基于光谱特征的粘胶纤维混色纺纱过程呈色机理分析

崔翔宇, 程 璐, 杨月茹, 吴艳丰, 夏 鑫, 李永贵

1. 新疆大学纺织与服装学院, 新疆 乌鲁木齐 830017 2. 福建省新型功能性纺织纤维及材料重点实验室(闽江学院), 福建 福州 350108 3. 东华大学纺织学院, 上海 201620

引 言

色纺纱是由两种或两种以上的色纤维混合纺制的环保型纱线。 相较于传统染整工序, 纤染着色均匀、 色牢度更好, 减少了排污问题, 扩大色纺纱的产能和市场对加快实现纺织产业的高质量发展具有重要意义。 在实际生产中, 因客户订单灵活多样, 企业需凭经验反复打样试纺来达到要求, 不仅工序繁琐、 效率低、 浪费多, 且容易导致产品色度学指标的波动, 进而影响产品的质量稳定与交付时效。

近年来, 计算机测配色技术的发展与应用较大地改善了色纺产业配色困难的现状, 它采用预测模型将色纤维配方与色纺纱呈色建立映射关系, 并通过一系列数学形式的条件假设得以实现, 假设条件的充足与否将直接影响模型预测的准确度。 目前对配色模型的优化多在于赋值迭代模型中的待定常系数(经验常数), 不断计算来寻求最优解[1-3], 其本质是利用计算机的高速计算能力不断试错以修正映射, 却忽略了纺纱加工对纤维集合体形态的改变在此映射中作为假设条件的重要性。 另一方面, 有文献[4]指出, 现常用的Stearns-Noechel模型和Friele模型均是在两组分纤维混合实验基础上总结推导得到的, 而由于混合纤维集合体中光传播的复杂性, 将该推导结果直接应用于更多组分纤维混合的预测中, 存在误差累积效应。 这些都说明当下配色模型的映射关系内仍存在较复杂的不确定性因素, 混色纤维集合体在成纱过程中因形态改变而产生的颜色差异(光反射变化)没有在计算机配色算法中得到良好的解释。

尽管有文献[5]已考虑到测色样品的颜色指标与入射光在其纱线及纤维单体表面的覆盖率存在联系; 亦有学者[6]另辟蹊径, 结合复丝的几何结构模型及内部单丝的分布, 提出对相邻单丝片段混合呈色的计算方法, 并建立相应的颜色预测模型, 但对于解释纤维集合体形态之于纱线最终呈色的影响, 在相关领域仍处在认识的初期阶段。 不过可以明确的是, 纺纱加工过程中, 随集合体内混色纤维排列分布和聚集态的改变, 其表面呈色会相应地发生规律性改变[7], 由此, 可以将色纺纱产品及半成品的颜色同其形态建立联系, 进而发掘纤维集合体在纺纱过程中的颜色变化(光反射)机理。

对颜色差异的精确量化表述是研究纺纱过程中纤维集合体颜色变化的基础, 在对颜色差异性判别标准的比较中发现, 当下色纺纱领域表征颜色差异以色差评价为主流, 而对色纺纱光谱相似度的评价在现阶段虽已到量化程度[8], 但具体到光谱的形状、 幅值、 信息量等特征, 则研究文献颇少。 相较于由各色度学指标决定的色差评价, 材料的可见光光谱表述了材料光反射比与波长之间关系, 从根本上确定了材料的表面呈色, 综合反映了该材料对入射光的吸收、 反射、 散射等特性, 发展适用的光谱评价方案对研究纺织材料的表面颜色及呈色机理有重要意义。

基于光谱评价标准针对原液着色粘胶在纺纱过程中产生的颜色变化展开研究, 通过对不同状态下纤维集合体的光谱特征进行分析, 并创新性地将纤维的光反射理论运用于色纺纱光谱曲线在幅值、 形状两个维度差异进行解释, 希望阐明纺纱加工过程中混色纤维集合体内部纤维排列状态和聚集态的改变对其表面光反射的影响机理, 且引起了怎样的色度变化。 本文的研究对提高色纺纱计算机配色理论对预测配方和纺样间颜色误差的解释力具有基础性支持, 并能够帮助相关领域学者在优化配色模型时寻找新的思路。

