CN100510703C

CN100510703C - 一种纺织用纤维的鉴别方法

Info

Publication number: CN100510703C
Application number: CNB2007101210929A
Authority: CN
Inventors: 王戈; 江泽慧; 黄安民; 覃道春; 程海涛; 胡小霞
Original assignee: International Center for Bamboo and Rattan
Current assignee: International Center for Bamboo and Rattan
Priority date: 2007-08-29
Filing date: 2007-08-29
Publication date: 2009-07-08
Anticipated expiration: 2027-08-29
Also published as: CN101140223A

Abstract

一种纤维鉴别方法包括采集待测纤维的近红外光谱数据，利用化学计量学方法分析待测纤维的近红外光谱数据与纤维标准样品的近红外光谱的相关性，并根据相关系数判定待测纤维与纤维标准样品是否属于同一类纤维。本发明提供的纤维鉴别方法只需要采集待测纤维的近红外光谱数据，然后利用化学计量学方法，分析待测纤维的近红外光谱数据与纤维标准样品的近红外光谱数据的相关性即可鉴别出待测纤维与纤维标准样品是否属于同一类纤维，几分钟即可完成鉴别，而且鉴别结果准确。

Description

一种纺织用纤维的鉴别方法

技术领域

本发明是关于一种纺织用纤维的鉴别方法。

背景技术

竹纤维是一种新型的纺织纤维原料。它是天然的植物纤维，具有天然保健功能。由于其特殊的高度中空结构，使竹纤维具有很强的透气性。另据报道，竹纤维具有优良的着色性、回弹性和耐磨性，天然的抗菌、抑菌、防螨、防臭和抗紫外线等特性。这种纺织原料的开发可以丰富纺织原料种类，提升纺织纤维的原料质量，同时为竹类资源的利用以及高附加值产品的开发开辟了一条崭新的道路。目前，竹纤维已开发出竹纤维衬衫、内衣、袜子及床上用品等多种产品，深受广大消费者的好评和青睐。但是，由于竹纤维和麻纤维具有相似的外在形态和手感，因此有些生产厂家利用麻纤维冒充竹纤维，为了规范市场，需要一种准确地鉴别纤维的方法。

鉴别纤维的方法通常包括物理鉴别方法和化学分析方法，物理鉴别方法包括感官法和扫描电子显微镜法，化学分析方法包括燃烧法和热重法。感官法虽然方法简单，但准确性较差；扫描电镜法，样品制作复杂，且成本较高，难以推广。热重法对试样形态及试样量要求严格，纺织用纤维较轻，样品很容易漂移，且测量时间较长，专门的实验人员测量一个样品通常需要要40多分钟；燃烧法及其它化学方法，样品破坏大，且根据火焰颜色判别，容易添加人为因素，准确性难以保证。综上所述，现有的纤维鉴别方法存在鉴别过程繁琐、鉴别结果不准确等缺点。

发明内容

本发明的目的是为了克服现有的纤维鉴别方法存在鉴别过程繁琐、鉴别结果不准确的缺点，提供一种能够快捷、准确的纤维鉴别方法。

本发明的发明人发现，用化学计量学方法分析不同种类纤维，如竹原纤维、竹粘胶纤维、麻纤维三种纤维的近红外光谱数据时，任意两种纤维的近红外光谱数据的相关系数均小于0.99，而同一种类的纤维即使来源不同，如来源不同的竹原纤维的近红外光谱数据的相关系数也不小于0.99，因此可以通过采集并分析待测纤维的近红外光谱数据来鉴别待测纤维的种类。

本发明提供了一种纤维鉴别方法，其中，该方法包括采集待测纤维的近红外光谱数据，利用化学计量学方法分析待测纤维的近红外光谱数据与纤维标准样品的近红外光谱的相关性，并根据相关系数判定待测纤维与纤维标准样品是否属于同一类纤维。

本发明提供的纤维鉴别方法只需要采集待测纤维的近红外光谱数据，然后利用化学计量学方法，分析待测纤维的近红外光谱数据与纤维标准样品的近红外光谱数据的相关性即可鉴别出待测纤维与纤维标准样品是否属于同一类纤维，几分钟即可完成鉴别，而且鉴别结果准确。

附图说明

图1为实施例1中得到的竹原纤维标准样品、竹粘胶纤维标准样品和麻纤维标准样品的近红外光谱图；

图2为实施例1中得到的待测纤维(a)、待测纤维(b)和待测纤维(c)的近红外光谱图。

具体实施方式

本发明提供的纤维鉴别方法包括采集待测纤维的近红外光谱数据，利用化学计量学方法分析待测纤维的近红外光谱数据与纤维标准样品的近红外光谱数据的相关性，并根据相关系数判定待测纤维与纤维标准样品是否属于同一类纤维。

