纺织品纤维成分含量快速分析软件的开发与应用.docVIP

纺织品纤维成分含量快速分析软件的开发与应用 　　摘要：本文介绍了基于近红外光谱技术的纺织品纤维成分含量快速分析软件的开发过程，包括理论原理、基本数据以及软件的操作方法等。验证试验结果表明，使用分析软件对纺织品纤维成分含量进行预测，可快速、无损、无污染地得到纺织品的准确含量，大大提高了检测的效率。 中国论文网 /8/view-7191490.htm 　　关键词：纺织品；纤维成分；近红外光谱；分析软件 　　1 引言 　　国家强制标准GB 5296.4―2012《消费品使用说明纺织品和服装使用说明》中对纺织品的使用说明有纤维含量标识的强制要求，可见成分分析是纺织品必不可少的检测项目[1]。检测通常根据行业标准FZ/T 01057系列进行纤维成分的定性鉴别；而定量分析常用的方法中有物理法（显微镜测定法、手工拆分法）和化学溶解法等，这些方法在GB/T 2910系列中有详细描述[2]。现行广泛使用的定性定量方法存在两种明显的弊端：人力消耗大和环境污染严重。显微镜测定法和手工拆分法需要大量的人力进行操作，耗时长、易出错、效率低且存在一定的主观性。化学溶解法用到大量高浓度无机酸碱和有机溶剂，产生高腐蚀性的废液，对环境造成严重污染，同时严重危害检测人员的身体健康。纤维成分定性定量分析方法在检验效率与环境保护等方面表现出来的不足对分析技术向更高的层次发展提出了新的要求。 　　近红外光谱作为一种快速、无损的定量检测技术受到越来越广泛的关注。它主要记录分子中的含氢基团C―H、N―H、O―H的倍频与合频振动信息。不同基团产生的光谱在吸收峰位置和强度上有所不同，随着样品成分组成或者结构的变换，其光谱特征也将发生变化。利用光谱中的信息，并结合适当的化学计量学方法，即可得到纺织物纤维成分的定性或定量信息[3]。 　　根据纺织品检验的实际情况，结合国内外纺织品定性定量研究工作的基础，利用本项目组在近红外光谱定量分析纤维成分的研究成果[4]，我们采用近红外光谱为分析手段，开发一款基于近红外光谱技术的纺织品纤维成分含量快速分析软件。利用近红外光谱及软件对纺织品进行无损检测，在不使用对环境有污染的溶剂的情况下得出纺织品纤维成分含量的准确信息，大大提高了检验的效率。 　　2 主要内容 　　本分析软件针对纺织品中常见的棉涤二组分样品、毛涤二组分样品和棉涤氨三组分样品，应用化学计量学方法，建立三种混纺纺织品的定量分析软件。由于分析软件对于“毛涤”、“棉涤”和“棉涤氨”三类纺织品的定量计算原理和分析方案相类似，为了避免重复介绍，本文以“毛涤”类纺织品为例，详细说明本软件的设计原理及方案、基本数据结构及操作方法。 　　2.1 原理与方案 　　近红外光谱分析是近年发展起来的新技术，其无损性和快速性使其在定量分析上得到了广泛应用。将近红外光谱传感设备采集的包含样品信息的光谱与认可的参比方法所测得的数据利用化学计量学方法建立标准模型后，可通过未知样品光谱的测定及与相对应的模型进行比较或预测后得到定性或定量信息[5-6]。 　　纺织品纤维成分含量快速分析软件包含了两类算法（模型）：类别判断模型和定量分析模型。类别判断模型主要用于判断待测样品与所选择的定量模型是否相符；定量分析模型主要用于各组分含量的预测。为了得到有效的近红外光谱数据，使所建的模型稳定可靠、有足够的预见性、准确性，在建模前我们对数据进行了以下三步处理： 　　（1）预处理。对测试所得的近红外光谱进行预处理，本软件采用Norris微分平滑的预处理程序，图1列举了不同毛含量的毛涤两组分纺织品预处理后的近红外光谱图。 　　（2）奇异样本的剔除。在建立模型时，若校正集样品中出现奇异点，或个别样本的性质超出范围时会使模型出现较大偏差，为了避免此类情况的出现，本软件建模前用蒙特卡罗交互验证方法剔除奇异样本[7]。 　　（3）变量优选。近红外光谱通常由大量的数据点构成，造成建模时波长点数远远多于样本个数，因此光谱的共线性非常严重，有效的变量筛选不仅可以简化模型，更主要的是可以剔除不相关或非线性变量，从而加强模型的预测能力与稳健性[8]。以“毛涤”类纺织品为例，本软件通过CARS变量选择法对毛涤混纺织物的最佳测量模式变量进行筛选，最终选择39个波长点作为变量条件进行建模。 　　采用蒙特卡罗交互验证方法剔除奇异样本、对光谱进行中心化与Karl Norris滤波降噪处理、CARS方法筛选出与样本性质密切相关的变量后，我们利用偏最小二乘法建立了预测毛涤混纺织物中毛含量的校正模型。校正模型的相关系数为0.9222，交互验证均方残差为4.0170，预测均方根误差为3.3423，满足对毛涤两组分纺织品的定量检测。图2为所建模型计算的预测值与真实值关系图。 　　2.2 基本数据结构 　　软件的详细流程见图3所示。