CN103472028A - 一种混纺纤维中组分含量的测定方法 - Google Patents

Abstract

一种混纺纤维中组分含量的测定方法，涉及一种混纺纤维的测定方法，该方法首先获得混纺纤维与被测纯纤维的近红外光谱数据，再将获得的近红外光谱数据转换为混纺纤维与被测纯纤维之间的角度值；选取建模的混纺纤维样本作为校正集，待测混纺纤维样本作为预测集，以校正集中被测纯纤维的含量作为因变量，校正集与被测纯纤维的角度值构成的矩阵作为自变量，采用偏最小二乘法建立多变量回归模型；将待测混纺纤维与被测纯纤维的角度值代入该多变量回归模型，即可得到待测混纺纤维中被测纯纤维的相对含量。本发明检测纤维时无需样品预处理，实验环境要求降低，且分析方简单、快捷、准确，还适于在混纺纤维组分不明确时混纺纤维中待测组分含量的测定。

Description

一种混纺纤维中组分含量的测定方法

技术领域

本发明涉及一种混纺纤维的测定方法，特别是一种混纺纤维中组分含量的测定方法。

背景技术

目前纺织纤维的一些定量检测方法都无法实现单间、快速、无损、无污染的检测，常规的检测一般都需要先鉴别纺织品的纤维组分，然后选用适当溶剂将其中一种或几种纤维溶解，根据溶解后失重或不溶解的重量来对纤维组分含量进行计算分析。这种方法耗时且实验过程中会产生有毒污染物，无法满足纺织品生产过程中质量监控及国际贸易快速通关检测的需求。

近红外光谱（NIR）分析技术是20世纪90年代以来发展最快、最引人注目的光谱分析技术之一。主要用于快速定量分析和判别分析，可以同时测定多种组分,是通过所采集的光谱数据对样品进行分析，其特点是准确、快速、无损、无污染且操作简便。

传统的多组分混合体系光谱定量方法即光谱强度与化学计量学相结合的分析方法，如用偏最小二乘法法(partial least squares，缩写为PLS)直接对光谱强度和其对应的物质含量进行多变量回归建立校正模型，然后将待测混合体系的光谱强度带入建立的校正模型即可得出待测组分的定量结果。传统的光谱强度结合化学计量学的定量方法分析速度快，样品无需预处理，对样品无损坏，在过程分析技术中受到重视，但是由于光强度、光通量、测量环境以及样本均匀性等因素引起的信号强度不稳定使非接触分析在过程分析中遇到了很大的障碍。以近红外光谱为例，近红外光谱强度在一定的测量条件下可与被测物浓度保持线性关系，但是在实际操作中影响近红外光谱强度的因素太多且难以控制，如光源功率的稳定性、样品浓度变化等，很难直接对近红外光谱强度实现定量。

发明内容

本发明要解决的技术问题是：提供一种准确度高、样品无需预处理、实验环境要求降低且简单快捷的一种混纺纤维中组分含量的测定方法。  

解决上述技术问题的技术方案是：（与权利要求内容一致）一种混纺纤维中组分含量的测定方法，该方法首先获得混纺纤维与被测纯纤维的近红外光谱数据，再将获得的近红外光谱数据转换为混纺纤维与被测纯纤维之间的角度值；选取建模的混纺纤维样本作为校正集，待测混纺纤维样本作为预测集，以校正集中被测纯纤维的含量作为因变量，校正集与被测纯纤维的角度值构成的矩阵作为自变量，采用偏最小二乘法建立多变量回归模型；将预测集与被测纯纤维的角度值代入该多变量回归模型，即可得到待测混纺纤维中被测纯纤维的相对含量。

