近红外光谱法快速检测纺织品涤棉成分的研究

唐长波

(苏州市职业大学 教育与人文学院，江苏 苏州 215104)

近红外光谱法快速检测纺织品涤棉成分的研究

唐长波

(苏州市职业大学 教育与人文学院，江苏 苏州 215104)

通过近红外反射光谱(NIRS)技术并结合偏最小二乘法(PLS)，以50个涤棉纺织品为测试样品，25个涤棉纺织品为验证样品，研究近红外光谱反射技术用于预测纺织品中涤棉含量的方法.试验结果表明，对原始光谱波数范围选取9 918.4～6 094.4 cm-1，进行一阶导数处理，采用改进偏最小二乘法建立纺织品涤棉含量的预测模型，R2值和RMSECV分别为98.31和1.26，外部验证R2值和RMSEP分别为0.932 8和0.293，说明近红外反射光谱法快速无损检测纺织品中涤棉含量是可行的.

近红外反射光谱；纺织品；涤纶；棉

对于纺织材料，目前常用的检测方法有化学溶解法、显微镜法等[1-2]，但这些检测方法效率低，速度慢，在检测过程中，对检测人员的技术要求较高，有毒的化学试剂会对环境造成污染，同时检测过程对样品具有破坏性，无法实现快速准确的纺织品成分分析.

近年来，近红外无损检测技术具有检测快速简便、无污染、不破坏样品等特点，已广泛应用于农业与食品工业[3-5]、医药行业及临床医学等领域[6-7]，在纺织品方面的研究应用[8-10]也越来越多.使用近红外光谱结合偏最小二乘法对纺织品中涤纶、棉含量进行快速无损检测，推动纺织品成分检测在生产中的应用.

1 材料与方法

1.1 材料与仪器

纺织布料样品由苏州市纺织品检测所提供的不同颜色和不同涤棉比例的布料.仪器为德国Bruker公司生产的MPA 型傅里叶变换近红外光谱仪.化学试剂为59.5% 硫酸和稀氨水.

1.2 试验方法

利用傅里叶变换(FT)近红外光谱仪采集涤棉纺织品的近红外反射光谱数据.

采集条件：在室温(24±2) ℃下，以仪器内置背景为参比，扫描范围为波数σ为12 000～4 000 cm-1(833～2 500 nm)；扫描次数为32次；分辨率为8 cm-1.

将样品折叠平整后放在采集窗口，并配有感光装置，若有近红外光透过，则会报警，需要继续增加样品厚度，直到不报警为止，确保光谱采集时样品的厚度一致.同时利用该附件对样品施加压力，确保样品进行光谱采集时所受压力和厚度的一致性.光谱数据由OPUS(v5.5，德国Bruker Optics公司) 软件进行采集和转换.

1.3 化学溶解法测定棉、涤纶成分

依据国际标准法 AATCC-20A［11］，将已称量的试样放入三角瓶中，以1∶100 的比例加入 59.5% 硫酸，盖紧瓶塞，强烈震荡1 min，在15～25 ℃下保持15 min，然后取出震荡，再保温15 min，取出再次震荡；在抽气泵上用坩锅过滤出未溶解物质，用59．5%硫酸冲洗，再用水冲洗，然后用稀氨水中和清洗并浸泡残留纤维10 min，再用冷水冲洗，最后用抽气泵抽干，将坩锅和残留物质放入烘箱烘至恒重，冷却后称量.

