近紅外光譜法定性鑒別竹纖維和竹漿黏膠纖維

賈凱凱，周兆懿，劉鵬，李衛(wèi)東

（上海市質(zhì)量監(jiān)督檢驗技術研究院，上海200040）

0 引言

竹纖維和竹漿黏膠纖維作為一種可再生、可降解、廉價、資源豐富的纖維素纖維，具有良好的物理化學性能。近年來，竹纖維和竹漿黏膠纖維素纖維受到了越來越多人的青睞。然而，由于竹漿黏膠纖維與黏膠纖維、竹類纖維與麻類纖維具有較為相似的形態(tài)結構或理化性能，對竹纖維和竹漿黏膠纖維的有效鑒別已成為檢測行業(yè)的難題[1-3]。隨著人們對紅外光譜應用的不斷深入研究，發(fā)現(xiàn)近紅外光譜測試方法具有快速、無損、無需化學試劑等優(yōu)點，并已經(jīng)廣泛應用于紡織品纖維定性定量的研究中[4-7]。文中未直接建立竹纖維和竹漿黏膠纖維的近紅外定性模型，而是分別建立了天然纖維素纖維與再生纖維素纖維校正模型、竹類纖維與麻類纖維校正模型、竹漿黏膠纖維與黏纖纖維校正模型三個近紅外光譜定性模型。將未知樣品的近紅外光譜帶入上述三個定性模型中，通過先進行初次區(qū)分、再進行精確區(qū)分的方式，辨識出纖維類別，從而避免出現(xiàn)因纖維理化性質(zhì)相似造成誤判的現(xiàn)象，提高了試驗方法的精確度。

1 試驗

1.1 儀器與設備

漫反射型近紅外光譜儀，PbS檢測器，掃描分辨率為2 cm-1，光譜范圍為12 500～3 500 cm-1，具有光譜采集、光譜預處理、定性等功能。

近紅外光譜試驗專用的低羥值樣品瓶，規(guī)格為520 mm×2 200 mm×120 mm。

1.2 樣品選擇與制備

選擇具有代表性、種類齊全的竹纖維42只、竹漿黏膠纖維42只、黏膠纖維42只和常見的麻類纖維40只（亞麻25只、苧麻15只）樣品，建模樣品集［竹纖維32只、竹漿黏膠纖維32只、黏膠纖維32只和常見的麻類纖維30只（亞麻20只、苧麻10個）］和驗證樣品集［竹纖維10只、竹漿黏膠纖維10只、黏膠纖維10只和常見的麻類纖維10只（亞麻5只、苧麻5只）］。

樣品應為散纖維狀或?qū)悠凡鸾獬杉喚€，并將樣品裝入近紅外專用的低羥值樣品瓶中進行光譜采集。樣品瓶中裝樣厚度不得低于1 cm，樣品裝填密實并確保裝樣密實程度基本一致，保證其不透光。

2 建立定性模型

由于竹纖維與麻類纖維、竹漿黏膠纖維與其它黏膠纖維的物理化學性質(zhì)相似，若直接建立竹纖維和竹漿黏膠纖維的近紅外光譜定性模型，則易將麻纖維誤判為竹纖維、黏膠纖維誤判為竹漿黏膠纖維。因而，先使用天然纖維素纖維（竹纖維、麻類纖維）和再生纖維素纖維（竹漿黏膠纖維、其它黏膠纖維）建立天然纖維素與再生纖維素纖維的校正模型，先對測試樣品進行一個初步判定，確認其屬于天然纖維素纖維還是再生纖維素纖維；再建立竹類纖維與麻類纖維（亞麻、苧麻）、竹漿黏膠纖維與黏膠纖維校正模型，在初步判定的結果基礎上選擇相應的模型進一步進行確認。通過綜合使用三個定性模型的測試結果，最終確定測試樣品為何種纖維（竹纖維或竹漿黏膠纖維）。

為了消除近紅外光譜中一些與待測樣品性質(zhì)無關的因素（樣品物理狀態(tài)、測量環(huán)境及儀器響應等）帶來的干擾，提高光譜信噪比，試驗時可采用多種預處理方法對光譜進行預處理。同時，為進一步提高模型的預測能力，試驗時對光譜波長進行選擇，采用不同的波段組合進行分析。

2.1 樣品的近紅外光譜采集

直接將裝有樣品的玻璃小瓶置于近紅外光譜儀的積分球附件上，采集其近紅外漫反射光譜。在試樣進行紅外光譜檢測時，選擇波段為12 500～3 500 cm-1、分辨率為2 cm-1的測試條件，且樣品在光譜采集過程中每條光譜信號掃描32次。各類樣品的近紅外光譜圖見圖1～4，且由紅外光譜圖可知，所測纖維的紅外光譜形狀大致相似。

