CN109811493B - 一种多组分染料染色过程自动给液方法 - Google Patents
一种多组分染料染色过程自动给液方法 Download PDFInfo
- Publication number
- CN109811493B CN109811493B CN201910102986.6A CN201910102986A CN109811493B CN 109811493 B CN109811493 B CN 109811493B CN 201910102986 A CN201910102986 A CN 201910102986A CN 109811493 B CN109811493 B CN 109811493B
- Authority
- CN
- China
- Prior art keywords
- dye
- max
- dyeing
- concentration
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Coloring (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明涉及一种多组分染料染色过程自动给液方法,在多组分染料A染色过程中,实时在线监测染液中各染料的浓度,根据染液中各染料的浓度计算各染料质量占染料总质量的百分比后,将各染料的百分比同时输入到同一BP神经网络模型中,由其输出各染料的K0值,将K0值的最大值和最小值相减得到差的绝对值即为Dmax,计算Dmax相对于D0 max的变化率,将变化率与阈值进行比较,若小于阈值,则不补加染液;反之,则补加染液至各染料的浓度等于初始浓度。本发明方法简单,通过实时在线监测染液中各染料的浓度,使染色结果最大程度地接近目标效果,实现在线反馈控制,提高染色产品质量,提高染色一次成功率,达到了更好的染色效果。
Description
技术领域
本发明属于印染行业染色在线自动控制技术领域,涉及一种染色过程自动给液方法,特别涉及一种多组分染料染色过程自动给液方法。
背景技术
染料染色过程中,染色的稳定性与染料在染液槽中的瞬间同步上染率关系极大,尤其对于多组分染料拼色而言,染色色光的稳定性与多组分染料在这段时间内的同步上染率有极大的关系,同步上染率一致,染料的稳定性较好,头尾色差变化小,反之可能产生头尾色差。所以选择配伍性好的染料进行拼色,或者使染色过程实现自动精确控制是提高染色技术和染色质量的一个重要方向。
目前染色过程自动给液系统主要是针对不同批次间加料误差的控制研究,或者先对样品进行颜色分析通过计算机配色得到染料配方,再根据染料配方进行自动配料的系统。而对于同一批次染色过程中的自动给液系统主要是染厂师傅根据前期打小样的经验或者渗圈实验大致判断加料前后配伍性的好坏来控制给液量。但是实际拼色过程中染料间因相互作用或者其他因素影响染料的瞬间上染率,从而导致染料的配伍性发生变化。国内对染色过程中染料浓度的在线监测主要是通过紫外分光光度计进行,而所采用的紫外分光光度计在定量分析多组分染液浓度时由于计算过程复杂,导致结果误差大,使得可检测浓度范围窄,尤其是针对结构相似或者颜色相近的染料拼混,紫外光谱重叠严重,更大程度上限制了紫外分光光度计在监测染色过程方面的应用。
因此,研究一种方法简单、分析结果精准、染料适用范围广且能提高染色产品质量的一种多组分染料染色过程自动给液方法具有十分重要的意义。
发明内容
本发明的目的是针对现有技术的不足,提供一种方法简单、分析结果精准、染料适用范围广且能提高染色产品质量的多组分染料染色过程自动给液方法。
为了达到上述目的,本发明采用如下的技术方案予以实现:
一种多组分染料染色过程自动给液方法,在多组分染料A染色过程中,实时在线监测染液中各染料的浓度,并由其实时计算得到Dmax后,计算Dmax相对于D0 max的变化率,将变化率与阈值进行比较,若小于阈值,则不补加染液;反之,则补加染液至染液中各染料的浓度等于初始浓度;
由染液中各染料的浓度得到Dmax的过程为:将根据染液中各染料的浓度计算各染料质量占染料总质量的百分比后,将各染料的百分比同时输入到同一BP神经网络模型中,由其输出各染料的K0值,将K0值的最大值和最小值相减得到差的绝对值即为Dmax;
BP神经网络模型是由染料数据库训练后的BP神经网络,染料数据库包含多个染料配方B及染料配方B中各染料的K0值,染料配方B与多组分染料A对应同一组染料,训练时分别以各染料配方B中各染料质量占染料总质量的百分比及其对应K0值为输入项和输出项;
