Voronezh State University (Kafedra materialovedeniya i industrii nanosistem, associate professor)
Russian Federation
Voronezh, Russian Federation
Voronezh, Voronezh, Russian Federation
Russian Federation
from 01.01.2010 until now
Voronezh, Voronezh, Russian Federation
Quality control of the internal structure of wood is an urgent task from both scientific and practical points of view. Existing control methods mainly imply a destructive approach associated with the destruction of a part of the product, which in some cases is impossible. In this study, the morphological features of the void space of wood were studied with an assessment of open porosity, pore size distribution, as well as a separate analysis of the void space with spatial determination and assessment of the sizes of pores filled with impregnation and empty pores using the method of micro-X-ray computed tomography. To assess the porosity, the approach of pore segmentation by X-ray density was used. The total porosity of the wood sample used for the study was 42.96%. The largest number of pores as a percentage of the total volume was 7 to 14 micrometers in size, which corresponds to the distance between the main structural components of the cell wall (vessels, tracheids, libriforms). After impregnation of wood, according to the micro-X-ray tomography data, the percentage of filled pores was 75.1%, the volume of the remaining void spaces in the wood not filled with the impregnation composition was 26.9%. In addition, 3D modeling of wood without impregnation and with impregnation with separate segmentation of the impregnation composition in the pores was carried out. It was found that this method allows to estimate with a high degree of accuracy the degree and depth of impregnation, the distribution of liquid along the anatomical structures of wood, and the use of the segmentation method by X-ray density allows to increase the accuracy of the study. It should be noted that the accuracy of the measurement is directly dependent on the size of the sample.
wood, anatomical features, structure, impregnation, micro-X-ray tomography
Введение
Химическая неоднородность в пространственных измерениях является распространенной проблемой при использовании биоматериалов, таких как древесина. Структурная и полимерная анизотропность возникает в натуральной древесине, например, через распределение экстрактивных веществ сердцевины, а также может быть результатом обработки древесины, например, химическими агентами в процессе пропитки. Помимо современных процессов, которые создают функциональные материалы из древесной основы зависящих от процесса распределение химических веществ также актуальны в традиционных пропиточных обработках древесины, которые предотвращают быструю деградацию при наружном применении. Выявление областей применения древесных материалов с недостаточным или чрезмерным поглощением химических веществ требует современных методов химической и физической визуализации для анализа химических свойств образца в пространственных измерениях. Однако применение таких методов визуализации к древесине затруднено из-за ее сложного иерархического, анизотропного построения. Древесина выглядит как компактное твердое тело в макроскопическом масштабе, но состоит из длинных и полых клеток на микроскопическом уровне. Например, клетки волокон в лиственных породах древесины обычно имеют длину 0,5–2 мм и диаметр 10–60 мкм. Поэтому химическую неоднородность необходимо учитывать на макроскопическом уровне древесного продукта в масштабе нескольких миллиметров и более, а также по клеткам в микронном масштабе (Brunswick P. et al., [1] и Deklerck V. et al, [2]).
Ярким примером процесса обработки, основанном на равномерном распределении химического вещества в древесине на разных пространственных уровнях, является пропитка термореактивными смолами, такими как фенолформальдегидная смола. Пропитка не только повышает твёрдость древесины, но и защищает её от грибкового поражения и изменений размеров, вызванных поглощением воды. При модификации пропиткой древесину сначала пропитывают водным раствором мономера или олигомера фенолоформальдегидной-смолы с помощью вакуума и/или давления. Затем пропитанную древесину высушивают, а смолу отверждают при нагревании, чтобы сформировать крупные макромолекулы, которые необратимо фиксируются в структуре древесины. Условия пропитки и этап термической обработки определяют распределение смолы (или других химических веществ) в обработанной древесине на макроскопическом и клеточном уровнях (Томина и др. [25]).
На микроскопическом уровне проникновение термореактивной смолы в клеточную стенку древесины является необходимым условием для достаточной защиты. Смола заполняет пространство в клеточных стенках, которое в противном случае занимала бы вода, и древесина остается в постоянно набухшем состоянии. Это повышает стабильность размеров и устойчивость обработанной древесины к гнилостным грибам. Однако распределение смолы на макроскопическом уровне, в масштабе нескольких миллиметров или сантиметров, не менее важно. В этом масштабе градиенты нагрузки смолой могут приводить к пространственным различиям в усадке и, следовательно, создавать напряжения, сотовые расщелины и трещины. Сильно модифицированные поверхностные слои также могут не препятствовать гниению в менее модифицированных внутренних слоях обработанной доски, поскольку гнилостные грибы могут проникать через участки древесины с высокой степенью модификации, чтобы добраться до других участков обработанной древесины
На сегодняшний день наиболее распространенным методом исследования структурных особенностей пород древесины является разрушающий отбор проб образцов и изучение анатомических особенностей древесины в процессе микроскопии. Во многих областях отбор образца для деструктивного анализа не представляет проблемы. Однако в других случаях (например, культурные объекты) даже небольшой образец представляет собой значительный разрыв в исходном материале и необратимое изменение целостности объекта.
Для удовлетворения потребности в неразрушающей идентификации древесины, исследуются и разрабатываются инструменты неразрушающего анатомического анализа. Например, химическое профилирование с использованием масс-спектрометрии всё чаще применяется для идентификации древесины (Shang D. et al. [3]). Совсем недавно для изучения анатомии древесины была применена микромагнитно-резонансная томография (Stagno V. et al. [4]). Однако разрабатываемые способы имеют определенные ограничения.
Метод рентгеновской томографии на сегодняшний день является наиболее разработанным методом неразрушающего исследования внутренней структуры древесины. Этот инструмент позволяет визуализировать те же анатомические особенности, что и стандартный микроскопический анализ. При первом внедрении рентгеновской КТ в медицине качество сканирования было слишком низким, чтобы визуализировать древесину для получения какой-либо анатомической информации. По мере развития технологий, а впоследствии и улучшения качества сканирований, рентгеновская КТ была применена при исследованиях тканей растений ([Frias M. et al., [5], Duncan K. E. et al. [6], Dierickx S. et al.[7]). Начиная с 2009 года были опубликованы многообещающие эксперименты и тематические исследования, доказывающие жизнеспособность метода описательной и количественной идентификации древесины (Rankin K. E. et al. [8], Stelzner J. et al. [9]). Поскольку метод рентгеновской томографии позволяет различить плотности веществ, в связи с чем его возможно применять для контроля качества пропитки древесины.
Компьютерная рентгеновская микротомография является удобным инструментом неразрушающего контроля, в литературе встречается достаточно работ по исследованиям строения древесины и ее пористости. (Koddenberg T., Zauner M., Militz H. [10], Karahara I. et al. [12], Hwang S. W., Tazuru S., Sugiyama J. [11,13]).
Недавние опубликованные исследования, несмотря на низкое разрешение по сравнению с современными технологиями, показывают, что данную неразрушающую технологию можно систематически использовать для выявления наличия или отсутствия следов ветвления, то есть неровностей, связанных с ветвлением, таких как сучки, в дубе.
В последние годы рентгеновская микротомография высокого разрешения показала себя как перспективный метод для количественного анализа анатомии растений и древесины. Авторы одного из исследований смогли визуализировать трёхмерную структуру различных растений, таких как секции пальмы, дуба, ананаса, цветка тюльпана и соцветия Leucospermum tottum, с использованием относительно низкого линейного разрешения в 50 микрометров. Для изучения внутренней структуры древесины, были созданы трёхмерные модели срезов бука, дуба, сердцевины ели, пихты Дугласа, сосны обыкновенной, тика и эвкалипта, а также арабидопсиса, который не является древесным растением.
Можно считать, что метод компьютерной рентгеновской микротомографии достаточно молодой и не обладает, практически – не включает в себя стандартов, которые давали бы одинаковые результаты анализа. Это связано, во-первых, с широким разнообразием конфигураций компьютерных рентгеновских микротомографов, которые отличаются своей конфигурацией и вшитыми в программное обеспечение режимами сканирований, реконструкции и обработки данных. Кроме этого, каждое сканирование образцов является практически уникальным, так как на конечный результат могут повлиять такие факторы как температура, микродвижения образца во время сканирования, износ томографической камеры и рентгеновской трубки и другие. Все эти факторы вызывают различные артефакты при сканировании, которые не всегда возможно устранить. Очень распространенная и дискуссионная тема связана с определением градации серого цвета для математических расчётов геометрических свойств того или иного элемента образца. Существуют различные подходы с использованием нейросетей, математических алгоритмов автоматизированного выбора, например градации серого цвета пор, но общепринятой методикой исследования на сегодняшний день является определение градацией «на глаз» оператора микротомографа. (Ponomarev A. et al. [14], Герке К.М. [15]).