1 实验部分

1.1 纤维的光反射理论

光入射到纤维表面, 会在纤维与空气的界面上发生反射和折射, 少部分光线直接发生反射并离开纤维, 称外反射光; 其余光线将进入其内部, 在它们与纤维各结构层次中发生的多次反射与折射中, 一些光被纤维吸收, 而另一些返回纤维表面并射向外界的, 被称作内反射光。 外反射光可以被近似看作镜面反射, 它虽因纤维吸收产生一定改变, 但由于入射深度小、 吸收量少, 仍可认为是入射光的同质光, 二者主要是光量大小的差异; 而内反射光则更多受到纤维及染料的影响, 发生光谱特征比例的变化, 被视觉捕捉为有色纤维的颜色。

纤维的光学理论认为, 反射光的光谱特征比例主要受纤维的结构影响[9], 其中非晶相的不规则结构是造成光的散射, 使纤维呈半透明体的主要原因; 纤维的种类和染料(颜料)的部分基团, 共同影响着纤维对复色光吸收的选择, 进而改变了透射光、 反射光(内反射光)的光谱特征比例, 导致颜色发生变化。

图1是光在单纤维反射作用的轴向视图, 其中0-Ⅲ为层次序号, 1-4为境界面序号, A表示外反射光, B表示内反射光[10]。 如图1所示, 当内反射光从某一境界面反射出来时, 根据光路可逆性, 则必与该束光线在同一境界面上的外反射光相平行, 进而可知抵至表面的内反射光将和外反射光相重叠, 共同构成纤维的表面反射光。

图1 光于纤维的反射作用Fig.1 Light reflection of fibers

自纤维反射光的组分构成出发, 可以利用光谱分析方法对不同形态纤维集合体反射光的光量差异和光成分差异作出量化表征, 从而对集合体内纤维分布和聚集状态之于内、 外反射光的影响, 进而探究纤维集合体在纺纱过程中表面呈色的变化机理。

1.2 色差评价

在色差评价中, CMC(l∶c)色差公式被广泛应用于纺织产品色差的计算, 且与人眼视觉特征的相关性较好, 它基于CIELAB颜色空间, 对ΔL*, ΔC*, ΔH*附以相应的系数并加权求得综合色差[11], 见式(1)。

(1)

式(1)中:SL、SC、SH分别是明度差、 饱和度差和色相差的加权系数, 均为基于标准样颜色参数范围的函数;l、c分别表示调节明度差和饱和度差的权重因子, 纺织界常取l∶c=2∶1, 可记作CMC(2∶1)。

选用基于CMC(2∶1)色差公式的色差评价方案作为对光谱评价的对照, 一方面可以验证本文光谱评价方案对颜色差异表征的准确与否; 另一方面也可以利用色度学指标从更直观的角度观察光谱特征变化在颜色上的表现。

1.3 光谱幅值特征

在光谱分析方法中, 反射光量被描述为光谱曲线的幅值, 反射光越强, 则曲线幅值越大, 因此幅值差异表示两光谱对应材料的反射光量差异, 进而也表示两材料颜色上的明度差。

本文选取欧氏距离(euclidean distance, ED)用以表征光谱间的幅值差异。 假定光谱特征集为欧氏空间内的N维向量,N为光谱特征波段数, 设光谱矢量S1=(λ11,λ12, …,λ1N),S2=(λ21,λ22, …,λ2N), 则两光谱间欧式距离为

(2)

为去除光谱矢量维数对光谱幅值差异的影响, 式(2)引入系数1/N以规范dED的取值范围。 两向量间的欧氏距离实际是它们平方差分向量的欧式量(euclidean magnitude), 它是一种整体性的度量[12], 不对其内部点相对位置的改变作出响应, 即欧氏距离仅对光谱曲线的幅值变化敏感[13]。