染料配方B中各染料的K0值为使用该染料配方B染色过程中单位质量的织物上各染料的初始上染速率;
D0 max为染色开始时的Dmax,变化率=|Dmax-D0 max|/D0 max;
阈值=|D*max-D′max|/D′max,D*max和D′max分别为多个经试验验证配伍性好的染料配方B的Dmax的最大值和最小值。
本发明通过引入Dmax=|K0max-K0min|表征配伍性,同时建立BP神经网络模型,通过该模型即可得到多组分染料中各染料的K0值,计算得到各染料对应的Dmax,而后计算Dmax相对于D0 max的变化率,将变化率与阈值进行比较,若小于阈值,则不补加染液;反之,则补加染液至各染料的浓度等于初始浓度,成功解决了多组分染料染色过程中极易出现的分析结果精准度低而导致的染色效果差的问题。
作为优选的技术方案:
如上所述的一种多组分染料染色过程自动给液方法,染料配方B中各染料的K0值是通过以下过程得到的:
首先在线监测染液中各染料的浓度随时间变化的数据,然后进行数据处理得到单位质量的织物上各染料上染量随时间变化的数据,接着对数据进行拟合得到各染料对应的上染量-时间拟合曲线,最后计算0时刻时上染量-时间拟合曲线的斜率得到各染料的K0值;
所述上染量WT的计算公式如下:
式中,C0为染液中染料的初始浓度,单位为g/L,CT为T时刻染液中染料的浓度,单位为g/L,m为染色开始时染液中染料的质量,单位为mg,M为织物的质量,单位为g;
所述K0值的单位为mg·g-1·min-1。
如上所述的一种多组分染料染色过程自动给液方法,所有的在线监测都采用拉曼光谱仪,本发明的保护范围不限于此,其他能够实现在线监测的仪器都可适用于本发明,例如紫外可见分光光度计等等,所述拉曼光谱仪的光纤探头插入到染液中,或者可以通过其他方式实现在线监测,例如直接监测,即将染液直接放置在拉曼激光下监测,只要是采用拉曼光谱仪在线监测染液中各染料浓度随时间变化的数据都在本发明的保护范围内;所述在线监测时拉曼光谱仪的激光器波长范围为200~1500nm,激光功率为0.01mW~3kW,曝光时间为0.0167~100sec,所述在线监测时拉曼光谱仪的测试条件范围并不局限于此,其也为根据激光器原始功率与滤光片组合方式的不同所能到达的最大范围;所有的染液中的染料的浓度都是利用拉曼光谱通过化学计量学方法建立定量分析模型分析得到的。
如上所述的一种多组分染料染色过程自动给液方法,所述化学计量学方法为偏最小二乘法、主成分回归法、逐步多元线性回归法或经典最小二乘法;所述定量分析模型共有两个准确性评估指标,一个是校正相关系数(R2),最大值为1,越接近1准确性越高,另一种是均方差(RMSEC),最小值是0,越接近0准确性越高,可通过变换化学计量学方法和光谱预处理方法使其R2或RMSEC无限接近1或者0。
如上所述的一种多组分染料染色过程自动给液方法,所述拟合采用Origin软件、Excel软件或CurveExpert Pro软件,本发明的保护范围不限于此,其他拟合软件同样适用于本发明。
如上所述的一种多组分染料染色过程自动给液方法,所述上染量-时间拟合曲线的相关系数不低于0.90;所述0时刻时上染量-时间拟合曲线的斜率是通过对上染量-时间拟合曲线进行一阶求导处理得到的。
如上所述的一种多组分染料染色过程自动给液方法,其所有的染液的浓度都为0.01~200g/L,pH值为0.1~14.0;所有的染色的温度都为10~250℃,浴比都为1∶1~200,中性盐用量都为0~300g/L,工艺都为轧染、浸染、冷轧堆染色或高温高压染色,染色工艺不限于此,还可以是湿短蒸等等,本发明的多组分染料配伍性评价方法适用范围较广,不受染色工艺的限制;所述染料为活性染料、酸性染料、直接染料或分散染料,染料不限于此,还可以是其他适合拼色的染料;所有的染色使用的织物都为棉织物或粘胶织物,织物不限于此,还可以是其他适合上述染料或者其他可与其拼色的染料染色的所有织物。
如上所述的一种多组分染料染色过程自动给液方法,采用染料数据库训练BP神经网络时训练的终止条件为:被错误识别的训练样本的数量占训练样本总数的比例不高于5%,被错误识别的训练样本是指BP神经网络输出的K0值与实际K0值不一致的训练样本。
如上所述的一种多组分染料染色过程自动给液方法,所述阈值的取值范围为1%-10%。阈值的取值范围不限于此,可根据实际染色情况而定。
如上所述的一种多组分染料染色过程自动给液方法,补加染液是指同时补加多种单一染液,单一染液是只含一种染料的染液,补加染液前先计算各单一染液的加入量,假设多组分染料共n种组分,n≥2,i=1,2,......n,第i种组分的初始浓度为C0i,当染色时间为t时,染液量为Vt,第i种组分的浓度为Cti,第i种组分对应的单一染液的浓度为Wti,加入量为Qi,根据式(I)建立方程组求解得到各单一染液的加入量,式(I)为:
发明机理:
本发明通过利用拉曼光谱在线监测仪监测染液槽中染料浓度随时间的变化,并通过建立BP神经网络模型,将多组分染料A中各染料的质量占染料总质量的百分比输入该模型得到各染料的K0值,进而得到Dmax,而后对各染料的Dmax(表征配伍性的参数)进行分析,得到各染料配伍性与初始配伍性D0 max之间的误差变化量,当误差变化量超过设定范围时监督控制器发出信号,自动给液装置接收信号后自动向染液槽中补加染液至染液中染料组分浓度对应的染料配伍性在设定范围内,由此实现多组分染液染色过程的自动给液。
有益效果:
(1)本发明的一种多组分染料染色过程自动给液方法,采用拉曼光谱仪监测染色过程时,无需进行样品处理,可保留样品原始信息,定量多组分染料浓度准确度高,所测浓度范围宽,方法简单,不用进行复杂的计算,且拉曼光谱仪具有适用不同条件的各种机型,根据所用功能选择合适机型,可以大幅度降低仪器成本,使工业应用成为可能;
(2)本发明的一种多组分染料染色过程自动给液方法,通过实时在线监测染液中各染料的浓度,使染色结果最大程度地接近目标效果,实现在线反馈控制,从而调整染色工艺,提高染色产品质量,提高染色一次成功率,以达到更好的染色效果。
附图说明
图1为本发明的多组分染料染色过程自动给液流程图。
具体实施方式
下面结合具体实施方式,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
一种多组分染料染色过程自动给液方法,具体步骤如下:
(1)训练BP神经网络;
(1.1)获取多个染料配方B中各染料的K0值(染色过程中单位质量的织物上各染料的初始上染速率),染料配方B包括三种染料(活性红239、活性黄176和活性蓝194):
首先按染料配方B配制染液,使用该染液对织物进行染色,其次采用拉曼光谱仪在线监测染液中各染料浓度随时间变化的数据,再次进行数据处理得到单位质量的织物上各染料上染量随时间变化的数据,接着用Origin软件(也可用Excel软件或CurveExpertPro软件)对数据进行拟合得到各染料对应的上染量-时间拟合曲线,上染量-时间拟合曲线的相关系数不低于0.90,最后通过对上染量-时间拟合曲线进行一阶求导处理得到0时刻时上染量-时间拟合曲线的斜率,进而得到该染料配方B中各染料的K0值,依次针对多个染料配方B进行以上操作获取多个染料配方B中各染料的K0值,在线监测时拉曼光谱仪的激光器波长范围为200~1500nm,激光功率为0.01mW~3kW,曝光时间为0.0167~100sec,染液中各染料浓度是利用拉曼光谱通过化学计量学方法建立定量分析模型分析得到的,化学计量学方法为偏最小二乘法、主成分回归法、逐步多元线性回归法或经典最小二乘法,定量分析模型共有两个准确性评估指标,一个是校正相关系数(R2),最大值为1,越接近1准确性越高,另一种是均方差(RMSEC),最小值是0,越接近0准确性越高,可通过变换化学计量学方法和光谱预处理方法使其R2或RMSEC无限接近1或者0;
其中,多个染料配方B中各染料的染液的浓度为0.01~200g/L,pH值为0.1~14.0,染色的温度为10~250℃,浴比为1∶1~200,中性盐用量为0~300g/L,工艺为轧染、浸染、冷轧堆染色或高温高压染色,染料为活性染料、酸性染料、直接染料或分散染料;织物为棉织物或粘胶织物,上染量WT的计算公式如下:
式中,C0为染液中染料的初始浓度,单位为g/L,CT为T时刻染液中染料的浓度,单位为g/L,m为染色开始时染液中染料的质量,单位为mg,M为织物的质量,单位为g;K0值的单位为mg·g-1·min-1;
(1.2)采用染料数据库训练BP神经网络得到BP神经网络模型,含多个染料配方B及染料配方B中各染料的K0值,染料配方B与多组分染料A对应同一组染料,训练时分别以各染料配方B中各染料质量占染料总质量的百分比及其对应K0值为输入项和输出项,训练的终止条件为:被错误识别的训练样本的数量占训练样本总数的比例不高于5%,被错误识别的训练样本是指BP神经网络输出的K0值与实际K0值不一致的训练样本;
(2)计算Dmax;
如图1所示,在多组分染料A染色过程中,采用拉曼光谱仪实时在线监测染液槽/染缸中各染料的浓度,根据染液中各染料的浓度计算各染料质量占染料总质量的百分比后,将各染料的百分比同时输入到同一BP神经网络模型中,由其输出各染料的K0值,将K0值的最大值和最小值相减得到差的绝对值即为Dmax(配伍性),多组分染料A与染料配方B对应同一组染料;
