本发明涉及检测技术，特别涉及一种纺织物检测方法。
背景技术：
纺织品成分检测是纺织品检测中非常重要的一项，目前采用的纺织纤维成分常规检测方法有燃烧法、显微镜法、溶解法和熔点法等，常规检测方法周期长，检测成本高，对人员的素质要求也高，并且会对纺织纤维造成损坏。
技术实现要素：
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明需要提供一种纺织物检测方法。
根据本发明较佳实施方式的纺织物检测方法包括以下步骤：
S1，收集经常规检测方法检测、成分已知的多种组织结构、厚度、颜色的纯纺织物作为样本，并将所述样本随机划分为校正集和验证集；
S2，用近红外光谱仪对所述样本进行扫描得到样本光谱数据；
S3，对所述样本光谱数据设定分类；
S4，对所述样本光谱数据进行预处理；
S5，采用SIMCA算法建立定性鉴别模型；及
S6，利用所述模型对未知样本进行预测。
在某些实施方式中，所述样本覆盖各种组织结构、各种厚度及各种颜色。
在某些实施方式中，所述校正集与所述验证集的所述样本的数目比例是4:1。
在某些实施方式中，所述红外光谱仪采用便携式近红外光谱仪进行扫描，其光谱波长范围1000-1800nm，其检测器为铟镓砷检测器，其波长准确性为纳米级别，其波长重复性为纳米级别，其光谱分辨率为10nm，且扫描次数为10次。
在某些实施方式中，所述步骤S2的环境为：温度范围20±5℃，空气湿度范围30％-80％，且没有明显的振动源。
在某些实施方式中，所述步骤S2包括以下子步骤：
(1)打开所述光谱仪，打开所述光谱仪的外部光源；
(2)将所述光谱仪的标准参比板安装在所述光谱仪的平面漫反射枪的枪口上；
(3)点击进入仪器性能测试，设置预热时间30分钟；
(4)所述仪器性能测试合格后进入采集光谱界面；
(5)所述采集参比板的光谱作为背景光谱；
(6)确定每个所述样本的扫描折叠层数；及
(7)按照编号从小到大依次扫描采集每个所述样本的光谱，得到所述校正集和所述验证集的光谱数据。
在某些实施方式中，所述子步骤(6)包括：将每个所述样本折叠后进行逐层扫描得到层数累加的光谱，直到折叠的相邻两层的光谱基本重合，对应的层数即为所述扫描折叠层数。
在某些实施方式中，所述步骤S4包括：
(1)5点平滑；
(2)7点平滑；
(3)9点平滑；
(4)11点平滑；
(5)13点平滑；
(6)7点平滑，均值中心化；
(7)SNV+DT，7点平滑，均值中心化；
(8)MSC，7点平滑，均值中心化；
(9)7点平滑，1阶导数，均值中心化；
(10)7点平滑，2阶导数，均值中心化；
(11)SNV+DT，7点平滑，1阶导数，均值中心化；
(12)MSC，7点平滑，1阶导数，均值中心化；
(13)SNV+DT，7点平滑，2阶导数，均值中心化；及
(14)MSC，7点平滑，2阶导数，均值中心化。
所述步骤S5设定F阈值为2.5，建模结果用所述校正集和所述验证集的识别率及拒绝率表示。
在某些实施方式中，所述步骤S6采用与所述步骤S2的近红外光谱分析相同的操作过程与操作环境得到所述未知样本的光谱数据，然后通过所述模型得到预测结果。
在某些实施方式中，在所述步骤S6中得到所述预测结果后，对所述未知样本采用常规检测方法检测得到检测结果，将所述预测结果与所述检测结果对比，得到所述模型对所述未知样本的识别率和拒绝率，进一步验证所述模型的预测能力。
与传统的常规纺织纤维检测方法(显微镜法、溶解法、燃烧法等)相比，本发明较佳实施方式的纺织物检测方法具有快速、无损、操作便捷等优势。在面料成分检测过程中，无需对样品进行破坏处理，只需对面料进行简单的扫描，调出相应模型进行计算分析，整个分析过程控制在10秒钟以内，即可完成对面料的识别。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本发明较佳实施方式的纺织物检测方法的流程示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下” 可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
