1、 全日制硕士专业学位研究生学位论文 移动近红外珍稀木材鉴别云服务系统的设计与实现 作 者 姓 名： 指 导 教 师： 专业学位名称： 农业推广硕士 专业学位领域： 农业信息化 研 究 方 向： 近红外光谱技术 所 在 学 院： 信息工程学院 论文提交日期： 浙 江 农 林 大 学 20XX 年 X 月 X 日 摘要 摘要 近红外光谱技术在木材品种鉴别方面的应用已经 有了大量的研究。在实验室环境中，近红外光谱技术结合化学计量学中一些常见的定性分析方法已经能够很好的将指定的某几类范围内的木材进行区分和识别，并且具有较高的正确率。 传统的近红外光谱设备体积庞大，只能固定架设在实验室中，分析材料只能运
2、送到实验室进行采谱分析，这限制了近红外光谱野外作业的应用能力；一般要对某一领域和产品进行近红外光谱分析要进行近红外建模，此过程十分消耗人力物力，建模的周期又很长，建模成本很高，建模程序又受到编程语言的限制，不能够很好的移植到不同的平台，这些缺点严重制约了该技术的普及和应用。 本文结合以上的背景，利用现阶段近红外在木材识别方面的研究成果，提出并设计了一套移动近红外珍稀木材鉴别云服务系统。该系统利用了前人对于近红外光谱技术在木材鉴别领域的探索，结合了云端计算的概念和云服务器程序开发技术，提出了一种从近红外设备到客户端程序，客户端程序再到服务端的三层体系计算架构。把珍稀木材的鉴别计算模型部署到云端，
3、封装好接口以提供客户端访问；然后分别基于 Windows Forms 应用程序和 Android 应用程序，开发了相应的近红外珍稀木材检测客 户端，客户端应用程序连接了近红外设备能 够实现操控设备以获取光谱数据，客户端 还负责和云端服务器沟通，把待计算的光谱数据通过网络传给服务端程序计算并接受 返回结果。设备的轻便性有利于实现近红外光谱采集的移动野外作业，而云端的计算 则克服了移动设备如 Android 手机计算能力较弱，耗时较久的问题。 本文中研究和实现的内容分为四大部分： 1）珍稀木材近红外光谱计算模型 （ SIMCA 分类判别预测模型）的构建； 2）采用 ASP.NET API 的服务端
4、编程技术构建 云端服务程序； 3）面向 Windows 系统并且适用于触控平板操作设计体 验的 Windows Forms 客户端程序开发实现； 4）面向 Android 移动操作系统客户端程序开发实现。该 系统的设计和实现针对解决传统近红外光谱分析技术在生产应用中的缺陷提供了一 种有效的方案。 关键词 ： 云服务，近红外光谱，珍稀木材鉴别， Windows Forms， Android I ABSTRACT ABSTRACT The application of near infrared spectroscopy in the identification of wood varietie
5、s has been a lot of research. In a laboratory environment, some qualitative analysis method based on near infrared spectroscopy and chemometrics, has been able to well specified separation and identification of some species within the wood, and has high accuracy. The near infrared spectrum detection
6、 equipment of large volume, it can only be placed in the laboratory, analysis of materials can only be transported to the laboratory for spectral analysis, which limits the application of near infrared spectroscopy and moving ability of working out. To establish an analytical model for the near infr
7、ared spectrum analysis of a certain field or product, This process is consumption of manpower, the modeling cycle is very long, the modeling cost is very high, but also by the modeling procedure of programming language restrictions, can not be ported to different platforms, these shortcomings restri
8、ct the popularization and application of this technology. Combined with the above background, this paper proposed and designed a set of mobile near infrared rare wood identification cloud service system based on the research results of the present stage in the field of wood identification. The syste
9、m uses the previous exploration of near infrared spectroscopy in wood identification field, combined with the concept of cloud computing and cloud server program development technology, put forward a kind of from near infrared equipment to the client, the client program to the server, the three laye
10、r architecture. The identification model of the rare wood is deployed to the cloud, exposing the interface to provide client access. Then, based on the Forms Windows application and Android application, the corresponding near infrared rare wood detection client is developed. The client application c
11、onnects the near infrared device, which can control the device to obtain the spectral data. The client is also responsible for the communication with the cloud server, the spectrum data to be calculated through the network to the server program to calculate and accept the return results. The portabi
12、lity of the equipment is conducive to the realization of near infrared spectrum acquisition of mobile field operations, while the cloud computing has overcome the mobile devices such as Android mobile computing power is weak, time-consuming problem. The research and implementation of the content of
13、this paper is divided into four parts: 1) SIMCA classification discriminant prediction calculation model of rare wood near infrared spectroscopy; 2) build the cloud server application based on ASP.NET API; 3) Windows Forms client program construction and suitable for touch panel operation design exp
14、erience; 4) Android client application construction. The design and implementation of this system provides an effective solution to solve the defect of traditional near infrared spectroscopy technology in the production and application. Key words: Cloud service, near infrared spectroscopy, rare wood
15、 identification , Windows Forms， Android II 目录 目 录 摘要 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . I ABS T R A C T . . . II 1 绪论 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16、. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.1 研究背景 . 5 1.2 国内外研究现状 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3 课题的研究内容 . . . .