1.4 光谱形状特征

光谱曲线形状是光质的表现, 当反射光的成分比例发生变化时, 光谱形状会相应变化, 两光谱的形状相似性表达了两复色光中各波长单色光比例的近似程度。 在颜色学中, 光谱曲线的波峰与色相相对应, 反射峰宽窄则决定饱和度的高低。

本文选取光谱角距离(spectral angle distance, SAD)用以表征光谱间的形状差异。 同样假定光谱特征集为欧氏空间内的N维向量,N为光谱特征波段数, 则可以用二者广义夹角(θ)的大小来描述两光谱的相似程度: 夹角越小, 光谱越相似。 对光谱矢量S1=(λ11,λ12, …,λ1N),S2=(λ21,λ22, …,λ2N),dθ的计算方法被定义为[14]

dSAD=dθ(S1,S2)=cos-1(〈S1,S2〉/‖S1‖×‖S2‖)=

(3)

由式(3)可进一步推出, SAD具有乘性因子不变性, 即

dθ(S1,S2)=cos-1(〈αS1,βS2〉/‖αS1‖×‖βS2‖)=dθ(αS1,βS2)

(4)

式(4)中:α、β为乘性因子, 且0<α,β≤1。

乘性因子能够改变光谱矢量的长度, 而对其方向不具有影响性, 由乘性因子不变性可知, SAD对光谱幅值(矢量长度)变化不甚敏感, 它对光谱相似性的判断主要体现在光谱形状(矢量方向)方面。 利用SAD分析光谱间形状差异, 较大地减少了幅值差异对最终判断的影响。

1.5 颜色差异的综合性评价

考虑到欧氏距离和光谱角距离在表征光谱特征差异时, 二者的敏感区是互补的关系, 故可以利用合适方法将二者结合, 以综合评价纤维集合体反射率光谱的相似程度, 为色纺纱颜色差异的光谱评价提供参考方案。 查阅相关文献后, 本文选择孙艳丽等[15]提出的光谱角-欧氏距离公式(以下简称为SAD-ED公式), 构成考虑了光谱矢量大小、 光谱曲线形状两方面的特征信息的综合评价方法, 其公式定义如式(5)

DSAD-ED=dED(S1,S2)×[1-dθ(S1,S2)]=

(5)

由于色纺纱线内纤维分布的复杂多样, 纱线本身即存在色度不匀, 若采用固定阈值作为颜色差异的判别依据, 会降低光谱评价的泛用性和敏感性。 为便于理解本文涉及公式在颜色差异大小上的表达, 本文选用基于类别可分比(category separable ratio, CSR)的差异性判别准则作以辅助, 定义不同工序生产的半成品间差异为“类间差异”, 同一样品在不同测色点的色度不匀为“类内差异”, 经CSR公式[16]计算, 实现对试样间颜色差异性的判别。 举例将DSAD-ED的CSR公式定义如式(6)

(6)

1.6 样品纺制

实验选用博拉经纬纤维有限公司提供的红、 黄、 蓝三种原液着色粘胶纤维。 其各项指标如表1所示。

表1 单色纤维性能指标Table 1 Monochrome fiber performance indicators

将纤维按照恒变质量差(10%)做出36种配比混合, 使混色样在色相环内均匀分布, 配色方案如表2所示。

为实现实验的规范性和稳定性, 全程实验环节都在保持着(20±5) ℃、 60%±10%湿度的室内进行。 由于纤维集合体的最终呈色受多种因素影响, 为简化分析以突出研究重点, 实验采用三道梳棉及三道并条工艺来保证异色纤维的混合均匀; 同时固定纺纱工艺参数, 纺制线密度10 s, 捻系数570的气流纱, 使不同配色比的试样间具有横向对比性。 试样样本的纺制流程及相关仪器简要列举于表3。