计算Dmax相对于D0 max的变化率,将变化率与阈值进行比较,若小于阈值,则不补加染液;反之,则由监督控制器发出信号至自动给液装置,将补加染液补加至染液中各染料的浓度等于初始浓度,其中D0 max为染色开始时的Dmax,变化率=|Dmax-D0 max|/D0 max;阈值=|D*max-D′max|/D′max,阈值的取值范围为1%-10%,D*max和D′max分别为多个经试验验证配伍性好的染料配方B的Dmax的最大值和最小值,补加染液是指同时补加多种单一染液,单一染液是只含一种染料的染液,补加染液前先计算各单一染液的加入量,假设多组分染料共n种组分,n≥2,i=1,2,......n,染色开始时染液量为V0,第i种组分的初始浓度为C0i,当染色时间为t时,染液量为Vt,第i种组分的浓度为Cti,第i种组分对应的单一染液的浓度为Wti,加入量为Qi,根据式(I)建立方程组求解得到各单一染液的加入量,式(I)为:
经验证,本发明多组分染料染色过程自动给液方法,染色过程自动给液系统可控,准确度高,浓度检测范围宽,工作效率高,方法简单,尤其对于多组分染料轧染染色系统,具有分析方法简单,分析结果精准,染料适用范围广,易于操作,可实现自动化控制等优点,极大地提高了染色产品的质量,极具应用前景。
Claims (9)
1.一种多组分染料染色过程自动给液方法,其特征是:在多组分染料A染色过程中,实时在线监测染液中各染料的浓度,并由其实时计算得到Dmax后,计算Dmax相对于D0 max的变化率,将变化率与阈值进行比较,若小于阈值,则不补加染液;反之,则补加染液至染液中各染料的浓度等于初始浓度;
由染液中各染料的浓度得到Dmax的过程为:根据染液中各染料的浓度计算各染料质量占染料总质量的百分比后,将各染料的百分比同时输入到同一BP神经网络模型中,由其输出各染料的K0值,将K0值的最大值和最小值相减得到差的绝对值即为Dmax;
BP神经网络模型是由染料数据库训练后的BP神经网络,染料数据库包含多个染料配方B及染料配方B中各染料的K0值,染料配方B与多组分染料A对应同一组染料,训练时分别以各染料配方B中各染料质量占染料总质量的百分比及其对应K0值为输入项和输出项;
染料配方B中各染料的K0值为使用该染料配方B染色过程中单位质量的织物上各染料的初始上染速率;
染料配方B中各染料的K0值是通过以下过程得到的:
首先在线监测染液中各染料的浓度随时间变化的数据,然后进行数据处理得到单位质量的织物上各染料上染量随时间变化的数据,接着对数据进行拟合得到各染料对应的上染量-时间拟合曲线,最后计算0时刻时上染量-时间拟合曲线的斜率得到各染料的K0值;
所述上染量WT的计算公式如下:
式中,C0为染液中染料的初始浓度,单位为g/L,CT为T时刻染液中染料的浓度,单位为g/L,m为染色开始时染液中染料的质量,单位为mg,M为织物的质量,单位为g;
所述K0值的单位为mg·g-1·min-1;
D0 max为染色开始时的Dmax,变化率=|Dmax-D0 max|/D0 max;
阈值=|D*max-D'max|/D'max,D*max和D'max分别为多个经试验验证配伍性好的染料配方B的Dmax的最大值和最小值。
2.根据权利要求1所述的一种多组分染料染色过程自动给液方法,其特征在于,所有的在线监测都采用拉曼光谱仪;所述在线监测时拉曼光谱仪的激光器波长范围为200~1500nm,激光功率为0.01mW~3kW,曝光时间为0.0167~100sec;所有的染液中的染料的浓度都是利用拉曼光谱通过化学计量学方法建立定量分析模型分析得到的。
3.根据权利要求2所述的一种多组分染料染色过程自动给液方法,其特征在于,所述化学计量学方法为偏最小二乘法、主成分回归法、逐步多元线性回归法或经典最小二乘法;所述定量分析模型共有两个准确性评估指标,一个是校正相关系数,最大值为1,越接近1准确性越高,另一种是均方差,最小值是0,越接近0准确性越高。
4.根据权利要求1所述的一种多组分染料染色过程自动给液方法,其特征在于,所述拟合采用Origin软件、Excel软件或CurveExpert Pro软件。
5.根据权利要求1所述的一种多组分染料染色过程自动给液方法,其特征在于,所述上染量-时间拟合曲线的相关系数不低于0.90;所述0时刻时上染量-时间拟合曲线的斜率是通过对上染量-时间拟合曲线进行一阶求导处理得到的。