本发明的进一步技术方案是：该方法包括以下步骤：

A. 样本的制备和数据采集：

A1.混纺纤维样本的制备和获取被测纯纤维样本：将m个被测纯纤维按不同的质量百分比配制成若干个混纺纤维样本，并获取被测纯纤维样本；

A2.选取校正集和预测集：从步骤A1的混纺纤维样本中选取建模样本作为校正集，选取待测样本作为预测集；

A3. 数据采集：用近红外光谱仪扫描获取校正集，预测集以及被测纯纤维的光谱数据；

B．建模：

B1. 分割区间：将步骤A3中校正集以及被测纯纤维的光谱数据分成n个区间，其中n>混合组分数m ；

B2. 将光谱数据转化成角度值：求取校正集与被测纯纤维在各区间夹角的角度值；

B3. 建立回归模型：采用偏最小二乘法对步骤B2中的角度值和校正集中的被测纯纤维含量建立回归模型；

C. 预测集中各组分含量的测定：

C1. 分割区间：将步骤A3中预测集以及被测纯纤维的光谱数据分成n个区间，其中n>混合组分数m ；

C2. 求取角度值：求取预测集和被测纯纤维在各区间的角度值；

C3. 预测结果：将预测集和被测纯纤维的角度值代入已经建立好的多变量回归模型，即可预测到预测集中被测纯纤维组分的含量。

本发明的再进一步技术方案是：所述步骤A1中混纺纤维样本的制备为：各被测纯纤维按不同的比例称量并混合均匀，其总质量保持一定。

本发明的再进一步技术方案是：步骤A2中所述的校正集中被测纯纤维的含量百分比已知。

本发明的再进一步技术方案是：步骤A3.数据采集中包括的内容为：将被测纯纤维样本和混纺纤维样本混合均匀后，利用近红外光谱仪测量获得校正集，预测集以及被测纯纤维的近红外光谱数据。

本发明的更进一步技术方案是：所述步骤B2和C2中求取校正集或预测集与被测纯纤维之间夹角的公式为：

 ，

其中a是被测纯纤维的近红外光谱数据构成的向量；S为校正集或预测集的近红外光谱数据构成的向量。

由于采用上述结构，本发明之一种混纺纤维中组分含量的测定方法与现有技术相比，具有以下有益效果：

1．样品无需预处理，且无损无污染：

本发明直接将待测混合纤维放入近红外光谱仪中，利用积分球附件扫描获得近红外光谱信息，无需配置一系列的溶剂来溶解纤维，解决了传统方法中必须选用适当溶剂将纤维溶解的问题，因此，本发明对于混纺纤维的定量分析无需对样品进行复杂的预处理，而且无损无污染。

 2．分析方法简单，准确度高：

本发明采用近红外光谱仪扫描获得混纺纤维和待测纯纤维的光谱数据，并将获得的光谱数据转化为混纺纤维与待测纯纤维之间的角度，再通过偏最小二乘回归法（PLS）建立模型计算获得混合纤维中被测组分的含量，解决了在实际操作中影响近红外光谱强度的因素太多且难以控制的问题，因此，本发明可以用于实际纺织业中混纺纤维的定量检测，方法简单快捷，操作方便且准确度高。

3．适于在混纺纤维组分不明确时混纺纤维中待测组分含量的测定：

本发明无需已知混合体系中的物质组成以及干扰物质，只需要测定混合体系的光谱信息和待测物质纯组分的光谱信息即可完成定量分析，因此，本发明可用于混纺纤维组分不确定时被测组分含量的测定。

   下面，结合附图和实施例对本发明之一种混纺纤维中组分含量的测定方法的技术特征作进一步的说明。

附图说明

图1：本发明之一种混纺纤维中组分含量的测定方法的步骤流程图；

图2：被测组分a与待测样本夹角关系图，其中，S是待测样本的光谱向量，a是被测组分的光谱向量，b是除被测组分a以外，待测样本S中含有的其他组分的光谱向量，θ是待测样本与被测组分之间的角度值；

