《Resources, Conservation and Recycling》：Mid-infrared spectroscopy and machine learning for early detection of latent deterioration in exterior wood coatings toward extended service life
编辑推荐：
该研究构建了中红外光谱（MIR）与机器学习（ML）结合的框架，用于早期检测木制外墙涂层的潜在劣化，提升预测精度至R2=0.93，并通过实验室加速老化与实地气候对比验证其普适性，为延长涂层寿命和可持续木材利用提供技术支撑。
Kaho Nishimura | Shinichi Isaji | Takumi Ito | Toshiyuki Takano | Hironari Ohki | Yoshikuni Teramoto
京都大学农学研究生院森林与生物材料科学系，日本京都市左京区北白川大岩川町6068502
摘要
本研究建立了一个机器学习（ML）框架，用于早期检测外部木材涂层的潜在劣化，旨在延长使用寿命并减少维护负担。六种商用涂层（包括丙烯酸、聚氨酯和醇酸体系）接受了氙弧加速老化测试，其中红外（MIR）光谱通过偏最小二乘（PLS）回归和基于遗传算法的波数选择方法进行了分析。这些模型在实现高预测准确性的同时，还突出了与降解途径相关的化学上有意义的光谱区域。在对比鲜明的现场条件下的验证表明，该方法能够在宏观故障发生之前检测到亚可见的化学变化。通过将实验室数据与实际性能联系起来，这种MIR-ML诊断方法能够实现预测性维护，并更高效地利用木材资源。除了实际的维护效益外，该框架还加速了耐久性评估，并为涂层设计提供了依据，从而支持建筑环境中森林生物材料的可持续利用和高效增值。
引言
全球范围内，随着可持续性倡议的推动（Ramage等人，2017年），倾向于建造更大规模、强调木材自然美感的建筑的趋势正在加速。在日本，诸如《促进木材在建筑中应用以促进脱碳社会法案》（2021年修订版）等法规进一步鼓励在非住宅建筑及中大型结构中使用木材（农林水产省，2021年）。随着木材在现代建筑中变得越来越重要，确保其耐久性和减少维护负担对于延长使用寿命和降低环境影响至关重要。
木材资源的增值不仅取决于其使用量的增加，还取决于延长其使用寿命的策略。外部有机涂层在此过程中起着核心作用，它们可以保护木材免受紫外线（UV）辐射、湿气和温度波动的影响（Ramage等人，2017年）。当涂层劣化时，底层基材会加速老化，缩短建筑物的使用寿命，并增加维护频率和成本。尽管涂层材料本身价格低廉，但重新涂装通常需要脚手架和专业劳动力，从而导致较高的生命周期成本。对于木材外墙，由于基材容易受到湿气引起的尺寸变化和生物侵蚀，通常每3-5年就需要重新涂装一次（国际标准化组织（ISO），2016年；日本工业标准（JIS），1999年）。相比之下，金属或混凝土等尺寸稳定的基材上的涂层可以使用更长时间。然而，尽管检测涂层潜在劣化的方法对于优化维护周期、减少资源消耗和提高可持续性结果至关重要，但目前仍较为有限。在本研究中，“潜在劣化”一词用于描述在可见损伤或功能失效之前发生的涂层薄膜的化学降解。
涂层的耐久性评估受到多种相互作用因素的影响，包括树脂化学成分、颜料和添加剂配方、基材性质以及当地气候（Allen等人，1995年；Cao等人，2023年；Gheno等人，2016年；Graziola等人，2012年；Liu等人，2019年；Melo等人，1999年；Morsch等人，2017年；Vlad Cristea等人，2010年）。传统的测试方法（如加速老化测试或目视检查）被广泛使用，但每种方法都有其局限性：实验室测试的结果与现场暴露情况的相关性较弱，而目视检查则具有主观性且对潜在劣化不敏感。据我们所知，在我们最近的基于中红外（MIR）-机器学习（ML）研究之前，尚不存在一种可靠的框架来评估外部木材涂层在可见损伤之前的潜在劣化（Teramoto等人，2025年，2024年）。这一基础研究表明，光谱方法——特别是MIR——可以提供一种非破坏性的途径来监测可见损伤之前的化学变化。