，然后根据待检纺织纤维的光谱数据来进行类别的判别分析。
[0038]本发明具有如下技术优势:本发明提出的纺织纤维鉴别方法是基于紫外漫反射光谱技术的鉴别方法，所述操作步骤在室温环境下进行，无需复杂的前处理过程，测试时间短，此方法属于无损检测的范畴，对被检测样品没有损害，被测样品量少，具有效率高、速度快、成本低、方法简单，鉴别准确和绿色环保等特点，适用于常规无色纺织纤维鉴别。
[0039]与【背景技术】中所告知的“近红外光谱技术快速无损别纤维品种的新方法”相比，本发明所用的紫外光能量较高，能克服需要的建模样品量较多，建模时工作量偏大的不足。
【附图说明】
[0040]下面结合附图对本发明的【具体实施方式】作进一步详细说明。
[0041]图1-图6为实施例中各类纤维的紫外漫反射光谱图，图7为实施例中六类纺织纤维主成分析中第一、第二主成分得分图。
[0042]具体如下:
[0043]图1为棉纤维的紫外漫反射光谱图；
[0044]图2为羊毛纤维的紫外漫反射光谱图；
[0045]图3为丝纤维的紫外漫反射光谱图；
[0046]图4为麻纤维的紫外漫反射光谱图；
[0047]图5为粘胶纤维的紫外漫反射光谱图；
[0048]图6为涤纶纤维的紫外漫反射光谱图；
[0049]图7为实施例中六类纺织纤维主成分析中第一、第二主成分得分图。
【具体实施方式】
[0050]下面结合实施例和附图，对本发明进一步的详细说明，但本发明的实施方式不仅限于此。
[0051]实施例1:
[0052]现有两种待检纺织纤维需鉴别类别。
[0053]步骤一:建立纤维的定性判别分析模型:先按本发明所述的制样方法准备一定数量已知类别的纤维样本，该纤维样本具体为如下6类:本色的棉纤维、羊毛纤维、丝纤维、麻纤维、粘胶纤维、涤纶纤维(上述6类纤维的颜色均接近白色)。每类纤维选用9个样本，共54个样本做为建模集；另外每类随机选用3个样本，共18个样本做为验证集的样品，作为验证模型的准确性用。
[0054]采用北京普析通用仪器有限公司的TU-1950双光束紫外_可见分光光度计(带积分球附件)进行光谱测定。每个样本取三个样，取平均值。设置扫描间隔:lnm，光谱带宽:2.0nm,扫描速度:中速，扫描波长230-400nm，以BaSOj5[参比。然后用Origin软件进行原始光谱数据的预处理得到各类纤维样品的标准紫外漫反射光谱图，预处理方法采用9点Savitzky-Golay滤波平滑法，各类纤维的紫外漫反射光谱图如图1-图6所示。把建模集中的各类纤维的标准漫反射光谱数据导入数据统计分析软件SPSS中，经主成分分析光谱数据后得到前两个主成分累计贡献率已经达到97.95%，该六类纤维54个样本的光谱数据的第一、第二主成分的得分图如图7所示，可见各类别纤维能清楚地区分，因此每个样本的光谱数据可以用前两个主成分代替作为判别法分析建立模型的数据。最后利用TQ Analyst分析软件建立判别模型:分析类型选择定性分析中的判别分析，光程类型选择多元信号校正，定义六种类别名，对光谱无需进行预处理；校正光谱区域为230-400nm。导入已采集的六种类别纤维的建模集光谱，选用前两个主成分建立判别分析模型。用验证集中的数据对判别模型进行检验，准确率为100 % ;验证结果表明本方法建立的六类纤维识别模型的稳定、可
A+-.与巨O
[0055]步骤二:测定待检样品的光谱数据，进行判别分析:按本发明所述的制样方法对每种待检纤维样本取三个平行样测定光谱，光谱测定方法同步骤一，把测定的待检样品的光谱数据输入TQ Analyst分析软件中，利用步骤一中的已建立的判别模型进行判别，判别结果为样品一为棉纤维，样品二为粘胶纤维。利用TQ Analyst分析软件中的相似度匹配模型对判别后的两种未知纤维与建模集中同类纤维进行相似程度分析，样品一与建模集中的棉纤维相似度匹配值为97.8，样品二与建模集中的粘胶纤维相似度匹配值为98.9，可见判别分析结果准确。
[0056]实施例2:
[0057]需检测一种未知纤维，该纤维不属于建模集中的类别。
[0058]步骤一:建立纤维的定性判别分析模型，同实施例1。
[0059]步骤二:测定待检样品的光谱数据，同实施例1 ;利用步骤一中的已建立的判别模型进行判别，结果报告中显示该未知纤维与建模集中的纤维的距离匹配值均大于30，判别失败，故可认定该未知纤维为非建模集中的纤维。
[0060]实施例3:
[0061]需检测一种未知的混合纤维，该混合纤维由建模集中两种已知纤维组成，含量各占 50%o
[0062]步骤一:建立纤维的定性判别分析模型，同实施例1。