圖1 竹纖維的近紅外光譜圖

圖2 黏膠纖維的近紅外光譜圖

圖3 竹漿黏膠纖維的近紅外光譜圖

圖4 麻纖維（亞麻、苧麻）的近紅外光譜圖

2.2 天然/再生纖維素纖維校正模型建立及驗證

采用一階導數(shù)（平滑點數(shù)為17）結合矢量歸一化（SNV）對近紅外光譜進行預處理。選擇9 526.2～7 539.8 cm-1和4 941.0～4 504.2 cm-1兩段波段對其進行分析建模，所得的模型結果較好，建模集樣本的總正判率為100%,可以明顯區(qū)分出天然纖維素纖維和再生纖維素纖維。將驗證集樣品的近紅外光譜帶入校正模型中進行預測，對校正模型的準確度進行檢驗，其預測結果詳見表1，驗證集樣本的總正判率為100%。

此外，天然纖維素纖維與再生纖維素纖維校正模型的分類結果可以通過近紅外圖譜因子化第一主成分得分值來進行展示。由圖5可以看出，相同纖維類別的樣本緊密地聚集在一起，不同纖維類別樣本之間存在明顯的差異。由此可以得出，通過該方法可以得到一個較為理想的天然/再生纖維素纖維辨識模型。

圖5 天然與再生纖維素纖維校正模型預測結果

2.3 竹類與麻類纖維的校正模型建立及驗證

采用一階導數(shù)（平滑點數(shù)為17）結合矢量歸一化（SNV）對近紅外光譜進行預處理，選擇11 091.3～10 251.4 cm-1和4 954.4～4 535.1 cm-1兩段波段進行分析建模，所得的模型結果較好，建模集樣本的總正判率為100%，可以明顯區(qū)分竹類纖維和麻類纖維。將驗證集樣品的近紅外光譜帶入判別模型中進行預測，對模型的準確度進行檢驗，其模型的預測結果詳見表2，驗證集樣本的總正判率為100%。

此外，竹類與麻類纖維校正模型的分類結果可以通過近紅外圖譜因子化第一主成分得分值來進行展示。由圖6可以看出，相同纖維類別的樣本緊密地聚集在一起，不同纖維類別樣本之間存在明顯的差異。由此可知，通過該方法可以得到一個較為理想的竹類/麻類纖維辨識模型。

2.4 竹漿黏膠纖維與黏膠纖維校正模型建立及驗證

采用一階導數(shù)（平滑點數(shù)為17）結合矢量歸一化對近紅外光譜進行預處理，選擇10315～8 858 cm-1和4 954.5～4 613.2 cm-1兩段波段進行分析建模，所得的模型結果較好，建模集樣本的總正判率為100%，可以明顯區(qū)分竹漿黏膠纖維與黏膠纖維。將驗證集樣品的近紅外光譜帶入判別模型中進行預測，對模型的準確度進行檢驗。模型的預測結果詳見表3，驗證集樣本的總正判率為100%。

表1 天然/再生纖維素纖維驗證集樣品的定性判別結果

此外，竹漿黏膠纖維與黏膠纖維校正模型的分類結果可以通過近紅外圖譜因子化第一主成分得分值來進行展示。由圖7可以看出，相同類別的纖維樣本緊密地聚集在一起，不同類別樣本間存在明顯的差異。由此可知，通過該方法可以得到一個較為理想的竹漿黏膠纖維與黏膠纖維定性識別模型。

表2 竹類/麻類纖維驗證集樣品的定性判別結果

圖6 竹纖維與亞麻、苧麻纖維校正模型的預測結果

3 結論

由上述所建立的3個近紅外定性模型可以清晰地對竹纖維和竹漿黏膠纖維進行定性鑒別，同時還可以對理化性質(zhì)相似的竹類纖維與麻類纖維、竹漿黏膠纖維與黏膠纖維進行準確區(qū)分，說明使用近紅外光譜法對竹纖維和竹漿黏膠纖維進行定性鑒別的方法是可行的。對于待測纖維樣品，只需將其所測試的近紅外光譜依次帶入相應的近紅外定性模型中辨識出纖維類別，從而實現(xiàn)竹纖維和竹漿黏膠纖維的快速、無損鑒別。

圖7 竹漿黏膠纖維與黏膠纖維校正模型的預測結果

表3 竹漿黏膠纖維與黏膠纖維驗證集樣品的定性判別結果