表3 色纺纱样本制备流程及实验仪器Table 3 Color spinning sample preparation process and experimental instrument

测量样品的制备应尽可能避免多变量的影响, 规则, 密不透光地卷绕在白色PVC面板上, 缠绕过程应保证每圈在轴向方向的统一, 同时, 应尽可能避免条子的堆叠, 破坏内部纤维的密度; 对熟条的缠绕应带有小而均匀的张力, 以保证内部纤维顺直结构的稳定。 为使测色样不裸露白板缝隙, 纱线缠绕以两层以上为佳。 部分测试样如图2所示。

图2 部分混纺条纱的测试样板Fig.2 Test sample for some of the blended strip yarns

1.7 颜色数据获取

实验采用的颜色测量设备为Hunter Lab Ultra Scan PRO测色仪, 该设备适合用于要求严格的色彩研究和色差测试控制测量。 实验依据试验样品的现实情况选用测试孔径0.390英寸, 测量模式选用“不包含镜面反射”, 在400～700 nm可见光范围内, 间隔5 nm报告输出试样反射率, 测量报告还包括L、 C、 H等色度学指标数据。

每个样品随机选取6个不同的测试点进行测量, 并将数据随机平分为两组, 求取组间平均值和组内平均值, 前者记为样本整体均值, 后者留用于计算样本内的色度不匀。

2 结果与讨论

依据上文所述光谱评价和色差评价方案, 在Matlab平台上建立基于针对条纱颜色的CSR差异性判别模型, 用以分析光谱特征与色度学特征在纤维集合体形态变化时产生的变化及其表现力强弱, 判别模型的简要计算流程如图3所示。

图3 CSR公式计算流程图Fig.3 CSR formula calculation flowchart

图3中, 每试样导入的两组反射率来自1.7节所得组间平均值和组内平均值。 样本整体均值用以带入色差和光谱评价公式, 计算两试样间的对应差异; 组内平均值则计算类内差异(色度不匀)。 CSR值是试样间差异性之于两试样内部色度不匀的比值, CSR值越大, 则试样间差异的表现力越强。

2.1 基于欧氏距离的光谱幅值差异分析

利用欧式距离公式对各配色方案下不同状态纤维集合体光谱间的幅值差异进行提取, 带入CSR公式处理分析, 以量化纺纱各工序前后光谱幅值的变化程度, 同理亦可量化色差的变化程度。 将CSRED与CSREcmc作对比, 其直观表现如图4所示。

图4 纱条对应dED与ΔEcmc的CSR值对比(a): 生条与熟条; (b): 熟条与纱线Fig.4 The strip &yarns corresponds to the CSR value of dED and ΔEcmc(a): Sliver &Drawn Sliver; (b): Drawn Sliver &Yarn

图4描述了并条与纺纱前后纤维集合体间CSRED与CSREcmc的数值分布情况。 图4(a)展示了生条与熟条之间光谱幅值差异和颜色差异的可分辨性, 去除异常值后可以发现, 分别有30组样品对应CSRED>1, 23组样品对应CSREcmc>1, 样品CSRED和CSREcmc均值分别为2.87、 2.17, 说明大多数配色比的生条与熟条间出现较为明显的颜色变化, 且ED公式的辨析力较CMC(2∶1)公式更强; 图4(b)展示了熟条与纱线之间的数据对比, 可以清晰看到, 条纱间的光谱幅值和色度学指标均表达出明显差异, 全部样本的CSR值均大于1, CSRED和CSREcmc均值分别为12.99、 9.65, 进一步对比两组数据的均值和方差可以发现, 无论生条与熟条又或熟条与纱线, 不同状态纤维集合体间的光谱幅值差异程度均大于色差, 且数据分布更均匀; 另一方面, 条纱之间的差异又远大于条子间, 由此初步推断气流纺阶段应是纤维集合体产生颜色变化的主要阶段。

