基于近红外光谱法的桑蚕丝接枝率快速定量测定

王 瑞， 司银松， 芦浩浩， 杲 爽， 傅雅琴

(1.浙江理工大学 纺织科学与工程学院(国际丝绸学院)， 浙江 杭州 310018； 2.浙江机电职业技术学院，浙江 杭州 310018； 3.浙江理工大学 材料科学与工程学院， 浙江 杭州 310018)

蚕丝是一种兼具轻、柔、细等特点的天然蛋白质纤维，拥有柔和的光泽、柔软的触感和良好的吸湿透气性能，但其抗皱性差、色牢度差且易泛黄。尤其是蚕丝织物经过脱胶后，纤维直径变细，织物变薄、挺括性差，限制了其实际应用。通过增重处理，可弥补蚕丝脱胶后损失的质量，改善织物风格，赋予其一定的厚重感和挺括性，主要应用领域为领带、高级礼服等风格厚实的织物[1]。在蚕丝的增重处理中，接枝增重是通过在蚕丝丝素分子上引入接枝单体，于适当的条件下进行聚合形成枝状高分子聚合物以改善纤维性能的化学改性法，其工艺简单、能耗低，改性效果持久，是近年来人们研究的主要方向之一[2]。

蚕丝经接枝增重处理后，虽然其部分性能得到改善，但如果接枝率(接枝程度的大小)超过某种限值，就会引起蚕丝织物柔软性、吸湿性及染色性能的劣化[3]，影响产品品质。此外，蚕丝产品的成本价格也因接枝率的不同而异。因此，为满足生产及销售需要，对蚕丝接枝率进行定量测定尤为必要。

在实际的接枝增重工艺中，接枝率的检测主要是由生产者通过称量法，即对接枝前后的蚕丝质量进行精确称量来实现，但上述方法只能由生产者进行操作，仅适用于蚕丝接枝加工的前后，对接枝蚕丝的使用者和消费者而言，其获得的是已经接枝后的产品，无法用称量法对接枝率进行测定，较难了解蚕丝的接枝程度。为解决传统称量法测定蚕丝接枝率的弊端，研究人员尝试采用氨基酸分析法[4]、热分析法[5-6]以及红外光谱法[7]等手段来测定接枝率。其中，热分析法是较有效的接枝率测定方法，其优点是定量性强，但也存在仪器价格昂贵，测试温度高(样品逐渐加热至400 ℃以上)，仪器降温耗时较长等不足，不适用于批量化快速检测。红外光谱法则是一种无损检测技术，检测样品不需要复杂的前处理，前期建立好定量模型后，可实现样品的大批量快速检测，因此，是非常有希望得到普遍推广应用的接枝率定量方法。然而，目前关于使用红外光谱法进行蚕丝接枝率定量测定的相关研究还较少，为此，还需进一步探索以期使这一技术能更加成熟有效地应用于蚕丝的接枝率检测中。

近红外(NIR)光是谱区范围在780～2 526 nm之间的电磁波，近红外技术是集光谱仪器、化学计量学方法和数学模型为一体的分析技术。该技术通过测定物质在近红外光谱区的特征指标(特征峰)并与其性质变化直接关联，实现对被测物质地定性、定量分析，具有快速、高效和绿色无污染等优点[8]，在多种领域有广泛应用[9]。在纺织领域，近红外光谱技术在纤维种类定性判别[10-11]、纤维整理剂含量[12]以及混纺织物纤维含量定量分析[13-15]等方面多有应用。本文为解决蚕丝接枝率难以直接测定、不适于批量化快速检测等问题，以甲基丙烯酰胺接枝处理的蚕丝为例，基于近红外光谱技术，建立一种简单高效、且适用于批量化检测的接枝率定量方法，以期为蚕丝接枝率的测定提供新途径。

1 实验部分

1.1 实验材料与仪器

材料：桑蚕丝绵(脱胶率为23%，浙江米赛丝绸有限公司)。

试剂：甲基丙烯酰胺(分析纯，上海阿拉丁生化科技股份有限公司)，过硫酸钾(分析纯，国药集团化学试剂有限公司)，连二亚硫酸钠(纯度为85%，萨恩化学技术有限公司)，甲酸(分析纯，上海阿拉丁生化科技股份有限公司)，无水碳酸钠(分析纯，天津市永大化学试剂开发中心)。