本发明中，所述近红外光谱数据优选为利用近红外光谱仪采用漫反射法获得的待测纤维的近红外光谱数据，所述近红外光谱数据指与波长对应的近红外吸光度值。一个吸光度值和一个波长值对应一个近红外光谱数据。所述近红外光谱仪采集光谱数据时可以使用常规的数据采集软件，如美国ASD公司开发的Indico数据采集软件。

采集待测纤维的近红外光谱数据的条件可以为其常规条件，优选情况下，采集待测纤维的近红外光谱数据的条件包括温度为15-25℃，湿度为40-45％，光谱波长范围为350-2500纳米。

由于纤维中总会或多或少含有水份，因此，为了获得可靠的近红外光谱数据，优选在采集待测纤维的近红外光谱数据之前，将待测纤维的含水率调至6-9重量％。可以将待测纤维气干至含水率在10重量％以内，然后在温度为15-25℃、湿度为60-70％的恒温恒湿箱内放置12-48小时，使待测纤维的含水量控制在6-9重量％的范围内。

在利用化学计量法分析待测纤维的近红外光谱数据与纤维标准样品的近红外光谱模型的相关性之前，可以对待测纤维的近红外光谱数据进行预处理。所述预处理的方法可以为本领域公知的预处理方法，优选为平滑处理、基线校正、一阶导数或二阶导数。

按照本发明的方法，所述化学计量学方法可以为各种常规的化学计量学方法，优选为主成分分析法、偏最小二乘法。可以使用常规的化学计量学软件，例如挪威CAMO公司开发的多变量统计分析软件Unscrambler。

利用化学计量学方法分析待测纤维的近红外光谱数据与纤维标准样品的近红外光谱数据的相关性，如果相关系数大，则说明待测纤维的近红外光谱数据与纤维标准样品的近红外光谱数据模型的相关性非常好，判定待测纤维与纤维标准样品属于同一类纤维；如果相关系数小，则说明待测纤维的近红外光谱数据与纤维标准样品的近红外光谱数据的相关性非常不好，判定待测纤维与纤维标准样品不属于同一类纤维。

相关系数采用下式计算得到：

r = \sqrt{\frac{Σ {(y_{b} - y)}^{2}}{Σ {({\overset{&OverBar;}{y}}_{b} - y)}^{2}}}

式中：

r为相关系数；

y_b为待测纤维的近红外光谱数据测定值；

y_b为y_b的平均值；

y为纤维标准样品的近红外光谱数据。

当相关系数的取值小于等于1时，相关系数的值越大，待测纤维的近红外光谱数据与纤维标准样品的近红外光谱数据模型的相关性越好。

本发明的方法适用于鉴别各种纤维，尤其适用于鉴别竹原纤维、竹粘胶纤维和麻纤维。当本发明的方法用于鉴别竹原纤维、竹粘胶纤维和麻纤维时，鉴别标准为：如果相关系数大于等于0.99且小于等于1，则待测纤维与纤维标准样品属于同一类纤维，如果相关系数小于0.99，则待测纤维与纤维标准样品不属于同一类纤维。例如，将待测纤维的近红外光谱数据与竹原纤维标准样品的近红外光谱数据进行比较，如果二者的相关系数小于0.99，则可以判定该待测纤维不属于竹原纤维；如果二者的相关系数大于等于0.99且小于等于1，则可以判定该待测纤维属于竹原纤维。

为了便于分析待测纤维的近红外光谱数据与纤维标准样品的近红外光谱数据模型的相关性，可以建立竹原纤维、竹粘胶纤维和麻纤维各自的判别模型。

下面以竹原纤维为例，具体说明判别模型的建立方法：

(1)获取三个或三个以上竹原纤维样品，利用近红外光谱仪对各个样品进行扫描，采集各个竹原纤维样品的近红外光谱数据；

(2)对各个竹原纤维样品的近红外光谱数据进行预处理后用化学计量学方法和完全交互验证方式建立竹原纤维判别模型，该判别模型中包括所述竹原纤维标准样品的近红外光谱数据。

可以利用与待测纤维的近红外光谱数据相同的采集方法和条件来采集竹原纤维样品的近红外光谱数据。预处理的方法和化学计量学方法在上文中已做详细描述，在此不在赘述。

下面通过实施例来更详细地描述本发明。

实施例1

该实施例用于说明本发明提供的纤维鉴别方法。

实施例中用到的样品：

竹原纤维：浙江南方竹木制品有限公司；

粘胶竹纤维：浙江谈竹庄有限公司；

苎麻纤维：湖南华升株洲雪松有限公司；

仪器：美国ASD公司生产的LabSpec

Pro近红外光谱仪，检测器：350-2500纳米，低噪声512阵元PDA；光谱采样间隔：1.4纳米＠350-1050纳米；2纳米＠1000-2500纳米；光谱分辨率：3纳米＠700纳米，10纳米＠1400-2100纳米。

竹原纤维判别模型的建立：

(1)样本的准备：将6个竹原纤维样品气干至含水率在10％以内，放在温度20℃，湿度65％恒温恒湿箱内平衡24小时，将含水率控制在8％左右；

(2)近红外光谱的采集：利用近红外光谱设备的杯光源法对6个竹纤维样品分别采集光谱数据，每个样品重复5次，5次采集到的光谱数据平均后代表一个样品，采集光谱波长范围在350-2500纳米，温度20±2℃，湿度43±2％；

(3)利用CAMO公司的Unscrambler软件对(2)中得到的光谱数据进行平滑处理，利用偏最小二乘法建立竹原纤维判别模型，该判别模型包括竹原纤维标准样品的近红外光谱数据，竹原纤维标准样品的近红外光谱图如图1所示，其中A表示竹原纤维标准样品的近红外光谱曲线。

按照与竹原纤维判别模型相同的建立方法，利用竹粘胶纤维建立竹粘胶纤维判别模型，该判别模型包括竹粘胶纤维标准样品的近红外光谱数据，竹粘胶纤维标准样品的近红外光谱图如图1所示，其中B表示竹粘胶纤维标准样品的近红外光谱曲线。

按照与竹原纤维判别模型相同的建立方法，利用麻纤维建立麻纤维判别模型，该判别模型包括麻纤维标准样品的近红外光谱数据，麻纤维标准样品的近红外光谱图如图1所示，其中C表示麻纤维标准样品的近红外光谱曲线。

将竹原纤维作为待测纤维(a)，竹粘胶纤维作为待测纤维(b)，麻纤维作为待测纤维(c)，按照与竹原纤维判别模型的建立过程中步骤(1)和(2)相同的方法分别采集待测纤维(a)、待测纤维(b)和待测纤维(c)的近红外光谱数据，待测纤维(a)、待测纤维(b)和待测纤维(c)的近红外光谱图如图2所示，其中a、b和c分别表示待测纤维(a)、待测纤维(b)和待测纤维(c)的近红外光谱曲线。

利用偏最小二乘法分别分析待测纤维(a)、待测纤维(b)和待测纤维(c)的近红外光谱数据与竹原纤维判别模型中的竹原纤维标准样品的近红外光谱数据、竹粘胶纤维判别模型中的竹粘胶纤维标准样品的近红外光谱数据和麻纤维判别模型中的麻纤维标准样品的近红外光谱数据的相关性，分析结果如表1所示。

表1三种待测纤维的判别结果

	竹原纤维判别模型	竹粘胶纤维判别模型	麻纤维判别模型
	竹原纤维判别模型	竹粘胶纤维判别模型	麻纤维判别模型	待测纤维(a)	是，r＝0.999	否	否
待测纤维(b)	否	是，r＝0.999	否	待测纤维(a)	是，r＝0.999	否	否
待测纤维(b)	否	是，r＝0.999	否	待测纤维(c)	否	否	是，r＝0.999

从表1所示的相关系数可以判断出待测纤维(a)为竹原纤维，待测纤维(b)为竹粘胶纤维，待测纤维(c)为麻纤维，这个判断结果与实际情况完全一致，说明本发明提供的纤维鉴别方法的鉴别结果非常准确。

Claims

1、一种纺织用纤维的鉴别方法，其特征在于，该方法包括采集待测纤维的近红外光谱数据，利用化学计量学方法分析待测纤维的近红外光谱数据与纤维标准样品的近红外光谱数据的相关性，并根据相关系数判定待测纤维与纤维标准样品是否属于同一类纤维。

2、根据权利要求1所述的方法，其中，所述化学计量学方法为主成分分析法或偏最小二乘法。

3、根据权利要求1所述的方法，其中，所述纤维标准样品为竹原纤维、竹粘胶纤维和麻纤维中的一种或几种；如果相关系数大于等于0.99且小于等于1，则待测纤维与纤维标准样品属于同一类纤维，如果相关系数小于0.99，则待测纤维与纤维标准样品不属于同一类纤维。

4、根据权利要求1或2所述的方法，所述化学计量学方法使用多变量统计分析软件。

5、根据权利要求1所述的方法，其中，在采集待测纤维的近红外光谱数据之前，将待测纤维的含水率调至6-9重量％。

6、根据权利要求1或5所述的方法，其中，采集待测纤维的近红外光谱数据的条件包括温度为15-25℃，湿度为40-45％，光谱波长范围为350-2500纳米。

7、根据权利要求1所述的方法，其中，在利用化学计量学方法分析待测纤维的近红外光谱数据与纤维标准样品的近红外光谱模型的相关性之前，对待测纤维的近红外光谱数据进行预处理，预处理的方法为平滑处理、基线校正、一阶导数或二阶导数。