM两性聚丙烯酰胺用于混合废纸浆抄纸1(15)………………………………………………………………………………一种新型酚化木质素胺乳化剂的合成及其性能1(20)……………………………………………………………………………………表面施胶淀粉对箱纸板的渗透及增挺作用1(27)…………………………………………………………………………………………喷墨打印纸涂层中胶黏剂配比对油墨扩散渗透的影响 1(32)……………………………………………………………………………………………………………………………………有机膨润土对彩色喷墨打印纸涂料黏弹性的影响1(36)…………………………………………………………………………………氰乙基球形木质素吸附剂对亚甲基蓝的吸附行为研究 1(40)……………………………………………………………………………………………………………………………………一种纸浆模塑包装制品的动态缓冲特性分析1(46)………………………………………………………………………………………复卷机的纸幅张力计算1(50)………………………………………………………………………………………………………………杨木半纤维素在乙酸-乙酸钠缓冲体系预水解过程中的 溶出规律2(1)…………………………………………………………………………………………………………………………相思木水预水解过程中半纤维素的溶出和解聚2(6)……………………………………………………………………………………乙醇预处理前后玉米秸秆半纤维素的提取及性质研究 2(12)……………………………………………………………………………………………………………………………………阔叶木与非木材纤维原料混合制浆的研究2(18)…………………………………………………………………………………………酶预处理对漂白针叶木浆性能和打浆能耗的影响2(22)…………………………………………………………………………………浸渍慈竹木质素酚对纸张强度性能的影响2(29)…………………………………………………………………………………………改性淀粉絮凝剂的制备及其在造纸废水处理中的应用 2(34)……………………………………………………………………………………………………………………………………慈竹木质素酚与聚羟基丁酸酯复合膜性能研究2(39)……………………………………………………………………………………造纸法制备小茴香秸秆薄片2(45)…………………………………………………………………………………………………………喷放锅稀释区流场模拟及优化2(48)………………………………………………………………………………………………………纸张横向定量数据的小波去噪2(53)………………………………………………………………………………………………………玉米叶纳米纤维素的提取及表征3(1)……………………………………………………………………………………………………硫酸盐浆酶解液中LCC的提取及性质研究3(5)………………………………………………………………………………………无机盐改性三聚氰胺甲醛树脂的合成及应用3(10)………………………………………………………………………………………淀粉-脂肪酸复合物包覆改性硅藻土的制备及表征3(16)………………………………………………………………………………装饰原纸损纸浆配抄对纸张性能的影响3(20)……………………………………………………………………………………………

LIANG LongSHI Ying-qiaoCUI Hong-huiDENG Yong-junFANG Gui-gan*

(InstituteofChemicalIndustryofForestryProducts,CAF;KeyLabofBiomassEnergyandMaterial,

JiangsuProvince;NationalEngineeringLabforBiomassChemicalUtilization;KeyandOpenLab

onForestChemicalEngineering,SFA,Nanjing,JiangsuProvince, 210042)

(*E-mail: fangguigan@icifp.cn)

Abstract：Near-infrared spectroscopy (NIR) technique is a highly efficient, nondestructive rapid analysis method. As the leading edge technique of real-time components analysis and process control, NIR is increasingly becoming a hot spot in the pulp and paper industry. This article mainly introduced the measurement principle of near infrared spectral analysis technology, technical characteristics, modeling approach, and reviewed the application of near-infrared spectroscopy in pulp and paper analysis, such as classification of raw material, wood property analysis and evaluation of pulpability of the raw materials.

Keywords:near-infrared spectroscopy; pulp and paper; chemometrics

作者简介：梁龙,男，1989年生；研究实习员；主要从事近红外分析木材材性研究工作。

基金项目：国家林业局948项目“农林剩余物制机械浆节能和减量技术引进”(2014-4-31)。

收稿日期：2015- 05-19

中图分类号：O675.3；TS721

文献标识码：A

文章编号：1000- 6842(2015)04- 0061- 05

*通信联系人：房桂干,E-mail:fangguigan@icifp.cn。