近红外（NIR）光谱学长期以来一直被用于涂层评估，并已有相关专利方法（Kitamura等人，2022年）。相比之下，MIR光谱学能够直接将吸收带与分子结构联系起来，从而解释降解机制。然而，很少有研究在统计模型中充分利用整个MIR光谱范围，大多数研究仅关注选定的波段（Allen等人，1995年；Cao等人，2023年；Gheno等人，2016年；Graziola等人，2012年；Liu等人，2019年；Melo等人，1999年；Morsch等人，2017年；Vlad Cristea等人，2010年）。
在我们最近的研究中，结合了MIR光谱学和ML的方法成功检测到了水性丙烯酸涂层在可见失效之前的潜在劣化（Teramoto等人，2024年，2025年），包括含有纤维素纳米纤维（CNF）的体系（Ishikawa等人，2019年；Shimokawa等人，2021年），在500小时的氙弧老化测试下实现了高预测准确性（R2 = 0.93）（Teramoto等人，2025年）。然而，之前的MIR-ML研究仅限于单一树脂类型和相对较短的老化时间。
本研究通过将衰减全反射傅里叶变换红外（ATR-FTIR）光谱学与偏最小二乘（PLS）回归相结合（Kaneko，2019年），建立了一个通用框架，用于诊断不同涂层化学成分的潜在劣化，包括聚氨酯（Makki等人，2015年；Skaja等人，2006年；Yang等人，2001年）和醇酸（Cadena等人，2013年；Laco等人，2005年；Lazzari和Chiantore，1999年）体系。通过在两种对比明显的气候条件下（湿润的亚热带气候和寒冷的雪地气候）进行实验室老化和现场采样，确保了该方法的实用性。进一步应用了基于遗传算法的波数选择PLS（GAWNSPLS）（Kaneko，2022年）来识别化学上有意义的光谱区域，提高了解释性。这种方法将材料表征与预测性维护联系起来，为延长涂层使用寿命和促进建筑中木材资源的高效利用提供了途径。
材料与方法
详细的实验设置、回归程序和附加图表见支持信息（SI），以便于重现性。
老化涂层的宏观外观和比色评估
六种模型涂层在加速老化后总体上保持了均匀的颜色，尽管S5–3700和W0–0003略有褪色（图S1）。光泽度和颜色坐标进一步明确了这些变化（图S2）。成膜型颜料涂层（S5–1000、S5–3700）早期出现了明显的光泽度损失，而W0–0003由于其浸渍性质，整个过程中保持低光泽度。
不同涂层系统的颜色稳定性存在差异：S5–1000的变化最小（ΔE* < 1），S5–3700则有轻微变化
结论
本研究表明，结合偏最小二乘（PLS）回归的中红外（MIR）光谱学为诊断六种代表性外部木材涂层（包括水性丙烯酸、聚氨酯和醇酸体系）的潜在劣化提供了一种非破坏性和通用性的框架。实验室氙弧老化测试产生了高准确性的预测模型，而基于遗传算法的波数选择方法突出了具有化学解释意义的光谱区域
CRediT作者贡献声明
Kaho Nishimura：撰写——原始草稿、可视化、软件开发、方法论、调查、数据分析、数据管理。Shinichi Isaji：验证、资源协调、方法论、数据管理、概念构思。Takumi Ito：验证、资源协调、方法论、概念构思。Toshiyuki Takano：验证、监督。Hironari Ohki：验证、资源协调、资金获取、概念构思。Yoshikuni Teramoto：撰写——审稿与编辑、撰写——原始草稿、可视化。
利益冲突声明
作为通讯作者，Yoshikuni Teramoto在此代表所有合作者声明，在提交的手稿“利用中红外光谱学和机器学习早期检测外部木材涂层中的潜在劣化以延长使用寿命”中，我们与任何可能不恰当地影响或偏倚本研究工作的个人或组织均无财务或个人关系。这包括没有任何隶属关系
致谢
作者感谢爱媛县农林水产研究所（日本爱媛县）和West Japan有限公司（日本德岛县德岛市）在爱媛县进行的现场测试中提供的支持和帮助。
本研究得到了日本科学技术机构（JST）通过“适应性无缝技术转移计划”（A-STEP）的支持，资助编号为