6.根据权利要求1所述的一种多组分染料染色过程自动给液方法,其特征在于,所有的染液的浓度都为0.01~200g/L,pH值为0.1~14.0;所有的染色的温度都为10~250℃,浴比都为1:1~200,中性盐用量都为0~300g/L,工艺都为轧染、浸染、冷轧堆染色或高温高压染色;所述染料为活性染料、酸性染料、直接染料或分散染料;所有的染色使用的织物都为棉织物或粘胶织物。
7.根据权利要求1所述的一种多组分染料染色过程自动给液方法,其特征在于,采用染料数据库训练BP神经网络时训练的终止条件为:被错误识别的训练样本的数量占训练样本总数的比例不高于5%,被错误识别的训练样本是指BP神经网络输出的K0值与实际K0值不一致的训练样本。
8.根据权利要求1所述的一种多组分染料染色过程自动给液方法,其特征在于,所述阈值的取值范围为1%-10%。
9.根据权利要求1所述的一种多组分染料染色过程自动给液方法,其特征在于,补加染液是指同时补加多种单一染液,单一染液是只含一种染料的染液。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910102986.6A CN109811493B (zh) | 2019-02-01 | 2019-02-01 | 一种多组分染料染色过程自动给液方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910102986.6A CN109811493B (zh) | 2019-02-01 | 2019-02-01 | 一种多组分染料染色过程自动给液方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109811493A CN109811493A (zh) | 2019-05-28 |
CN109811493B true CN109811493B (zh) | 2020-05-01 |
Family
ID=66605114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910102986.6A Active CN109811493B (zh) | 2019-02-01 | 2019-02-01 | 一种多组分染料染色过程自动给液方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109811493B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111719322A (zh) * | 2020-07-16 | 2020-09-29 | 浙江流庆纺织有限公司 | 涤锦和阳离子涤锦复合纤维毛圈针织物的同浴染色方法 |
TWI757929B (zh) * | 2020-10-23 | 2022-03-11 | 財團法人紡織產業綜合研究所 | 織物染色設備的控制方法 |
CN112882502B (zh) * | 2021-01-07 | 2022-09-16 | 东华大学 | 染料拼色轧染过程中补液系统的数字化控制方法 |
CN114778770B (zh) * | 2022-04-13 | 2024-03-29 | 鸿富锦精密电子(成都)有限公司 | 染色方法、阳极系统及计算机可读存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100595701C (zh) * | 2007-01-24 | 2010-03-24 | 杭州电子科技大学 | 基于不确定颜色模型的鲁棒多变量预测控制方法 |
CN103011356B (zh) * | 2012-08-15 | 2014-02-12 | 重庆水务集团股份有限公司 | 一种高浊度水系自动投药控制方法 |
CN103233332B (zh) * | 2013-04-12 | 2014-02-19 | 机械科学研究总院先进制造技术研究中心 | 一种筒子纱染色过程的曲线逼近控制方法 |
CN104020672B (zh) * | 2014-05-29 | 2015-04-15 | 西安交通大学 | 一种直流中空电极电石炉智能控制方法 |
CN104020800B (zh) * | 2014-05-30 | 2017-01-18 | 浙江理工大学 | 一种染色在线反馈控制系统及其方法 |
CN104815848B (zh) * | 2014-12-19 | 2017-03-29 | 中冶南方(武汉)自动化有限公司 | 基于厚度检测信号及自适应神经网络的轧辊偏心控制方法 |