1.4 模型的建立与验证

随机选取75个纺织样品进行试验,随机地选取50个纺织布料样品作为校正样品集，对校正样品集进行全光谱交叉验证，进而构建近红外定量分析模型,另外选取25个纺织样品作为预测集进行外部检验.模型性能的评价指标由校正样品集的校正相关系数(rc)和交叉验证均方根误差(RMSECV)以及预测样品集的预测相关系数(rp)和预测均方根误差(RMSEP)构成.如果模型中rc和rp越高，而RMSECV和RMSEP越小，则证明该模型的预测效果越好.RMSECV和RMSEP计算公式为[12]

2 结果与分析

2.1 选择近红外光谱范围

光谱范围的选择过程实质上是对样品中各个化学组分的光谱信息进行筛选的过程，正确选择光谱范围能够利用有效光谱信息,剔除干扰信息，提高分析模型的准确性[13].本试验全光谱的扫描范围是12 000～4 000 cm-1，根据r值和RMSECV进行比较研究，如图1所示.通过偏最小二乘法进行近红外光谱分析，其分析结果见表1.波长在9 918.4～6 094.4 cm-1范围时，r值最大，RMSECV最小，预测结果较为理想.该波长范围涵盖了CH3与CH2基团的第一倍频（6 000～5 500 cm-1）和第二倍频（8 800～7 800 cm-1）、COH 基团的第一倍频（8 300～6 000 cm-1），这些官能团是涤纶以及棉制品的主要官能团，可能对近红外模型的构建起着重要作用.然而，在全波长范围下，r值较小，RMSECV较大，则可能是该范围中包含了很多干扰行的波段，从而影响了预测的效果.

?

表1 不同波长选择模型的相关系数、内部交叉验证均方根值

2.2 选择近红外光谱的预处理方法

对原始光谱进行有效的数学预处理方法,能够过滤噪声、提高信噪比,消除对基线漂移的干扰.通过选取不同预处理方法,构建光谱图与纺织样品涤棉含量的预测模型，计算R2值和RMSECV值.据表2结果分析,一阶导数(D1)处理建立模型的R2和RMSECV分别最大和最小,说明用此法在建模时效果最好；其次是“无预处理”，而多元散射校正(MSC)法效果最差.因此,本试验选择一阶导数处理样品的N I R光谱.

表2 不同的光谱预处理方法模型内部验证的决定系数、交叉验证均方根值

2.3 模型参数优化及交叉验证

主成分维数是构建校正模型时影响模型精度的主要参数.若建模时主成分维数过多，则会将表示噪声的主成分加入模型，从而降低模型预测能力；如果主成分维数过少，很难表现未知样品被测组分中测量数据的变化,模型预测准确度会降低[14-15].通过交叉验证均方差RMSECV和决定系数R2选取主成分维数.当模型主成分维数为6时,R2值最大和RMSECV值最小,此时预测效果最好.各维数对应的R2值和RMSECV值如表3所示，根据选定的光谱范围（9 918.4～6 094.4 cm-1）、一阶导数光谱预处理方法以及PLS主成分维数建立分析模型,得到纺织品中涤棉含量的模型，模型预测值与真值相关关系散点图见图2.其中R2值为98.31、RMSECV值为1.26.

2.4 外部验证预测模型

通过外部验证优化后的涤棉含量模型评价其预测性能.选取25个样品进行预测，根据建立分析模型进行预测，外部验证R2值和RMSEP分别为0.932 8和0.293，可见，近红外预测值与标准方法测定值之间相关性良好.

表3 各维数对应的内部验证的决定系数、交叉验证均方根值

图2 涤棉成分NIR预测值与化学值相关关系散点图

3 结论

对原始光谱波长选取范围为9 918.4～6 094.4 cm-1，进行一阶导数处理，采用改进偏最小二乘法（PLS）建立纺织品涤棉的预测模型，R2值为98.31和RMSECV值为1.26，外部验证R2值和RMSEP分别为0.932 8和0.293，具有良好的相关性.实验数据表明，近红外反射光谱用于快速检测纺织布料中涤棉含量是可行的，预测精度尚可以进一步提高.