Задачей с точки зрения компьютерной рентгеновской микротомографии в контексте данного исследования выступило изучение морфологических особенностей пустотного пространства древесины с оценкой открытой пористости, распределения пор по размерам, а также с отдельным анализом пустотного пространства с пространственным определением и оценкой размеров пор заполненных пропиткой и пустых пор. Также наша группа исследователей выполнила 3D моделирование древесины без пропитки, с пропиткой с отдельной сегментацией пропитки в порах.
1. Brunswick P., Cuthbertson D., Yan J. et al. A practical study of CITES wood species identification by untargeted DART/QTOF, GC/QTOF and LC/QTOF together with machine learning processes and statistical analysis. Environmental Advances. 2021; 5: 100089. DOI: https://doi.org/10.1016/j.envadv.2021.100089.
2. Deklerck V., Lancaster C., Acker J., Espinoza E., Bulcke J., Beeckman H. Chemical fingerprinting of wood sampled along a pith-to-bark gradient for individual comparison and provenance identification. Forests. 2020; 11 (1): 107. DOI: https://doi.org/10.3390/f11010107.
3. Shang D., Brunswick P., Yan J. et al. Chemotyping and identification of protected Dalbergiatimber using gas chromatography quadrupole time of flight mass spectrometry. Journal of Chromatography A. 2020; 1615: 460775. DOI: https://doi.org/10.1016/j.chroma.2019.460775.
4. Stagno V., Moricca C., Sadori L., Dell'Aglio E., Reale R., Capuani S. Evaluation of the efficacy of micro-Magnetic Resonance Imaging compared with light microscopy to investigate the anatomy of modern and ancient waterlogged wood. Magnetic Resonance Imaging. 2023; 102: 164-178. DOI: https://doi.org/10.1016/j.mri.2023.06.011.
5. Frias M., Blanchet P., Bégin-Drolet A., Triquet J., Landry V. Parametric study of a yellow birch surface impregnation process. European Journal of Wood and Wood Products. 2021; 79 (4): 897-906. DOI: https://doi.org/10.1007/s00107-021-01700-7.
6. Duncan K. E., Czymmek K. J., Jiang N., Thies A. C., Topp C. N. X-ray microscopy enables multiscale high-resolution 3D imaging of plant cells, tissues, and organs. Plant Physiology. 2022; 188 (2): 831-845. DOI: https://doi.org/10.1093/plphys/kiab405.
7. Dierickx S., Genbrugge S., Beeckman H., Hubau W., Kibleur P., Van den Bulcke J. Non-destructive wood identification using X-ray µCT scanning: which resolution do we need. Plant Methods. 2024; 20 (1): 98. DOI: https://doi.org/10.1186/s13007-024-01216-0.
8. Rankin K. E., Hazell Z. J., Middliton A. M., Mavrogordato M. N. Micro-focus X-ray CT scanning of two rare wooden objects from the wreck of the London, and its application in heritage science and conservation. Journal of Archaeological Science: Reports. 2021; 39: 103158. DOI: https://doi.org/10.1016/j.jasrep.2021.103158.
9. Stelzner J., Million S., Stelzner I, Nelle O., Banck-Burgess J. Micro-computed tomography for the identification and characterization of archaeological lime bark. Scientific Reports. 2023; 13 (1): 6458. DOI: https://doi.org/10.1038/s41598-023-33633-x.
10. Koddenberg T., Zauner M., Militz H. Three-dimensional exploration of soft-rot decayed conifer and angiosperm wood by X-ray micro-computed tomography. Micron. 2020; 134: 102875. DOI: https://doi.org/10.1016/j.jsb.2014.06.003.
11. Karahara I., Yamauchi D., Uesugi K., Mineyuki Y. Three-dimensional visualization of plant tissues and organs by X-ray micro–computed tomography. Microscopy. 2023; 72 (4): 310-325. DOI: https://doi.org/10.1016/j.jsb.2010.04.001.
12. Apsari A. N., Sudoyo E., Alamsyah E.M., Kobayashi K., Tanaka T. The visualization of low-molecule phenol (LMP) and copper naphthenate on treated wood using X-ray microtomography. Scientific Reports. 2022; 12 (1): 2239. DOI: https://doi.org/10.1038/s41598-022-05022-3.