CN104751446A (zh) * | 2015-01-06 | 2015-07-01 | 金陵科技学院 | 一种基于数字图案特征的扎染工艺预测方法 |
CN105159242A (zh) * | 2015-07-28 | 2015-12-16 | 昆明理工大学 | 一种纺织面料染色过程的优化调度方法 |
CN105088595B (zh) * | 2015-09-11 | 2017-03-08 | 河海大学常州校区 | 基于神经网络模型的印染在线配色设备及方法 |
CN105787275B (zh) * | 2016-02-29 | 2019-03-22 | 嘉兴学院 | 一种皮革染色的计算机配色方法 |
-
2019
- 2019-02-01 CN CN201910102986.6A patent/CN109811493B/zh active Active
Non-Patent Citations (1)
Title |
---|
BP 神经网络对活性染料染色K/S值的预测;姜会钰;《染整技术》;20070831;第29卷(第8期);第4-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109811493A (zh) | 2019-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109811493B (zh) | 一种多组分染料染色过程自动给液方法 | |
US3987808A (en) | Metering system | |
EP4276568A1 (en) | Digital control method and system for liquor replenishing system during pad dyeing process of color matching of dyes | |
CN109914120A (zh) | 一种染料配方的设计方法 | |
CN101718684B (zh) | 间歇染色过程织物色泽在线软测量方法和系统 | |
CN108303393A (zh) | 一种测量sbs改性沥青中sbs改性剂含量的方法 | |
CN109946245B (zh) | 一种染料的计算机配色方法 | |
CN108072627A (zh) | 一种用中红外光谱快速检测酱油中氨基酸态氮和总酸含量的方法 | |
CN105386263B (zh) | 染色过程监测方法 | |
CN104764731A (zh) | 一种拉曼光谱在线监测聚氨酯预聚物-nco含量的方法 | |
CN104483287A (zh) | 基于近红外光谱的在线发酵过程生物学参数的检测装置及方法 | |
CN113324585A (zh) | 一种染色残液回用自动化在线检测、测色和配色仪器及其方法 | |
CN109799224A (zh) | 快速检测中药提取液中蛋白质浓度的方法及应用 | |
CN104359751B (zh) | 微波消解荧光法测定土壤中微量铀 | |
CN107702971A (zh) | 一种中红外光谱结合向量夹角定量分析蔗糖‑6‑乙酸酯的方法 | |
KR100348103B1 (ko) | 실시간 염색 제어방법 및 그 시스템 | |
CN205333518U (zh) | 基于拉曼光谱的酿酒发酵液酵母活力在线检测装置 | |
CN114166769B (zh) | 一种紫外-可见光谱水质多参数监测系统 | |
CN110530838A (zh) | 一种多组分染料配伍性评价方法 | |
JP2008128722A (ja) | 染液の色濃度定量方法 | |
CN106841058B (zh) | 一种生物质水热预处理过程的在线检测方法与装置 | |
Terkesli et al. | Industrial spectrophotometric smart sensor towards real-time optimization of textile dyeing process | |
CN109060711A (zh) | 一种计算掺白油有机硅产品中白油含量的方法 | |
CN108796005A (zh) | 一种实时监测谷氨酸棒杆菌发酵过程的方法 | |
CN109402924B (zh) | 一种提高染色加工准确性的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |