紡織品纖維成分含量快速分析軟件的開發與應用

聶鳳明　吳淑煥　羅峻　范偉　許敏　謝劍飛

摘要：本文介紹了基于近紅外光譜技術的紡織品纖維成分含量快速分析軟件的開發過程，包括理論原理、基本數據以及軟件的操作方法等。驗證試驗結果表明，使用分析軟件對紡織品纖維成分含量進行預測，可快速、無損、無污染地得到紡織品的準確含量，大大提高了檢測的效率。

關鍵詞：紡織品；纖維成分；近紅外光譜；分析軟件

1 引言

國家強制標準GB 5296.4—2012《消費品使用說明紡織品和服裝使用說明》中對紡織品的使用說明有纖維含量標識的強制要求，可見成分分析是紡織品必不可少的檢測項目[1]。檢測通常根據行業標準FZ/T 01057系列進行纖維成分的定性鑒別；而定量分析常用的方法中有物理法（顯微鏡測定法、手工拆分法）和化學溶解法等，這些方法在GB/T 2910系列中有詳細描述[2]。現行廣泛使用的定性定量方法存在兩種明顯的弊端：人力消耗大和環境污染嚴重。顯微鏡測定法和手工拆分法需要大量的人力進行操作，耗時長、易出錯、效率低且存在一定的主觀性。化學溶解法用到大量高濃度無機酸堿和有機溶劑，產生高腐蝕性的廢液，對環境造成嚴重污染，同時嚴重危害檢測人員的身體健康。纖維成分定性定量分析方法在檢驗效率與環境保護等方面表現出來的不足對分析技術向更高的層次發展提出了新的要求。

近紅外光譜作為一種快速、無損的定量檢測技術受到越來越廣泛的關注。它主要記錄分子中的含氫基團C—H、N—H、O—H的倍頻與合頻振動信息。不同基團產生的光譜在吸收峰位置和強度上有所不同，隨著樣品成分組成或者結構的變換，其光譜特征也將發生變化。利用光譜中的信息，并結合適當的化學計量學方法，即可得到紡織物纖維成分的定性或定量信息[3]。

根據紡織品檢驗的實際情況，結合國內外紡織品定性定量研究工作的基礎，利用本項目組在近紅外光譜定量分析纖維成分的研究成果[4]，我們采用近紅外光譜為分析手段，開發一款基于近紅外光譜技術的紡織品纖維成分含量快速分析軟件。利用近紅外光譜及軟件對紡織品進行無損檢測，在不使用對環境有污染的溶劑的情況下得出紡織品纖維成分含量的準確信息，大大提高了檢驗的效率。

2 主要內容

本分析軟件針對紡織品中常見的棉滌二組分樣品、毛滌二組分樣品和棉滌氨三組分樣品，應用化學計量學方法，建立三種混紡紡織品的定量分析軟件。由于分析軟件對于“毛滌”、“棉滌”和“棉滌氨”三類紡織品的定量計算原理和分析方案相類似，為了避免重復介紹，本文以“毛滌”類紡織品為例，詳細說明本軟件的設計原理及方案、基本數據結構及操作方法。

2.1 原理與方案

近紅外光譜分析是近年發展起來的新技術，其無損性和快速性使其在定量分析上得到了廣泛應用。將近紅外光譜傳感設備采集的包含樣品信息的光譜與認可的參比方法所測得的數據利用化學計量學方法建立標準模型后，可通過未知樣品光譜的測定及與相對應的模型進行比較或預測后得到定性或定量信息[5-6]。

紡織品纖維成分含量快速分析軟件包含了兩類算法（模型）：類別判斷模型和定量分析模型。類別判斷模型主要用于判斷待測樣品與所選擇的定量模型是否相符；定量分析模型主要用于各組分含量的預測。為了得到有效的近紅外光譜數據，使所建的模型穩定可靠、有足夠的預見性、準確性，在建模前我們對數據進行了以下三步處理：

（1）預處理。對測試所得的近紅外光譜進行預處理，本軟件采用Norris微分平滑的預處理程序，圖1列舉了不同毛含量的毛滌兩組分紡織品預處理后的近紅外光譜圖。

（2）奇異樣本的剔除。在建立模型時，若校正集樣品中出現奇異點，或個別樣本的性質超出范圍時會使模型出現較大偏差，為了避免此類情況的出現，本軟件建模前用蒙特卡羅交互驗證方法剔除奇異樣本[7]。

（3）變量優選。近紅外光譜通常由大量的數據點構成，造成建模時波長點數遠遠多于樣本個數，因此光譜的共線性非常嚴重，有效的變量篩選不僅可以簡化模型，更主要的是可以剔除不相關或非線性變量，從而加強模型的預測能力與穩健性[8]。以“毛滌”類紡織品為例，本軟件通過CARS變量選擇法對毛滌混紡織物的最佳測量模式變量進行篩選，最終選擇39個波長點作為變量條件進行建模。

采用蒙特卡羅交互驗證方法剔除奇異樣本、對光譜進行中心化與Karl Norris濾波降噪處理、CARS方法篩選出與樣本性質密切相關的變量后，我們利用偏最小二乘法建立了預測毛滌混紡織物中毛含量的校正模型。校正模型的相關系數為0.9222，交互驗證均方殘差為4.0170，預測均方根誤差為3.3423，滿足對毛滌兩組分紡織品的定量檢測。圖2為所建模型計算的預測值與真實值關系圖。

2.2 基本數據結構

軟件的詳細流程見圖3所示。

2.3 操作方法

紡織品纖維成分含量快速分析軟件見圖4所示，為了方便介紹，我們以“毛滌”類紡織品為例，介紹本軟件的操作方法（“棉滌”類和“棉滌氨”類紡織品的檢測方法與其相類似）。選擇“毛滌”分類后，軟件將切換到近紅外光譜采集界面，如圖5所示。頁面中主要分為三個區域：頁面頂端的工具欄、左側的數據顯示區域和右側數據采集參數區域。工具欄可以設置近紅外光譜的采集、光譜數據的導入、模型查看、工作曲線、導出數據、生成報告等操作。左側數據顯示區域顯示當前樣本所采集的光譜譜圖。右側的參數區域包含了采集中所需要設定的參數，包括積分時間、平均譜采集次數、采集樣本的形式（背景、參比、樣本）、校正系數和光譜顯示區的X軸、Y軸的顯示單位等。根據樣品的厚薄、均勻性、印花結構等設置相應的采集參數后，即可點擊“Collection”進行光譜采集。

軟件對同一樣品的多個譜圖進行平均后得到該樣品的平均譜，隨后對平均譜進行化學計量學預處理、類別模型判斷和定量模型預測等一系列后臺計算，最后返回樣品的預測結果。如果樣品與所選的類別相符，軟件通過類別模型判斷程序和定量模型預測程序后將直接返回含量結果，若無法通過類別模型判斷程序，即返回不通過，如圖6所示，提示用戶重新選擇類別。endprint

3 驗證試驗

為了檢驗紡織品纖維成分含量快速分析軟件的效果，考察模型的穩定性和分析軟件的準確性，必須對軟件進行一系列的驗證試驗。

3.1 材料

用作驗證試驗的紡織品均為市售或網上購買，購置后根據紡織行標FZ/T 01057系列和國標GB/T 2910系列進行定性鑒別和定量分析，得出其準確含量。“毛滌”、“棉滌”和“棉滌氨”類樣品數均大于50個。

3.2 試驗方案

試驗主要考察類別選擇不符合定量結果的準確性。由于“棉滌”和“棉滌氨”類紡織品驗證試驗與“毛滌”類樣品相似，為了避免重復介紹，驗證試驗均以“毛滌”類樣品為例說明。

隨機選取已知含量的10個“毛滌”類紡織品，分別選取“毛滌”“棉滌”“棉滌氨”作為其類別，利用軟件進行紡織品纖維成分含量的快速分析，重復3次。

3.3 結果與討論

通過軟件測試計算后，當3批次、共30個“毛滌”類驗證樣品選擇“棉滌”或“棉滌氨”作為其類別時，軟件都返回“光譜類別異常、請重新選擇”的結果，表明軟件中的對樣品光譜與其類別的相符性有很好的判斷性，為下一步定量模型的應用提供了保障。當樣品光譜通過類別驗證，即樣品類型與所選定量模型相符時，軟件返回定量信息。表1列舉了一批次10個隨機“毛滌”樣品的化學溶解法和近紅外光譜軟件預測的羊毛含量結果。

從表1中數據可以看出，紡織品纖維成分含量快速分析軟件能較好地預測樣品的含量信息，與化學溶解法的數值相比較，在羊毛含量較低和較高的區域，即羊毛含量大于70%或小于30%時，預測結果的偏差略大；在中間區域，即羊毛含量在30%～70%時，偏差較少，出現這樣的情況可能與建模時所用的數據集有關，由于建模所采用的樣品為市售樣品，樣品含量落在高含量和低含量區域較少，造成建模時所用的標準數據在這兩個區域的數據點較少。但是，全部10個試驗樣品的偏差都在±4%的范圍內，符合相關標準的要求。

4 結論

利用基于近紅外光譜技術的紡織品纖維成分含量快速分析軟件對紡織品的含量進行預測，在不破壞樣品的基礎上可快速、準確、無污染地得到其含量信息，大大提高檢驗的效率。

參考文獻：

[1]GB 5296.4—2012 消費品使用說明第4部分：紡織品和服裝使用說明[S].

[2]FZ/T 01057—2007 紡織纖維鑒別試驗方法[S].

[3]王動民，金尚忠，陳華才，等.棉-滌混紡面料中棉含量的近紅外光譜分析[J].光學精密工程，2008，（11）： 2051-2054.

[4]吳淑煥，聶鳳明，許敏，等.淺談織物結構對近紅外光譜影響[J].中國纖檢，2015，（11）： 76-77.

[5]陸婉珍.現代近紅外光譜分析技術[M].北京： 中國石化出版社，2007.

[6]徐廣通，袁洪福，陸婉珍.現代近紅外光譜技術及應用進展[J].光譜學與光譜分析，2000，（2）： 134-142.

[7]李洪東，曹東升，許青松，等. 蒙特卡羅交互檢驗在檢測近紅外數據奇異樣本中的應用[C].全國近紅外光譜學術會議，2008.

[8]孫通，許文麗，林金龍，等.可見/近紅外漫透射光譜結合CARS變量優選預測臍橙可溶性固形物[J]. 光譜學與光譜分析， 2012，32（12）： 3229-3233.

[作者單位：聶鳳明、吳淑煥、羅峻、許敏、謝劍飛，廣州纖維產品檢測研究院，國家紡織品服裝服飾產品質量監督檢驗中心（廣州）；范偉，湖南農業大學]endprint