木材是一种天然高分子复合材料,在国民经济中起着重要的作用。杉木和柳杉均是我国重要的用材树种,杉木的经济价值和使用价值均高于柳杉,但是杉木和柳杉形态相似,识别难度高,经常因此造成巨大的经济损失。传统的木材识别方法存在速度慢、损伤木材、程序复杂等缺点,无法实现快速、无损的木材识别。太赫兹时域光谱技术的出现为这一问题的解决提供了新的思路,太赫兹辐射具有指纹谱特性、高穿透性等特点,且大部分的木材生物分子的转动和振动频率都集中在太赫兹频段,利用太赫兹时域光谱技术能够实现木材的快速、无损识别。本文以杉木和柳杉为研究对象,利用太赫兹时域光谱技术结合木材径向变异(心材、边材)和不同切面(横切面、径切面和弦切面)开展木材识别研究,分析径向变异和不同切面对木材识别的影响,并对建模数据频段、光谱预处理方法、建模方法和优化算法进行探讨。主要的研究内容和结论如下:(1)木材太赫兹光谱采集与特征分析。利用太赫兹时域光谱系统采集样品的太赫兹时域光谱,通过傅里叶变换计算得到太赫兹频域光谱,根据参数模型提取折射率和吸收系数,比较分析样品的太赫兹光谱。结果表明,因为所属心材边材部位和所属切面不同,木材样品太赫兹光谱的幅值和吸收峰均存在差异。(2)木材识别模型建模研究。选择不同太赫兹频段的光谱数据,通过不同光谱预处理方法进行预处理,建立基于BP神经网络、学习向量量化神经网络和极限学习机方法的杉木和柳杉识别模型,结果表明,选择0.2～1.5THz频段的太赫兹光谱数据,经过S-G卷积平滑处理,建立的BP神经网络识别模型识别效果最好,经过遗传算法优化后,正确率明显提升,能够实现杉木和柳杉的准确识别。(3)木材识别影响因素研究。分别利用心材、边材和横切面、径切面、弦切面样品光谱数据建立木材识别模型,对预测样品和建模样品类型相同和不同时的识别模型进行研究,分析木材径向变异和不同切面对木材识别的影响。结果表明,径向变异对木材识别影响较小,不同切面对木材识别影响较大。