请参阅图1，本发明较佳实施方式的纺织物检测方法包括如下步骤：
S1，收集经常规检测方法检测、成分已知的多种组织结构、厚度、颜色的纯纺织物作为样本，并将样本随机划分为校正集和验证集；
S2，用近红外光谱仪对样本进行扫描得到样本光谱数据；
S3，对样本光谱数据设定分类；
S4，对样本光谱数据进行预处理；
S5，采用SIMCA算法建立定性鉴别模型；及
S6，利用模型对未知样本进行预测。
在某实施方式中，在步骤S1中，收集经常规检测方法检测、成分已知为棉和聚酯的纯纺织物各80个作为样本，每个样本的尺寸大于20cm×20cm，样本成分分布均匀，表面平整，无非纤维性杂质。样本包含不同组织结构，例如为平纹、斜纹、缎纹、针织等、不同厚度，例如，厚、中、薄、不同颜色的各类面料，尽可能的覆盖各种样本。
随机挑选出64个棉样本和64个聚酯样本组成校正集，剩余的各16个棉样本和16个聚酯样本组成验证集，校正集和验证集的数量比为4:1，对校正集和验证集的样本进行编号，例如为校正集1-64号，验证集1-16号，如此，方便区分不同的样本。
当然，样本的收集并不限于本实施方式，在其他实施方式中可以视需求收集其他成分、组织结构、厚度及颜色的纯纺织物作为样本，校正集及验证集的划分也不限于本实施方式，在其他实施方式中，可以视需求作其他方式的划分。
在某些实施方式中，在步骤S2中，采用便携式近红外光谱仪进行扫描，具体的，光谱仪的光谱波长范围1000-1800nm，检测器为铟镓砷检测器，波长准确性为纳米级别，波长重复性为纳米级别，光谱分辨率为10nm，扫描次数为10次。
采集外界环境：环境温度范围20±5℃，空气湿度范围30％-80％，采集环境没有明显的振动源。
采集过程：(1)打开光谱仪，打开光谱仪的外部光源；(2)将标准参比板安装在平面漫反射枪的枪口上；(3)点击进入仪器性能测试，设置预热时间30分钟；(4)仪器性能测试合格后进入采集光谱界面；(5)采集参比板的光谱作为背景光谱；(6)确定织物的扫描折叠层数，具体操作如下：将棉或聚酯标准贴衬织物折叠后进行逐层扫描得到层数累加的光谱，直到折叠的相邻两层的光谱基本重合，该层数即为扫描的最小层数，本发明对棉和聚酯标准贴衬织物进行逐层扫描，发现当面料折叠层数大于4时，光谱重合性和一致性较好，因此扫描过程中面料的折叠层数均大于4层；(7)依据(6)中原则，将面料折叠使其层数大于4层，按照编号从小到大依次扫描采集样本的光谱，得到校正集和验证集的光谱数据。
当然，光谱仪的类型及其参数并不限于本实施方式，可以在其他实施方式中根据需求采用其他类型的光谱仪或参数。采集的外界环境也可以根据需求作调整，并不限于本实施方式。采集的过程同样可以根据实际环境与需求作调整，并不限于本实施方式。
在本实施方式中，在步骤S3中，分别对校正集和验证集光谱数据设定分类，棉的光谱数据设定分类“棉”，聚酯的光谱数据设定分类“聚酯”。
在步骤S4中，样本光谱数据的预处理算法如下：(1)5点平滑；(2)7点平滑；(3)9点平滑；(4)11点平滑；(5)13点平滑；(6)7点平滑，均值中心化；(7)SNV+DT，7点平滑，均值中心化；(8)MSC，7点平滑，均值中心化；(9)7点平滑，1阶导数，均值中心化；(10)7点平滑，2阶导数，均值中心化；(11)SNV+DT，7点平滑，1阶导数，均值中心化；(12)MSC，7点平滑，1阶导数，均值中心化；(13)SNV+DT，7点平滑，2阶导数，均值中心化；(14)MSC，7点平滑，2阶导数，均值中心化。
其中，SNV是指标准正态变量校正(standard normal variate)，MSC是指多元散射校正(multipl icative scatter correction)，DT是指去趋势校正。