图3-1～3-3：实施案例一所述采用本发明建模所得的校正集中实际值与预测值关系图，其中，

图3-1是利用本发明对棉建模所得的校正集中棉含量实际值与预测值的关系图；

图3-2是利用本发明对涤纶建模所得的校正集中涤纶含量实际值与预测值的关系图；

图3-3利用本发明对粘胶建模所得的校正集中粘胶含量实际值与预测值的关系图；

图4-1～4-3：实施案例一所述采用近红外光谱数据直接建模所得的校正集中实际值与预测值关系图，其中，

图4-1是采用近红外光谱数据直接对棉建模所得的校正集中棉含量实际值与预测值的关系图，

图4-2是采用近红外光谱数据直接对涤纶建模的校正集中涤纶含量实际值与预测值的关系图，

图4-3是采用近红外光谱数据直接对粘胶建模的校正集中粘胶含量实际值与预测值的关系图；

图5-1～5-3：实施案例一所述采用本发明建模所得的预测集中被测组分实际值与预测值的关系图，其中，

图5-1是采用本发明对棉建模所得的预测集中棉含量实际值与预测值的关系图，

图5-2是采用本发明对涤纶建模所得的预测集中涤纶含量实际值与预测值的关系图，

图5-3是采用本发明对粘胶建模所得的预测集中粘胶含量实际值与预测值的关系图。

图6-1～6-3：实施案例一所述采用近红外光谱数据直接建模所得的预测集中被测组分实际值与预测值的关系图，其中，

图6-1是采用近红外光谱数据直接对棉建模所得的预测集中棉含量实际值与预测值的关系图，

图6-2是采用近红外光谱数据直接对涤纶建模所得的预测集中涤纶含量实际值与预测值的关系图，

图6-3是采用近红外光谱数据直接对粘胶建模所得的预测集中粘胶含量实际值与预测值的关系图。

具体实施方式

实施例一：

一种混纺纤维中组分含量的测定方法，所述的混纺纤维中含有棉、涤纶和粘胶，现需要分别测定混纺纤维中棉、涤纶和粘胶的含量，该方法首先获得混纺纤维与被测纯纤维—棉、涤纶和粘胶的近红外光谱数据，再将获得的近红外光谱数据转换为混纺纤维与棉、涤纶和粘胶之间的角度值；选取建模的混纺纤维样本作为校正集，待测混纺纤维样本作为预测集，以校正集中棉、涤纶和粘胶的含量作为因变量，校正集与棉、涤纶和粘胶的角度值构成的矩阵作为自变量，采用偏最小二乘法建立多变量回归模型；将预测集与棉、涤纶和粘胶的角度值代入该多变量回归模型，即可得到待测混纺纤维中棉、涤纶和粘胶的相对含量。

上述方法包括以下步骤：

A. 样本的制备和数据采集：

A1.混纺纤维样本的制备和获取被测纯纤维样本： 

将各被测纯纤维—棉、涤纶和粘胶按不同的质量百分比称量并混合均匀，配制成25个棉/涤纶/粘胶混纺纤维样本，每个样本总质量是0.1g，并获得棉、涤纶和粘胶三种纯纤维样本；

A2.选取校正集和预测集：

从步骤A1的混纺纤维样本中选取19个建模样本作为校正集，该校正集中棉、涤纶和粘胶的含量百分比已知，剩下6个待测样本作为预测集；

A3. 数据采集：

将被测纯纤维样本和混纺纤维样本混合均匀后，利用近红外光谱仪测量获取校正集，预测集的光谱数据以及纯棉a1，纯涤纶a2和纯粘胶a3的光谱数据；

B．建模：

B1. 分割区间：将A3中校正集以及棉a1、涤纶a2和粘胶a3的光谱数据分成n个区间，且n>混合组分数m，m=3；

B2. 将光谱数据转化成角度值：利用公式 

 求取校正集与被测纯纤维在各区间夹角的角度值，其中a是被测纯纤维的近红外光谱数据构成的向量；S为校正集的近红外光谱数据构成的向量，包括：

B21. 求取校正集与纯棉a1之间的夹角{θ ₁₁，…，θ _1i，…，θ _1n}，

B22. 求取校正集与纯涤纶a2之间的夹角{θ ₂₁，…，θ _2i，…，θ _2n }，

B23. 求取校正集与纯粘胶a3之间的夹角{θ ₃₁，…，θ _3i，…，θ _3n }；

B3. 建立回归模型：采用偏最小二乘法对步骤B2中的角度值和校正集中的被测纯纤维含量建立回归模型，包括：

B31. 采用偏最小二乘法(PLS)对步骤B21中的角度值{θ ₁₁，…，θ _1i，…，θ _1n}和校正集中棉的含量建立回归模型；

B32. 采用偏最小二乘法(PLS)对步骤B22中的角度值{θ ₂₁，…，θ _2i，…，θ _2n }和校正集中涤纶的含量建立回归模型；

B33. 采用偏最小二乘法（PLS）对步骤B23中的角度值{θ ₃₁，…，θ _3i，…，θ _3n }和校正集中粘胶的含量建立回归模型；

C. 预测集中各组分含量的测定：

C1. 分割区间：将A3中预测集以及棉a1、涤纶a2和粘胶a3的光谱数据分成n个区间，且n>混合组分数m，m=3；

C2. 求角度值：求取预测集和被测纯纤维在各区间的角度值，包括：

C21. 求取A3中预测集和纯棉a1的角度值，

C22. 求取A3中预测集和纯涤纶a2的角度值，

C23. 求取A3中预测集和纯粘胶a3的角度值；

C3. 预测结果，包括：

C31. 将步骤C21中预测集和纯棉a1的角度值代入B31中已经建立好的多变量回归模型，即可预测到预测集中棉的含量；

C32. 将步骤C22中预测集和纯涤纶a2的角度值代入B32中已经建立好的多变量回归模型，即可预测到预测集中涤纶的含量；

C33. 将步骤C23中预测集和纯粘胶a3的角度值代入B33中已经建立好的多变量回归模型，即可预测到预测集中粘胶的含量。

利用本发明测定，校验集的实测值和预测值的绝对误差都小于5%，相关系数r> 0.9675，标准偏差小于2.0701，说明本发明所建模型符合近红外光谱预测混纺纤维的需求。