17、 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.4 课题的研究意义 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18、 . . . . . . . . . . . . . . . . . . . 7 2 相关理论和技术基础 . . . 9 2.1 近红外光谱技术的理论基础 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.1.1 近红外光谱的吸收原理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19、 . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.1.2 近红外光谱技术 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.1.3 近红外光谱技术特点 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20、 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2.2 材料和定性分析方法 . 11 2.2.1 实验样本 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.2.2 试验方法 . . . . . . . . . . . . . . . . . .
21、. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.3 Asp.N e t Web Api 服务端技术 . 13 2.3.1 Asp.Ne t Web Api 背景 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22、. . . . . . 13 2.3.2 Asp.Ne t Web Api 的体系结构 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.4 Wind o w s Form s 技术基础 . 16 2.5 Andro id 技术基础 . . 17 2.5.1 Android 操作系统架构 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23、 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.5.2 应用程序组成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 本章小结 . 20 3 系统方案设计 . . . . . . . 21 3.1 系统整体框架设计 . . . . . .
24、 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.2 定性判别模型算法的设计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.3 服务器端功能设计 . . .
25、. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.4 Wind o w s Form s 应用程序功能设计 . . 23 3.5 Android 应用程序功能设计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26、. . . . . . . . . . . . . . . . . . . . . . . . . . 25 3 目录 本章小结 . 26 4 系统开发实现 . 27 4.1 系统开发环境 . 27 4.1.1 建模程序和服务端开发环境 . 27 4.1.2 Window s Forms 客户端开发环境 . 27 4.1.3 Android 客户端开发环境 . 27 4.2 建立 Simca 木材分类模型 . 27 4.2.1 模型流程构建 . 27 4.2.2 模型元素构建 . 29 4.3W eb Api 服务程序的具体实现 . 32 4.3.1 服务端工作流程构建 . 32 4.4 Wi
27、ndows Form s 客户端实现 . 36 4.4.1 近红外光谱仪交互模块 . 37 4.4.2 图谱的列表和图形化显示模块 . 41 4.4.3 服务器交互模块 . 45 4.4.4 程序实现的效果图 . 47 4.5 Android 客户端实现 . . 48 4.5.1 设备控制模块 . 49 4.5.2 界面显示模块 . 49 4.5.3 服务端交互模块 . 53 本章小结 . 55 5 总结展望 . 56 5.1 总结 . 56 5.2 展望 . 56 参考文献 . . 58 附录 . . 60 4 1 绪论 1 绪论 1.1 研究背景 珍稀木材的种类很多，不同种类的木材价格各异
28、且相差很大。中国 红木 国家标准（ GB/T 18107-2000），将 5 属 8 类 33 种珍稀木材列为红木 1，对品类的木材学名和商品名做了规范。近年来，由于珍贵木材原料的日益稀缺，其价格也逐年上涨，与其相对应的家具制品价格更是昂贵，甚至个别精致红木家具制品要以百万人民币来衡量。存在不少商家为了获取高额利润，用与红木有相似 外观特征的低价木材冒充高档红木，或者在红木家具制品中混杂劣质红木，严重破坏了红木家具制品的市场秩序，损害了广大消费者的利益。据中国消费者协会调查显示，红木家具市场的合格率仅为 30%，红木家具投诉的数量也是逐年增加 2。木材检测技术的研究，木材检测设备与 软件的开发