为探究不同工序对纤维集合体表面呈色的影响力, 对36组试样提取不同状态纤维集合体间的dED绘制箱线图, 如图5所示。

图5 不同形态纤维集合体间的光谱幅值差异Fig.5 Spectral amplitude differences between fiber aggregates of different morphologies

由图5中不同纤维集合体间的dED的分布情况生熟条间dED均值为0.005, 而条纱间则为0.02, 可以看出气流纺阶段产生的幅值变化更大, 对比条纱的形态差异, 分析其原因在于纤维间隙大幅减小, 纤维间产生了更多的纠缠、 重叠、 挤压等相互关系, 导致反射光量的大幅减小, 而纤维顺直度的改善虽然也导致了颜色的变化, 但就光谱幅值的维度, 其影响力远不及气流纺阶段对纤维集合体形态的塑造。

利用不同状态纤维集合体的色度学指标绘制折线图6, 以描述纤维集合体颜色随纺纱加工的变化情况, 图6(a)、 (b)、 (c)分别是对明度、 饱和度、 色相变化的表征, 易见, 不同配色方案的样品中, 生条、 熟条、 纱线明度均呈下降趋势, 且熟条与纱线间明度差更大, 饱和度虽呈下降趋势, 但整体趋势较明度更平缓, 色相则基本保持着相近值。

图6 不同形态纤维集合体的各色度学指标差异(a): 明度变化折线图; (b): 饱和度变化折线图; (c): 色相变化折线图Fig.6 Differences in chromatic indexes of different morphological fiber aggregates(a): Lightness change line chart; (b): Saturation change line chart; (c): Hue change line chart

根据纤维的光反射理论, 纤维及其集合体表面反射光的强度主要受外反射光的影响, 即纺纱过程中纤维集合体结构的重塑, 纤维顺直度的改善、 尤其是纤维间隙的减小, 使单纤维的外反射光更多次在纤维间运动, 而难以离开纱线表面, 进而导致了纱线的颜色较条子显示出明度的显著下降。

2.2 基于光谱角的光谱形状差异分析

将经光谱角距离公式所得的36组条纱的光谱形状差异带入CSR公式, 量化纺纱工序前后纤维集合体反射率光谱形状的变化情况, 将CSRSAD与CSREcmc数值的分布情况直观表现为图7所示。

图7 纱条对应dSAD与ΔEcmc的CSR值对比(a): 生条与熟条; (b): 熟条与纱线Fig.7 The strip &yarns corresponds to the CSR value of dSAD and ΔEcmc(a): Sliver &Drawn Sliver; (b) Drawn Sliver &Yarn

图7(a)展示了生条与熟条间光谱形状差异和颜色差异的可分辨性, 去除异常值后, 仅20组样品对应CSRSAD>1, 虽有半数样品表现出可分辨的光谱形状差异, 但其辨析力远不如色差评价; 而图7(b)中, 对熟条与纱线而言, 仅22组样品对应CSRSAD>1, 说明SAD公式对颜色差异的识别能力并没有因纺纱工序而发生明显改善。 进一步查看两组数据的均值和方差发现, CSRSAD在并条、 纺纱前后的均值分别为1.69、 1.60; 均小于CSREcmc的2.17、 9.65; 由此可以推断, 尽管不同形态纤维集合体的光谱间展现了一定的形状差异, 但该光谱特征并非是导致颜色变化的主要原因, 其次, 纺纱加工对纤维集合体形态的改变可能未曾使光谱形状发生更大的变化。

为探究纺纱工序对纤维光谱形状的影响力, 对36组试样提取不同状态纤维集合体间的dθ绘制箱线图, 如图8所示。

图8 不同形态纤维集合体间的光谱形状差异Fig.8 Spectral shape differences between fiber aggregates of different morphologies

由图8中纤维集合体在各加工工序前后的光谱角距离大小的分布情况, 生熟条间dθ均值为0.025, 条纱间则为0.024, 发现dθ的取值范围在纺纱工序前后没有发生显著变化, 即纤维集合体反射率光谱曲线的形状未随纺纱加工而改变。