仪器：SHA-C水浴恒温振荡器(常州市亿能实验仪器厂)，ME203电子天平(梅特勒-托利多仪器有限公司)，DHG-9031电热鼓风干燥箱(上海精宏实验设备有限公司)，Nir SmartEye 1700尼迩光电近红外光谱仪(杭州尼迩光电科技有限公司)，配卤钨灯光源和漫反射附件(积分球测样附件)，波长覆盖范围1 000～1 670 nm，光谱分辨率为6 nm，波长准确性为±0.2 nm，波长重复性≤0.05 nm，配有BMW750建模系统。

1.2 实验样品

以甲基丙烯酰胺为增重剂，采用过硫酸钾-连二亚硫酸钠体系[16]对桑蚕丝绵(以下简称蚕丝绵)进行接枝处理。选取56个上述接枝蚕丝样品作为样本集(该样本集样品接枝率范围为0%～60%，呈一定梯度分布，见图1)。样本集按2:1的比例分为2组，其中42个样本作为校正集，14个作为验证集，用以建立接枝蚕丝的接枝率定量分析模型。此外，收集丝绵厂家生产的19个接枝蚕丝样本作为外部验证集，以验证模型的有效性。

图1 接枝蚕丝样本分布Fig.1 Distribution of grafted silk samples

1.3 定量模型的建立

1.3.1 样品光谱的采集

为采集稳定的样品谱带信号，在温度为(20±2)℃，相对湿度为(65±3)%的标准恒温恒湿室进行实验。光谱采集前，首先将近红外光谱采集系统开机预热30 min，以保证所采集样品光谱信息的准确性。

为使大部分检测光不透过样品散射掉，尽可能都进入检测器，以增强样品信号强度，确保所采集到的光谱稳定，将均匀取样后的蚕丝样品整理成压紧厚度为4 mm、厚薄均匀的纤维毡，直接置于漫反射附件上，并用附件盖压实进行检测。扫描范围为1 000～1 670 nm，每个样品重复装样扫描5次，谱图采集过程中及时剔除异常数据，以5次平均值为样品的近红外光谱数据。

1.3.2 光谱的预处理

将采集到的蚕丝样品原始近红外光谱数据(平均后的数值)导入化学计量学软件BMW750中，并对原始谱图进行预处理，以有效剔除光谱中的噪声信息，基线漂移以及其他冗余背景信息的干扰，提取有效信息，提高预测模型的稳健性和准确性。

预处理方法分别采用4种方法，即Savitzky-Golay(S-G)平滑+S-G求导法，S-G平滑+S-G求导+均值中心化法，S-G平滑+差分求导法，S-G平滑+差分求导+均值中心化法。

1.3.3 预测模型的建立

以偏最小二乘法(PLS法)为定量分析方法，并采用留一交互验证的方式对校正集样品进行建模，以验证集样品对模型进行检验。从光谱预处理方法、最佳主因子数选择以及建模谱区选择3个方面优化模型，并以交互验证校正相关系数(RC)、交互验证校正标准偏差(SECV)和验证集相关系数(RP)、验证集标准偏差(SEP)以及外部验证样本的预测准确率对模型的稳定性、准确性及可靠性进行评价。

2 结果与讨论

2.1 天然蚕丝与接枝蚕丝的近红外光谱图

图2为未接枝蚕丝绵和甲基丙烯酰胺接枝处理后蚕丝绵(接枝蚕丝)样品的近红外光谱图。可以看出，与未经接枝处理的蚕丝绵相比，2个接枝蚕丝样品在1 430～1 530 nm范围内的吸收光谱有明显差异，且1 430～1 460 nm和1 470～1 530 nm波长区域内出现的2个主要宽峰的吸收强度随接枝率的增加而增强。这是由于更多的甲基丙烯酰胺增重剂接枝到了蚕丝上，蚕丝中C—H、N—H官能团含量不断增加[17]，信号不断增强。根据样品中增重剂特征吸收峰的吸收强度与接枝率呈线性关系，可作为接枝率定量分析的依据。

图2 未接枝蚕丝绵和接枝蚕丝的近红外光谱Fig.2 Near infrared spectra of untreated silk and grafted silk

2.2 光谱预处理及最佳主因子数选择

在实际应用中，常将几种不同的光谱预处理方法组合使用，以达到最佳的处理效果[18]。本文选择化学计量学软件BMW750中自带的预处理方法S-G平滑法、S-G导数法、均值中心化法以及差分求导法加以组合，对56个样品的原始近红外谱图(见图3)进行校正预处理，采用PLS法建立蚕丝接枝率的定量模型，通过比较各预处理方法对模型稳健性的影响选择合适的预处理方法。