13. Hwang S. W., Tazuru S., Sugiyama J. Wood identification of historical architecture in Korea by synchrotron X-ray microtomography-based three-dimensional microstructural imaging. Journal of the Korean Wood Science and Technology. 2020; 48 (3): 283-290. DOI: https://doi.org/10.5658/WOOD.2020.48.3.283.
14. Ponomarev A., Zalatsky M. D., Nurullina T. S., Kadyrov M. Application of core X-ray microtomography in oilfield geology. Georesources. 2021; 23 (4): 34-43. DOI: https://doi.org/10.18599/grs.2021.4.4.
15. Gerke K. M., Korost D. V., Karsanina M. V. i dr. Izuchenie i analiz sovremennyh podhodov k postroeniyu cifrovyh modeley kerna i metodov modelirovaniya mnogofaznoy fil'tracii v masshtabah porovogo prostranstva. Georesursy. 2021; 23 (2): 197-213. DOI: https://doi.org/10.18599/grs.2021.2.20.
16. Zhuzhukin K. V., Tomina E. V., Ponomarev A., Skudar D. Improving the Performance Properties of Impregnated Wood with its Subsequent Utilization into a Biochar Sorbent. Floresta e Ambiente. 2023; 30 (4): 20230030. DOI: https://doi.org/10.1590/2179-8087-FLORAM-2023-0030. EDN: https://elibrary.ru/XNMDTE.
17. Sun H., Bi H., Ren Z., Zhou X. Hydrostable reconstructed wood with transparency, Excellent ultraviolet-blocking performance, and photothermal conversion ability. Composites Part B: Engineering. 2022; 232: 109615. DOI: https://doi.org/10.1016/j.compositesb.2022.109615.
18. Galkin S. V., Martyushev D., Osovetsky B., Kazymov K. P. Evaluation of void space of complicated potentially oil-bearing carbonate formation using X-ray tomography and electron microscopy methods. Energy Reports. 2022; 8: 6245-6257. DOI: https://doi.org/10.1016/j.egyr.2022.04.070.
19. Shi J., Liu X., Xia C., Leng W. Visualization of wood cell structure during cellulose purification via high resolution X-ray CT and spectroscopy. Industrial Crops and Products. 2022; 189: 115869. DOI: https://doi.org/10.1016/j.indcrop.2022.115869.
20. Martin B., Colin J., Lu P., Mahamadou M. Monitoring imbibition dynamics at tissue level in Norway spruce using X-ray imaging. Holzforschung. 2021; 75 (12): 1081-1096. DOI: https://doi.org/10.1515/hf-2020-0269.
21. Lehnebach R., Campioli M., Gricar J., Prislan P. High-Resolution X-Ray Computed Tomography: A New Workflow for the Analysis of Xylogenesis and Intra-Seasonal Wood Biomass Production. Frontiers in Plant Science. 2021; 12 (APR): 698640. DOI: https://doi.org/10.3389/fpls.2021.698640. EDN: https://elibrary.ru/SDWCOK.
22. Hu M., Olsson A., Hall S. A., Seifert T. Fibre directions at a branch-stem junction in Norway spruce: a microscale investigation using X-ray computed tomography. Wood Science and Technology. 2022; 56 (1): 147-169. DOI: https://doi.org/10.1007/s00226-021-01353-y.
23. Toumpanaki E., Shah D. U., Eichhorn S. J. Beyond what meets the eye: Imaging and imagining wood mechanical–structural properties. Advanced Materials. 2021; 33 (28): 2001613. DOI: https://doi.org/10.1002/adma.202001613.
24. Frias M., Blanchet P., Begin-Drolet A., Triquet J. Parametric study of a yellow birch surface impregnation process. European Journal of Wood and Wood Products. 2021; 79 (4): 897-906. DOI: https://doi.org/10.1007/s00107-021-01700-7.
25. Tomina E. V., Dmitrenkov A. I., Nguen An' T'en, Zhuzhukin K. V., Hodosova N.A. Gidrofobizaciya drevesiny Betula pendula Roth i Pinus sylvestris L. otrabotannym rastitel'nym maslom i vozmozhnosti ee utilizacii v biougol'nyy sorbent dlya ionov medi. Lesotehnicheskiy zhurnal. 2024; 14 (1(53)): 190-202. DOI: https://doi.org/10.34220/issn.2222-7962/2024.1/11. EDN: https://elibrary.ru/NMCOPY.