在预处理算法的选择先后上，本实施方式第一步对光谱进行简单的平滑处理，即进行了上述(1)-(5)的预处理，将平滑后的光谱进行建模，结果表明采用不同点数平滑得到的建模结果并没有差异，在接下来的预处理算法中均选用7点平滑。第二步在平滑的基础上又增加了均值中心化，即进行了上述(6)的预处理，预处理结果表明均值中心化可以提高模型的预测能力。第三步在第二步的基础上增加了散射校正的预处理算法，即进行了上述(7)和(8)的预处理，结果表明经MSC预处理得到的建模结果较好，第四步在第二步的基础上增加了导数处理，即进行了上述(9)和(10)的预处理，结果表明经二阶导数预处理得到的模型识别率比经一阶导数预处理的高。第五步将第三步和第四步的预处 理算法相互组合，即进行了上述(11)-(14)的预处理，结果表明经上述(13)和(14)的预处理得到的模型识别结果更理想。
当然，在实际的建模中，预处理算法不拘泥于以上各种形式的组合，可以根据所要求的识别率和拒绝率选择相应的预处理算法。
在步骤S5中，对预处理后的样本光谱数据选择SIMCA算法建立定性鉴别模型，设定F阈值为2.5，建模结果用校正集和验证集的识别率及拒绝率表示。
采用SIMCA模式识别方法是指簇类独立软模式法(soft independent modeling class analog)，SIMCA分类方法是建立在主成分分析基础上的一种有监督模式识别方法，其基本思路是对训练集中每一类样本的近红外光谱数据矩阵分别进行主成分分析，建立每一类的主成分分析数学模型，然后在此基础上对未知样本进行分类，即分别试探将该未知样本与各类样本数学模型进行拟合，以确定其属于哪一类或不属于任何一类。
SIMCA首先针对每一类样本的光谱数据矩阵进行主成分分析，在主成分空间下，计算各类类内、类间的马氏距离，建立判别模型，并用识别率和拒绝率来评价模型的好坏；识别率和拒绝率的计算公式如下公式1和公式2所示，本发明在定性鉴别过程中，设定F阈值为2.5。
本实施方式中采用不同的预处理算法得到的建模结果不尽相同，从预处理算法的角度来看，(1)采用不同点数平滑得到的模型结果并没有显著差异；(2)均值中心化可以提高模型的识别率；(3)经MSC预处理得到的建模结果较SNV、DT好；及(4)经二阶导数预处理得到的建模结果比经一阶导数预处理的理想。
从面料种类角度，棉和聚酯经同样的预处理算法其结果也不一致，即预测得到的识别率和拒绝率也不相同，其中棉校正集的识别率范围79％-98％，聚酯校正集的识别率范围93％-100％，棉验证集的识别率范围75％-100％，聚酯验证集识别率范围93％-100％。棉和聚酯的校正集及验证集样品的拒绝率均为100％。在实际的建模过程中，可以根据建模结果要求选择合适的预处理算法。
在步骤S6中在对未知样本进行预测时，采用与步骤S2相同的操作过程与操作环境得到未知样本的光谱数据，然后利用模型得到预测结果。在步骤S6中得到预测结果后，对未知样本采用常规检测方法检测得到检测结果，将预测结果与检测结果对比，得到模型的识别率和拒绝率，进一步验证模型的预测能力。
模型的实际操作验证过程，在经过不同预处理算法得到的模型中选择识别率和拒绝 率最高的模型，调出该模型对未知样品进行预测，本实施方式对591个未知样品进行预测，得到近红外光谱分析的预测结果后，又用常规检测检测方法对未知样品进行检测，将常规方法检测结果与近红外光谱分析的预测结果进行对比，得到模型对未知样品的识别率，具体结果如下表1所示，可知模型对未知样品的识别率均大于95％，检测结果理想。
表1 模型对未知样品的预测结果
本实施方式只给出了棉和聚酯纯纺织物的建模过程，其他种类纯纺织物的建模过程相同，从事近红外光谱技术建模的人员能根据给出的建模过程完成其他纯纺织物的建模，SIMCA不仅可以用于两类织物的检测，还可用于两类以上织物的检测。需强调的是所有涉及用近红外光谱技术进行纯纺织物检测的方法均在本专利的权利保护范围之内。
与传统的常规纺织纤维检测方法(显微镜法、溶解法、燃烧法等)相比，本发明较佳实施方式的纺织物检测方法具有快速、无损、操作便捷等优势。在面料成分检测过程中，无需对样品进行破坏处理，只需对面料进行简单的扫描，调出相应模型进行计算分析，整个分析过程控制在10秒钟以内，即可完成对面料的识别。
在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。