[1] 李青山. 纺织纤维鉴别手册[M]. 第 2 版.北京：中国纺织出版社，2003．

[2] MC C T N.Extending the use of visible/near- infrared reflectance spectrophotometers to measure of food and agriculture products［J］.Food Research Inter-national，2002，35(8)：731-736．

[3] 吉海彦，严衍禄． 在国产近红外光谱仪实验样机上用偏最小二乘法定量分析大麦成分[J]. 分析化学，1998，26(5)：607-611．

[4] FAN G，ZHA J，DU R，et al.Determination of soluble solids and firmness of apples by Vis/NIR transmittance [J].Journal of Food Engineering，2009，93：416- 420.

[5] 冯晓元，王宝刚，李文生，等. 近红外漫反射光谱预测久保桃可溶性固形物初步实验研究[J]. 食品工业科技，2008，29(3)：273-275.

[6] PAN Shengtian，CHUNG Hoeil，Mark A． Arnold．Near-infrared spectroscopy measurement of physiological glucose level in variable matrices of protein and triglycerides［J］.Anal.Chem，1996，68 ( 7)：1124-1135．

[7] 陈卫国，李鹏程，卢广，等. 用近红外光拓扑图技术实时跟踪脑血流变化[J]. 生物物理学报，2000，16(3)：613-617．

[8] 柴金朝，金尚忠. 近红外光谱技术在纺织品定性检测中的应用[J]. 纺织学报.2009，30(4)：55-58.

[9] 吴桂芳，何勇． 应用可见/近红外光谱进行纺织纤维鉴别的研究[J]. 光谱学与光谱分析，2010，30(2)：331－335．

[10] 袁洪福，常瑞学，田玲玲，等． 纺织纤维及其制品非破坏性快速鉴别的研究[J]. 光谱学与光谱分析，2010，30(5)：1229-1233．

[11] AATCC Test Method 20A． Fiber Analysis：Quantitative[S].US：AATCC Committee，2010.

[12] 张 鹏，李江阔，孟宪军，等. 涩柿可溶性单宁的可见/近红外漫反射光谱无损检测研究[J]. 光谱学与光谱分析，2011，31(4)：951-954.

[13] 陆婉珍，袁洪福，徐广通，等. 现代近红外光谱分析技术[M]. 北京：中国石化出版社，2000：146-148.

[14] MCGLONE V A，CLARK C J，JORDAN R B.Comparing density and VNIR methods for predicting quality parameters of yellow-fleshed kiwifruit (Actinidia chinensis)[J].Postharvest Biology and Technology，2007，46(1)：1-9.

[15] 方立刚，梁柱. 基于光谱技术的太湖蓝藻预警因子研究[J]. 苏州市职业大学学报，2014，25(2)：6-10.

(责任编辑：李 华)

Near Infrared Reflection Spectroscopy for Determination of Polyester Fiber and Cotton Content in Textiles

TANG Chang-bo
(School of Education and Humanities，Suzhou Vocational University，Suzhou 215104，China)

The determination of polyester fiber and cotton content in textiles by using near infrared reflection spectroscopy (NIR) is investigated.NIR spectroscopy is used to determine the contents of polyester fiber and cotton in 75 samples，including 50 samples for model validation and 25 samples for model prediction.The result shows that PLS model with first order derivative treatment and the wave range of 9918.4-6094.4 cm-1can exhibit better prediction efficiency.The coefficient of determination (R2) and the root mean square error of calibration (RMSEC) are 98.31and 1.26 respectively；the coefficient of determination (R2) and the root mean square error of prediction (RMSEP) 0.932 8和0.293 respectively.It suggests that NIR spectroscopy can provide an accurate，reliable and nondestructive method for evaluating polyester fiber and cotton content in textiles.

NIR spectroscopy；textile；polyester fiber；cotton

TP317.4

A

1008-5475(2015)03-0006-03

2015-05-06；

2015-06-03

江苏省丝绸织绣产品功能检测试验基地建设资助项目；苏州市应用基础研究计划项目(SYN201329)；苏州市职业大学创新基金资助项目(2013SZDCC09)

唐长波(1981-)，男，江苏镇江人，副教授，博士生，主要从事食品安全与质量控制研究.