自色度学角度来看, 由图6(b)、 (c), 生条、 熟条、 纱线的饱和度呈减小趋势, 但并未在气流纺阶段有显著下降的折线, 而三者的色相连线呈水平态, 即纺纱加工对纤维集合体形态的改变并没有使色相发生改变。

进而由纤维的光反射理论, 光谱形状是光质的表征, 而反射光的成分主要受纤维内反射光的影响, 由此得到, 纺纱加工对纤维排列状态与聚集态的改变, 并没有对其内反射光产生显著影响。

2.3 SAD-ED公式的适用性分析

尽管纤维集合体的光谱形状差异并没有因纺纱过程发生显著变化, 但它作为光谱特征的一部分, 仍影响着纤维集合体的最终呈色, 所以本文提出的结合了SAD公式与ED公式的综合性光谱评价方案, 在原理上仍具有可行性。

为测试SAD-ED公式对混色纤维集合体颜色变化的辨识能力, 本文以SAD-ED公式数据为试验组, 以CMC(2∶1)色差公式、 ED公式、 SAD公式数据为对照组开展分析试验, 对比四者在“类间差异”和“类内差异”数值上的可分辨性。

将相关颜色评价参数分别导入判别公式, 计算生条、 熟条、 纱线间的CSR值, 分析比较两评价系统在判别条纱颜色差异上的稳定性, 并作图9显示数值的分布情况, 便于直观分析。

图9 纱条对应DSAD-ED与dED、 dSAD、 ΔEcmc的CSR值对比(a): 生条与熟条; (b): 熟条与纱线Fig.9 The strip &yarns corresponds to the CSR value of DSAD-ED, dED, dSAD, and ΔEcmc(a): Sliver &Drawn Sliver; (b): Drawn Sliver &Yarn

据图9(a)所示, 针对生条与熟条样本的差异, 两者有较为不同的表现, 去除异常值后, CSRSAD-ED可分辨31组样本, 在四个评价方案中对样品颜色差异性识别最为敏感; 而图9(b)中, 对不同比例色纤维混纺的纱条和纱线样本, CSRED、 CSRSAD-ED及CSREcmc均大于1, 光谱评价和色差评价对气流纺阶段的颜色变化均表现出较好的辨别能力。

进一步比较二者对不同混配比样本数据的均值和方差, 并条与纺纱前后, CSRSAD-ED的均值为2.82、 12.88, 方差为4.42、 42.91, 而CSREcmc则对应均值2.17、 9.65, 方差分别为5.05、 62.56, 可以发现, 在均值差异较小的情况下, CSREcmc的方差更大于CSRSAD-ED, 即后者数据分布较前者更集中, 对不同混色比的条纱间, 具有更稳定的颜色差异性表征能力。 由此可见, 本文所采用的SAD-ED公式, 其针对颜色差异的敏感性与判别稳定性要优于传统的色差公式。

3 结 论

(1)通过对光谱幅值、 形状特征的分析发现, 纺纱加工之于粘胶纤维集合体形态的改变, 即内部纤维排列状态和聚集态的变化, 主要影响了反射光量的减小, 而反射光成分未因纤维集合体形态的变化而变化。 进一步地, 依据纤维光反射理论, 纺纱过程主要导致了粘胶纤维外反射光的减少, 未发现该过程与内反射光存在明显联系。

(2)根据光谱的二元特征, 利用CMC(2∶1)色差评价验证了SAD-ED光谱评价方案对原液着色粘胶色纺纱的颜色差异表征的可行性, 且光谱评价较色差评价表现更敏感、 稳定。

(3)通过研究纺纱过程中原液着色粘胶纤维集合体的颜色变化的光学机理, 为优化色纺纱配色模型中配方之于纱线呈色的映射关系提供一定的基础理论支撑, 同时对发掘纺纱过程中对原液着色粘胶产品质量控制的优化具有一定意义。