为了将本发明之一种混纺纤维中组分含量测定的方法与采用现有的组分测定方法进行对比，发明人还根据获得的近红外光谱数据直接进行PLS建模，这种传统PLS法建模和本发明建模对棉/涤纶/粘胶校正集的预测效果对比如表1所示，这两种不同方法对棉/涤纶/粘胶预测集的预测结果如表2所示。

 

 

由表1可以看出，传统PLS法采用直接近红外光谱数据建模和本发明建模均能够反映含量的变化趋势，从相关系数，均方根误差和标准偏差这三个模型评价标准来看，本发明之一种混纺纤维中组分含量测定的方法比传统方法建模的效果更好。

 

 

从表2预测结果可以得出本发明对棉/涤纶/粘胶三组分预测残差都在5%以内。且本发明的预测相对误差小于传统PLS法预测的相对误差。预测值与实际值的线性关系r，标准偏差，均方根误差的比较如表3所示。

 

 

表3可以看出传统PLS法直接用PLS对近红外光谱进行多变量回归建模，由于仪器噪声的影响导致测量强度不稳定，使预测结果较差，对棉/涤纶/粘胶三组分的预测模型相关系数r均较低；而本发明则不受测量强度不稳定的影响，使预测集中棉/涤纶/粘胶三组分的预测模型相关系数r得到提高，且角度法预测的标准偏差和均方根误差也明显小于传统PLS法预测的结果。

Claims (6)

1.一种混纺纤维中组分含量的测定方法，其特征在于：该方法首先获得混纺纤维与被测纯纤维的近红外光谱数据，再将获得的近红外光谱数据转换为混纺纤维与被测纯纤维之间的角度值；选取建模的混纺纤维样本作为校正集，待测混纺纤维样本作为预测集，以校正集中被测纯纤维的含量作为因变量，校正集与被测纯纤维的角度值构成的矩阵作为自变量，采用偏最小二乘法建立多变量回归模型；将预测集与被测纯纤维的角度值代入该多变量回归模型，即可得到待测混纺纤维中被测纯纤维的相对含量。

2.根据权利要求1所述的一种混纺纤维中组分含量的测定方法，其特征在于：该方法包括以下步骤：

A. 样本的制备和数据采集：

A1.混纺纤维样本的制备和获取被测纯纤维样本：将m个被测纯纤维按不同的质量百分比配制成若干个混纺纤维样本，并获取被测纯纤维样本；

A2.选取校正集和预测集：从步骤A1的混纺纤维样本中选取建模样本作为校正集，选取待测样本作为预测集；

A3. 数据采集：用近红外光谱仪扫描获取校正集，预测集以及被测纯纤维的光谱数据；

B．建模：

B1. 分割区间：将步骤A3中校正集以及被测纯纤维的光谱数据分成n个区间，其中n>混合组分数m ；

B2. 将光谱数据转化成角度值：求取校正集与被测纯纤维在各区间夹角的角度值；

B3. 建立回归模型：采用偏最小二乘法对步骤B2中的角度值和校正集中的被测纯纤维含量建立回归模型；

C. 预测集中各组分含量的测定：

C1. 分割区间：将步骤A3中预测集以及被测纯纤维的光谱数据分成n个区间，其中n>混合组分数m ；

C2. 求取角度值：求取预测集和被测纯纤维在各区间的角度值；

C3. 预测结果：将预测集和被测纯纤维的角度值代入已经建立好的多变量回归模型，即可预测到预测集中被测纯纤维组分的含量。

3.根据权利要求书2所述的一种混纺纤维中组分含量的测定方法，其特征在于：所述步骤A1中混纺纤维样本的制备为：各被测纯纤维按不同的比例称量并混合均匀，其总质量保持一定。

4.根据权利要求书2所述的一种混纺纤维中组分含量的测定方法，其特征在于：步骤A2中所述的校正集中被测纯纤维的含量百分比已知。

5.根据权利要求书2所述的一种混纺纤维中组分含量的测定方法，其特征在于：步骤A3.数据采集中包括的内容为：将被测纯纤维样本和混纺纤维样本混合均匀后，利用近红外光谱仪测量获得校正集，预测集以及被测纯纤维的近红外光谱数据。

6.根据权利要求书2或3或4或5所述的一种混纺纤维中组分含量的测定方法，其特征在于：所述步骤B2和C2中求取校正集或预测集与被测纯纤维之间夹角的公式为：

 ，

其中a是被测纯纤维的近红外光谱数据构成的向量；S为校正集或预测集的近红外光谱数据构成的向量。

Images