[0063]步骤二:测定待检样品的光谱数据，同实施例1 ;利用步骤一中的已建立的判别模型进行判别，结果报告中显示该未知纤维与建模集中的纤维的距离匹配值均大于5，大于设定的距离匹配限值，但报告中显示与羊毛和粘胶的距离匹配值较小，小于20，故该未知纤维可能为羊毛和粘胶的混合纤维。
[0064]用本方法中的软件能够判别类别，可通过图表和数据报告直接得到类别结果。对不属于建模库中的样品，本方法中通过距离匹配值的限值设定也能判断出是否为模型中的类别，本方法建立模型时的建模库中样品类型理论上是越多越好。
[0065]对比例1、将实施例1中的原始光谱数据不经过平滑直接导入数据和光谱处理软件中，其余等同于实施例1。经主成分分析光谱数据后得到前两个主成分累计贡献率为86.37%，用前两个主成分建立判别模型，再用建立的判别模型对验证集中18种样品判别准确率变为88.9%。可见，原始数据不经平滑法后建立的纤维识别模型对纤维预测的准确性变差。
[0066]对比例2、将实施例1中的样品光谱测定时的扫描间隔设为2nm，其余等同于实施例I。经主成分分析光谱数据后得到前两个主成分累计贡献率仅为31.8%，需19个主成分才达到85.3%，可见，如果扫描间隔设为2nm，则需参与判别分析的主成分偏多，并且贡献率偏低，不适合建立判别模型。
[0067]对比例3、将实施例1中的样品光谱测定时的光谱带宽设为1.0nm，其余等同于实施例I。经主成分分析光谱数据后得到前两个主成分累计贡献率分别为90.62%，与实施例1相比前两个主成分的累计贡献率变低，影响到模型的准确性。
[0068]对比例4、将实施例1中的样品光谱测定时的扫描速度设为高速，其余等同于实施例I。经主成分分析光谱数据后得到前两个主成分累计贡献率分别为91.48%，与实施例1相比前两个主成分的累计贡献率变低，影响到模型的准确性
[0069]通过对比例2-4可见实施例1中的测定参数为相对较优的参数。
[0070]最后，还需要注意的是，以上列举的仅是本发明的若干个具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。
【主权项】
1.基于紫外漫反射光谱的纺织纤维的鉴别方法，其特征在于包括以下步骤: (a)、试样制备: 待测样品为梳理后的短纤维，每种待测样品采用四分法取样2g，然后分成四份各0.5g±l%，三份为待测平行样，一份为备用样； 短纤维是指长度< 30mm的纤维； (b)、原始谱图数据采集: 利用检测设备采集常规的本色纺织纤维的紫外漫反射光谱数据； (C)、标准谱图制备: 对所得的常规本色纺织纤维的紫外漫反射原始谱图数据利用光谱数据处理软件进行预处理，得到纺织纤维样品的标准谱图； (d)、分析模型的建立: 依据步骤(c)所得的光谱数据，利用数据统计类软件，采用主成分分析法对光谱数据进行数据特征分析，根据主成分方差的累积贡献率多85%的主成分数进行判别分析，然后利用TQ Analyst分析软件判别分析法建立纤维的定性分析模型，最后对待检纤维样本的图谱数据进行类别判别分析。
2.根据权利要求1中所述的基于紫外漫反射光谱的纺织纤维的鉴别方法，其特征在于:所述步骤(b)中的检测设备为带积分球附件的紫外可见分光光度计，设置扫描间隔:lnm，光谱带宽:2.0nm，扫描速度:中速，扫描范围:230_400nm ;每种样品扫描三个平行样，取平均值。
3.根据权利要求1或2中所述的基于紫外漫反射光谱的纺织纤维的鉴别方法，其特征在于: 常规的本色纺织纤维包括:棉、麻、丝、毛、粘胶、涤纶。
4.根据权利要求3中所述的基于紫外漫反射光谱的纺织纤维的鉴别方法，其特征在于:所述步骤(C)中的谱图预处理方法为9点Savitzky-Golay平滑滤波法。
【专利摘要】本发明公开了一种基于紫外漫反射光谱技术的常规无色纺织纤维鉴别方法：首先测定已知类别的纺织纤维的紫外漫反射光谱，然后把各类纺织纤维的光谱数据导入数据分析软件；利用软件对各类纺织纤维的紫外漫反射光谱数据进行分析，建立纤维的判别模型，然后根据待检纺织纤维的光谱数据来进行类别的判别分析。本发明用带积分球的紫外分光光度计进行光谱数据采集，利用SPSS软件对预处理后的光谱数据进行主成分分析，然后利用光谱分析软件TQ Analyst软件建立判别分析的定性模型，最后利用该判别模型来分析待检纤维样品的类别。此方法能做到快速无损，并且绿色环保，可为企业或产品质量检测部门对纺织纤维定性分析提供一种新的方法。
【IPC分类】G01N21-25
【公开号】CN104730004
【申请号】CN201510133888
【发明人】唐志荣, 成建林, 吴世华, 周文龙, 祝晓东, 赵利
【申请人】浙江理工大学, 桐乡市威泰纺织有限责任公司
【公开日】2015年6月24日
【申请日】2015年3月25日