29、能准确有效的检测仿冒，以假乱真的红木制品，对矫正不良市场秩序，规范红木家具市场具有重要的积极意义。 近些年来，近红外光谱分析技术在木材无损检测上面的应用研究比较多，近红外光谱分析所采用的算法和成型的软件也都比较成熟，但是由于近红外技术在任何领 域上的应用都需要一个专门的建模过程，不管是定性还是定量分析，前期的建模都要耗费极大的人力和物力，这使得近红外技术应用的前期研究成本会非常的大，因而阻碍了该技术广泛的应用。此外，传统的近红外设备体积庞大，光谱的计算也对计算机的性能提出了较高的要求，通常只能架设在实验室或者固定的地方，使得其应用的灵活性和移动便携性大大的降低了。对于一些需要野外作业的内容则显
30、得不是很合适。目 前有杭州尼迩光电科技公司开发的轻型近红外设备尺寸（直径 *高）为 45*42 毫米， 重量小于 60 克，这为近红外设备手持化的室外检测 提供了解决方案。由于近红外设备必须搭配一台计算机，传统的笔记本电脑还是过于笨重，不方便外出携带，在进行大量的光谱采集时，重复的鼠标操作、频繁的设备移动还是显得笨拙，并且操作过程 很容易出错。为此我们考虑采用更加轻便和更具移动性能的 Android 触控智能手机和 Windows 平板电脑来取代传统的笔记本和台式计算机来进行光谱的获取。但是，虽然 现在移动计算设备发展迅速，比如现在的基于 Android 操作系统的平板和手机，但其计算能力和性
31、能较好的台式计算机或笔记本电脑相比相差太大。经笔者亲自实验，同 样的计算程序部署在台式计算机上运算只要 500-700 毫秒，而部署在测试手机上运算 时间却要 30-40 秒，耗时太久，无法满足珍稀木材和红木家具现场快速的检测的需求。虽每年移动设备的计算性能都会提高一个台阶，但是还是无法满足大量近红外光谱数 据的快速计算要求。近年来，中国 4G 网络覆盖快速推进， 4G 网络的传输速率峰值能 达到 100Mbps，网络传输中的耗时会变得很小。因此，通过移动设备获取光谱，把待计算的光谱文件上传到云端高性能计算服务器中计算，然后接收返回计算结果的方式 成为了解决目 前问题的一种思路，我们采用 As
32、p.Net Web Api 服务端程序开发技术， 5 移动近红外珍稀木材鉴别云服务系统的设计与实现 借助远程服务计算机来解决手机等移动设备计算能力弱，计算耗时长的问题。 利用云端计算的思想和技术，不仅能解决移动设备计算性能的问题，还可以提高模型的重复利用率，实现一个云端模型部署，为各个不同平台，多终端设备提供计算服务，为近红外光谱技术在木材识别方面的应用提供一种便捷可行的方案。 1.2 国内外研究现状 近红外光谱分析技术应用在木材识别领域的研究探索很多，杨 忠等 3利用近红外光谱技术对八类红木光谱进行研究分析，结果表明近红外光谱吸光度与红木色度学参数之间存在非常高的线性相关性，可以较高精度得识
33、别红木类别，但其研究的范围大，没有具体到红木中的 33 种。马明宇等 4利用人工神经网络结合近红外光谱，分别采 用反向传播人工神经网络（ BPANN）与广义回归神经网络（ GRNN）建立了一般树种 识别模型，结果表明 BPANN 模型和 GRNN 模型鉴别精确度分别在 97%和 99%以上。杨金勇等 5以大叶桉和 3 类松树样品作为研究对象，利用主成分分析与 Fisher 判别模型结合近红外光谱技术进行木材树种的分类识别研究。刘亚娜 6建立常见木材树种的近红外光谱识别模型，在此基础上探讨影响木材近红外光谱识别技术的因素，并初步探讨了木材近红外光谱识别技术的机理。 2003 年，日本专家利用 N
34、IR 分析技术结合马氏距离对木材进行分类，成功识别出实验中的每类木材 7。 Adedipe8等利用近红外光谱和 SIMCA 实现了红橡木和白橡木的在线快速分类和分离。 Russ9等研究了一种利用近红外漫反射光谱结合 PCA 以木材芯片的形式确定阔叶树种的方法。 2010 年， Fujimoto10等利用近红外光谱技术识别出了同种木材的死节和活节。 Pastore11,12等将 4 种常用的珍贵木材：大叶桃花心木、圭亚那栋树、西班牙柏木和南美桃花心木研磨成粉并采集其近红外光谱进行分析，研 究表明利用近红外光谱技术可以实现这 4 种木材的快速识别，但对样本进行磨粉等加工处理，这显然在实际应用中并不
35、适用。以上的研究都表明，近红外光谱技术在木材识别领域的可行性。 目前针对于近红外技术结合移动设备和云端计算思想方面的研究有：祁兴普、陈通13等基于 Android 操作系统 ，针对 MicroNIR1700 微型近红外光谱仪开发微型近红外实时监测云系统，实现了 Android 应用程序对近红外光谱仪的控制、光谱采集、样品指标检测、短信通知等功能，需要把相应的模型导入到手机中，光谱分析计算在 Android 手机上完成，云端服务只负责数据信息的保存。翟建龙 14基于 Andorid 平板，针对 MicroNIR1700 光谱仪，设计了一种稳定的便携式针对脐橙水果品质检测装置，对脐橙品质建立了近红
36、外分析模型，对成熟期和不成熟期的同一品种的脐橙的 pH 值 和果皮厚度与近红外光谱 吸光度建立 PLS 模型。使用 Eclipse 和 Android SDK 开发了水果光谱采集和品质检测的软件。其设计思想依然是单机版的分析设备，未能结合云端计算的概念。利用云计算结合近红外光谱的研究有黄华、祝诗平 15等提出了利用云 6 1 绪论 计算中的高性能服务器代替单机版主机，在云服务器上开发近红外光谱软件分析系统，并详细分析了近红外光谱云计算分析系统的架构与设计步骤。实验结果与单机环境下一致。然而该论文主要是提出近红外光谱技术和云计算的结合思想，在具体实现方面则不甚详细。 相关研究都表明 近红外光谱技术在木材识别方面的可行性，而结合云端计算的思
