sudexpertТеория и практика судебной экспертизыTheory and Practice of Forensic Science1819-27852587-7275The Russian Federal Centre of Forensic Science10.30764/1819-2785-2022-1-50-57sudexpert-710Research ArticleМЕТОДЫ И СРЕДСТВАMETHODS AND TOOLSУстановление породы древесины по спектрам диффузного отражения в ближней инфракрасной области с применением линейного дискриминантного анализаIdentifying Timber Species by Diffuse Reflection Spectra in the Near-Infrared Region Using a Linear Discriminant AnalysisХохА. Н.KhokhA. N.

Хох Анна Николаевна – заведующий лабораторией исследования материалов, веществ и изделий

Минск 220114

Khokh Anna Nikolaevna – Head of Laboratory of Materials, Substances and Products Research

Minsk 220114

1ann1hoh@gmail.comЗвягинцевВ. Б.ZvyagintsevV. B.

Звягинцев Вячеслав Борисович – к. б. н., доцент, заведующий кафедрой лесозащиты и древесиноведения

Минск 220006

Zvyagintsev Vyacheslav Borisovich – Candidate of Biology, Assistant Professor, Head of Department of Forest Protection and Wood Science

 

Minsk 220006

mycolog@tut.byГосударственное учреждение «Научно-практический центр Государственного комитета судебных экспертиз Республики Беларусь»БеларусьState Institution “Scientific and Practical Center of the State Forensic Examination Committee of the Republic of Belarus”BelarusУчреждение образования «Белорусский государственный технологический университет»БеларусьEducational Institution “Belarusian State Technological University”Belarus2022290420221715057Copyright © Хох А.Н., Звягинцев В.Б., 20222022Хох А.Н., Звягинцев В.Б.Khokh A.N., Zvyagintsev V.B.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.tipse.ru/jour/article/view/710

Представлен алгоритм исследования древесных материалов хвойных пород (Pinus sylvestris L., Pinus sibirica Du Tour, Larix decidua Mill., Abies alba L. и Picea abies (L.) Karst.) методом спектроскопии в ближней инфракрасной области. Древесина представляет собой сложный органический материал, состоящий из целлюлозы, гемицеллюлозы, лигнина и экстрактивных веществ. Данные соединения генерируют полосы поглощения в ближней инфракрасной области, в основном представляющие собой обертоны и полосы комбинации функциональных групп O-H, N-H и C-H. Определены оптимальные способы коррекции рассеяния с учетом специфики исследуемых образцов. На основе применения линейного дискриминантного анализа предложена методика по автоматическому установлению видовой принадлежности древесины по спектрам диффузного отражения в ближней инфракрасной области, а также определены ключевые параметры, достаточные для проведения процедуры классификации. Полученные LDA-модели показали высокую предсказательную способность, общая средняя точность классификации достигала 97,6 %. Следует констатировать, что метод спектроскопии в ближней инфракрасной области подходит для решения задач, связанных с установлением видовой принадлежности древесины, является эффективным инструментом для разделения древесных пород.

The article presents an algorithm of analysis of coniferous timber materials (Pinus sylvestris L., Pinus sibirica Du Tour, Larix decidua Mill., Abies alba L. and Picea abies (L.) Karst.) using the spectroscopy method in the near-infrared region. Timber is a complex organic material consisting of cellulose, hemicellulose, lignin, and extractive substances. These compounds generate absorption bands in the near-infrared region which are mainly overtones and combination bands of the O-H, N-H and C-H functional groups. The authors suggest the best ways to correct scattering considering the specific features of the samples under examination. Based on the application of linear discriminant analysis, a method is proposed for the automatic identification of the timber species by diffuse reflection spectra in the near-infrared region, as well as key parameters sufficient for the classification procedure are determined. The obtained LDA-models showed high predictive capability. The overall average classification accuracy reached 97,6%. Based on the results obtained, it can be stated that the NIR spectroscopy is suitable for solving tasks related to the identification of the timber species; it has proven to be an effective tool for distinguishing wood species. 

