杨树是世界上分布最广泛的树种之一，因其生长快、适应性强等特点被广泛用作速生林树种。中国是全球杨树人工林面积最大的国家，近1亿亩，占全国人工林面积8%以上。其木材轻质耐用，广泛应用于胶合板、刨花板等木材工业和造纸工业；同时因生长快、固碳能力强，是理想的生物质能源原料，可转化为生物燃料、电能与热能。因此，杨树兼具重要生态与经济价值。然而，杨树属包括100多个自然存在的物种，以及许多杂交种，栽培种和变种，不同杨树品种在生态适应能力和工业应用方面(纸浆和造纸生产、板材加工)上存在显著差异，而传统手段难以实现快速准确的品种级鉴别已达到适材适用的目的。 针对这一难题，本技术通过提取杨木品种原料的光谱，结合近红外光谱与卷积神经网络，构建了特征光谱数据库，并开发了NIR-Net、NIR-ResNet等专用光谱识别模型，已实现10种杨树品种级的快速鉴别，鉴别准确率达到96%-100%，能够准确输出杨树木材与纸浆材的分类结果，显著提升了鉴别效率，同时降低了人为误差。该技术累计发表相关论文32篇，获授权国家发明专利6项、软件著作权3项。目前，核心技术模型已完成构建，技术方案的可行性与优越性得到验证，已在鄄城县国有第一林场、单县林业局、莘县国有林场管理服务中心得到应用。2026年1月，经中关村科创高新技术转移促进会成果评价鉴定会，专家组一致认定，该成果总体上达到了国际先进水平。该技术有助于提升杨树人工林资源的高效利用水平，推动现代林木遗传育种学科发展，进一步增强我国在林木生物种业领域的自主创新能力与国际影响力，服务于国家林木种业振兴与绿色低碳发展的战略目标。