基于1D-CNN的近红外光谱定量分析棉_涤纶_羊毛混纺纤维含量方法研究.pdfVIP

第43卷，第11期光谱学与光谱分析Vol.43,No.11,pp3565-3570

2023年11月SpectroscopyandSpectralAnalysisNovember,2023

基于1D-CNN的近红外光谱定量分析棉/涤纶/羊毛混纺

纤维含量方法研究

黄孟强1，匡文剑².3*，刘

向，何良4

1．南京信息工程大学电子与信息工程学院，江苏南京210044

2.南京信息工程大学物理与光电工程学院，江苏南京210044

3.太谱（苏州）纺织科技有限公司，江苏苏州215159

4.江苏阳光集团，江苏江阴214426

摘要纤维成分的定性及定量分析在纺织品检测中一直是研究热点，但常规检测手段存在周期长、工序

复杂且对环境不友好等问题，因此提出一种对纺织品纤维含量快速、无损且准确的检测方法就显得尤为重

要。研究提出一种纺织品纤维含量的定量校正模型，可以准确预测纺织品中棉/涤纶/羊毛的纤维含量，解决

传统校正模型无法兼顾准确与多种纤维预测的难点。针对645个羊毛/涤纶、棉/涤纶以及羊毛/涤纶/棉混纺

样品为研究对象，采用红外光谱分析仪采集样品的近红外反射光谱，在光谱数据预处理的基础之上，提出一

种一维卷积神经网络（1D-CNN)模型，实现对多种纤维含量的同时预测，为了凸显模型的优势，在相同的训

练集和测试集样本之上对比3种不同机器学习算法的预测结果。结果表明：选用线性函数归一化、多项式平

滑滤波（SG平滑，滑动窗口为9，拟合阶数为7)的预处理方法，结合所提出的1D-CNN模型效果最优，其模

型决定系数R-Squared可达到0.998，各含量预测的平均绝对误差（MAE)为0.62，预测均方根误差（RMSE)

为1.31。同时采用未参与建模的138个纺织品样品验证模型泛化能力，模型在测试集上的表现为，决定系数

R-Squared为0.996，各含量预测的平均绝对误差（MAE)为0.80，预测均方根误差（RMSE)为2.01。采用所

提出的模型，可以准确预测羊毛、棉和涤纶混纺织品中纤维含量，为快速无损检测纺织品提供了一种可行的

方法，同时为其他混纺纤维含量的定量分析提供了新的思路。

关键词近红外光谱；定量校正模型；羊毛/涤纶/棉；一维卷积神经网络

中图分类号：TP301文献标识码：AD0I:10.3964/j.issn.1000-0593(2023)11-3565-06

近红外光谱是电磁波谱的一部分，波长范围为780～

引言2526nm，所涉及的化学键通常是R一H（C一H、OH、

N—H、S—H)[4-5]，利用其伸缩振动倍频和合频形成近红外

作为决定产品价值的主要指标，纺织品纤维成分和含量区的吸收或反射光谱，结合化学计量学方法，可以建立样品

一直是生产者、消费者和各级市场监管部门十分关心的问浓度或含量与光谱之间的校正模型。化学计量学方法校准

题1]。国内外为保护消费者的合法权益，颁布相应法令规定后，近红外光谱分析可以对样品进行简单高效的检测。光谱

纺织品必须标注纤维成分及其含量[。但在实际生产和市场分析结合深度学习已在食品分析[6]、农产品质量检测7、和

交易中，纺织品的以次充好、虚假声明和掺假情况等问题也医疗[8]等许多领域得到了广泛应用。目前，光谱分析结合深

并不少见。因此，纺织品纤维含量的定量检测一直都是众多度学习也正逐步成为纺织品检测领域的常规分析技术，用于

检测项目中极其重要的一环。现存的纺织品纤维检测方法纺织品纤维的分类与含量检测[9-10]。Yangl11等通过对比四