древесинаБИК-спектроскопиявидовая принадлежностьметод главных компонентдискриминантный анализхемометрические алгоритмысудебная экспертизаtimberNIR spectroscopyspecies identificationprincipal component analysisdiscriminant analysischemometric algorithmsforensic examinationReferencesToscano P., Iannotta N., Scalercio S. Botanical and Agricultural Aspects: Agronomic Techniques and Orchard Management. In: Muzzalupo I., Micali S. (Eds.). Agricultural and Food Biotechnologies of Olea europaea and Stone Fruits. Bentham, 2015. P. 3–73. https://doi.org/10.2174/9781608059935115010004Toscano P., Iannotta N., Scalercio S. Botanical and Agricultural Aspects: Agronomic Techniques and Orchard Management. In: Muzzalupo I., Micali S. (Eds.). Agricultural and Food Biotechnologies of Olea europaea and Stone Fruits. Bentham, 2015. P. 3–73. https://doi.org/10.2174/9781608059935115010004Ohyama M., Baba K., Itoh T. Wood Identification of Japanese Cyclobalanopsis Species (Fagaceae) Based on DNA Polymorphism of the Intergenic Spacer between trnT and trnL 5′ exon // Journal of Wood Science. 2001. Vol. 47. No. 2. P. 81–86. https://doi.org/10.1007/BF00780554Ohyama M., Baba K., Itoh T. Wood Identification of Japanese Cyclobalanopsis Species (Fagaceae) Based on DNA Polymorphism of the Intergenic Spacer between trnT and trnL 5′ exon. Journal of Wood Science. 2001. Vol. 47. No. 2. P. 81–86. https://doi.org/10.1007/BF00780554Sharma V., Yadav J., Kumar R., Tesarova D., Ekielski A., Mishra P. On the Rapid and NonDestructive Approach for Wood Identification Using ATR-FTIR Spectroscopy and Chemometric Methods // Vibrational Spectroscopy. 2020. Vol. 110. 103097. https://doi.org/10.1016/j.vibspec.2020.103097Sharma V., Yadav J., Kumar R., Tesarova D., Ekielski A., Mishra P. On the Rapid and Non-Destructive Approach for Wood Identification Using ATR-FTIR Spectroscopy and Chemometric Methods. Vibrational Spectroscopy. 2020. Vol. 110. 103097. https://doi.org/10.1016/j.vibspec.2020.103097Kanayama H., Ma T., Tsuchikawa S., Inagaki T. Cognitive Spectroscopy for Wood Species Identification: Near Infrared Hyperspectral Imaging Combined with Convolutional Neural Networks // Analyst. 2019. Vol. 144. No. 21. P. 6438–6446. https://doi.org/10.1039/C9AN01180CKanayama H., Ma T., Tsuchikawa S., Inagaki T. Cognitive Spectroscopy for Wood Species Identification: Near Infrared Hyperspectral Imaging Combined with Convolutional Neural Networks. Analyst. 2019. Vol. 144. No. 21. P. 6438–6446. https://doi.org/10.1039/C9AN01180CAdedipe O.E., Dawson-Andoh B., Slahor J., Osborn L. Classification of Red Oak (Quercus rubra) and White Oak (Quercus alba) Wood Using a Near Infrared Spectrometer and Soft Independent Modelling of Class Analogies // Journal of Near Infrared Spectroscopy. 2008. Vol. 16. No. 1. P. 49–57. https://doi.org/10.1255/jnirs.760Adedipe O.E., Dawson-Andoh B., Slahor J., Osborn L. Classification of Red Oak (Quercus rubra) and White Oak (Quercus alba) Wood Using a Near Infrared Spectrometer and Soft Independent Modelling of Class Analogies. Journal of Near Infrared Spectroscopy. 2008. Vol. 16. No. 1. P. 49–57. https://doi.org/10.1255/jnirs.760Manley M., Baeten V. Spectroscopic Technique: Near Infrared (NIR) Spectroscopy. In: Modern Techniques for Food Authentication. 2nd ed. Academic Press, 2018. P. 51–102. https://doi.org/10.1016/B978-0-12-814264-6.00003-7Manley M., Baeten V. Spectroscopic Technique: Near Infrared (NIR) Spectroscopy. In: Modern Techniques for Food Authentication. 2nd ed. Academic Press, 2018. P. 51–102. https://doi.org/10.1016/B978-0-12-8142646.00003-7Aenugu H.P.R., Kumar D.S., Srisudharson N.P., Ghosh S., Banji D. Near Infra Red Spectroscopy – An Overview // International Journal of ChemTech Research. 2011. Vol. 3. No. 2. P. 825–836.Aenugu H.P.R., Kumar D.S., Srisudharson N.P., Ghosh S., Banji D. Near Infra Red Spectroscopy – An Overview. International Journal of ChemTech Research. 2011. Vol. 3. No. 2. P. 825–836.Хох А.Н., Звягинцев В.Б. Установление видовой принадлежности древесины хвойных пород с помощью спектроскопии в ближней инфракрасной области // Вопросы криминологии, криминалистики и судебной экспертизы. 2020. № 1. С. 161–167.Khokh A.N., Zviagintsev V.B. Implementation of Near-Infrared Spectroscopy to Identify Coniferous Wood Breeds. Issues of Criminology, Forensics and Forensic Examination. 2020. No. 1. P. 161–167. (In Russ.).Paul L.C., Suman A.A., Sultan N. Methodological Analysis of Principal Component Analysis (PCA) Method // International Journal of Computational Engineering & Management. 2013. Vol. 16. No. 2. P. 32–38.Paul L.C., Suman A.A., Sultan N. Methodological Analysis of Principal Component Analysis (PCA) Method. International Journal of Computational Engineering & Management. 2013. Vol. 16. No. 2. P. 32–38.Boedeker P., Kearns N.T. Linear Discriminant Analysis for Prediction of Group Membership: A User-Friendly Primer // Advances in Methods and Practices in Psychological Science. 2019. Vol. 2. No. 3. P. 250–263. https://doi.org/10.1177/2515245919849378Boedeker P., Kearns N.T. Linear Discriminant Analysis for Prediction of Group Membership: A User-Friendly Primer. Advances in Methods and Practices in Psychological Science. 2019. Vol. 2. No. 3. P. 250–263. https://doi.org/10.1177/2515245919849378.Tharwat A., Gaber T., Ibrahim A., Hassanien A.E. Linear Discriminant Analysis: A Detailed Tutorial // AI Communications. 2017. Vol. 30. No. 2. P. 169–190. https://doi.org/10.3233/AIC-170729Tharwat A., Gaber T., Ibrahim A., Hassanien A.E. Linear Discriminant Analysis: A Detailed Tutorial. AI Communications. 2017. Vol. 30. No. 2. P. 169–190. https://doi.org/10.3233/AIC-170729

The authors declare that there are no conflicts of interest present.