图3 蚕丝样品的近红外光谱图Fig.3 Near infrared spectra of silk samples

采用PLS法建立模型时，最佳主因子数应该合理选择。当选择的主因子数较少时，未能将光谱中的有效信息充分提取，导致欠拟合，降低模型预测精度；当选择的主因子数较多时，会将过多冗余信息包含进来，产生“过拟合”，使模型在预测其他样品时误差较大。模型的最佳主因子数可由留一交互验证法确定，得出不同主因子数对应的预测残差平方和(PRESS)，PRESS值越小，代表模型对样品的预测能力越好[19]。

图4示出蚕丝样品在不同校正预处理方法下的PRESS值与主因子数的关系。表1示出光谱经预处理后，PRESS最小值对应的主因子数进行建模的模型参数结果。

图4 不同校正处理的预测残差平方和与主因子数关系图Fig.4 Relationship between PRESS value and principle factor numbers of different methods

表1 不同预处理方法建立的模型参数Tab.1 Model parameters of different pretreatment methods

由表1可知，当预处理方法选用S-G平滑+差分求导法，主因子数为8时，RC和RP分别为0.995和0.992，接近1，SECV和SEP分别为1.464和1.834，二者的值最接近且接近0，说明模型稳健性好，在此条件下，预测效果更理想。其样本光谱图如图5所示。

图5 S-G平滑+差分求导预处理得到的样本光谱图Fig.5 Spectra of samples obtained by combined pretreatment method of S-G smooth and difference derivative

2.3 建模谱区选取

采集得到的样品近红外光谱图中，除含有样品本身的有效信息外，还包含部分对建模无用的光谱数据。在原始光谱中通过利用相关算法选取能代表所有光谱数据特征的波长子集进行建模，可避免过拟合，提高模型的稳健性。此外，剔除无关谱区变量对参与建模的光谱信息“瘦身”，有利于模型分析速度的提升，提高分析效率。本文利用相关系数法筛选特征谱区，得到样品每个光谱点吸光度对接枝率的相关系数图，根据相关系数大小的分布趋势与范围，设定相应阈值，过滤掉相关系数低于给定阈值对应的谱区，保留相关系数大于该阈值的谱区建立预测模型。图6示出蚕丝样品在1 000～1 600 nm范围内每个波长吸光度值与接枝率的相关系数。可以看出，在1 430～1 530 nm区间内，样品的相关系数绝对值可达0.9，与蚕丝接枝率有很高的相关性。表2示出给定阈值下的定量模型预测结果。可以看出，当阈值设为0，即以全光谱区进行建模时，模型的预测准确率最好。

图6 蚕丝样品光谱吸光度与接枝率的相关系数Fig.6 Correlation coefficient of sample absorbance and grafting ratio

表2 不同阈值下定量分析模型的预测结果Tab.2 Prediction results of quantitative analysis model with different thresholds

2.4 模型准确性验证

为进一步检验模型的准确性，常利用建立好的模型预测未参与建模的已知参比值的1组外部样本，将预测值与参比值进行对比。当外部样本的预测值与参比值的绝对误差在5%以内，则认为模型的适应性和准确性较好。使用19个外部样本对模型进行验证，如图7所示，得到的预测平均偏差为3.356 66%，说明模型的适应性较好。

图7 定量模型的外部验证准确性Fig.7 External validation accuracy of quantitative analysis model

此外，对模型预测值与参比值(称量法测定)进行配对t检验，经计算本例t=0.68，在给定水平α=0.05，t0.05，由此可知，光谱预测值与参比值没有显著差别，表明近红外光谱法与称量法不存在系统误差，预测模型的可靠性强。

3 结 论

本文建立了一种利用近红外光谱技术测定甲基丙烯酰胺接枝蚕丝接枝率的方法。采用近红外光谱仪采集样品的原始近红外光谱，在全光谱区内，经S-G平滑+差分求导法预处理的近红外光谱结合偏最小二乘法所得到的接枝率定量分析模型的各项指标较优，校正集相关系数为0.995，验证集相关系数为0.992，校正标准偏差为1.464，验证标准偏差为1.834，内部预测准确率为91.03%。利用19个外部样本对所建模型的准确性进行检验，将样品参比值与预测值进行配对t检验，得到2种方法的检测结果没有显著性差异，说明该模型性能良好、适用性高。研究结果表明，利用近红外光谱法可以实现蚕丝接枝率的直接快速、有效测定，且不消耗任何化学试剂，检测成本经济。该方法可为蚕丝接枝率的快速定量分析提供一种新的检测途径。