近日，南京林业大学材料科学与工程学院阙泽利教授木结构工作室在速生杉木结构材力学分级研究方面取得重要进展。研究成果以“基于共振频率的速生杉木力学分级：基于视觉的节子检测贡献评估”（Resonance frequency-based mechanical grading of fast-grown Chinese fir: Assessing the contribution of vision-based knot detection）为题，发表于国际权威期刊《Industrial Crops & Products》（中科院一区Top期刊）。该研究为杉木人工林结构材的标准化分级和高值化利用提供了新的科学依据与技术路径。
杉木（Cunninghamia lanceolata (Lamb.) Hook）是我国栽培面积最大的人工林树种之一，资源丰富、生长迅速，但在现代木结构建筑中的结构化利用长期受制于标准化力学分级方法的缺失，其应用多局限于刨花板、纤维板等低附加值产品。针对这一现状，研究团队以102根规格材试件为对象，系统探究了共振频率法测得的动态弹性模量（MOE）与基于视觉的节子检测指标在EN 338欧洲结构材强度等级体系下的分级效能。
研究发现，共振频率法测得的动态MOE对杉木弯曲弹性模量和抗弯强度具有良好预测能力（R²分别为0.60和0.44）。在此基础上，融合视觉检测获得的最大宽面集中节子直径比（CKDR）后，预测精度分别提升至0.64和0.46，证实了节子信息作为补充指标的有效性。分级结果显示，在所测试的杉木群体中，19.6%可达到C20等级，45.1%为C14等级，35.3%因不满足密度要求而被拒收。研究进一步揭示，密度是限制杉木向更高强度等级跃升的最关键等级确定属性（GDP）。
该论文的第一作者为阙泽利教授木结构工作室博士研究生孔繁旭，阙泽利教授为通讯作者，南京林业大学为第一完成单位。研究得到了国家重点研发计划（2024YFD2201204）和江苏省研究生科研与实践创新计划项目（KYCX25_1415）的资助。研究还采用了YOLOv12n深度学习模型实现节子的自动检测与量化，展示了计算机视觉技术在木材工业智能化升级中的广阔应用前景。
该研究成果不仅为速生杉木在EN 338体系下的力学分级提供了直接的科学依据，也为建立与国际标准接轨的国产材分级体系奠定了基础。团队未来将进一步扩大样本来源，探索针对国产材种的强度分级标准优化路径，助力我国人工林资源的高效与高附加值利用。
文章链接： https://doi.org/10.1016/j.indcrop.2026.123746
