[发明专利]基于完全约束最小二乘法的纺织品成分解混方法

说明书

本发明提供了无损清洁的近红外纺织品含量预测新方法以及模型，首次将光谱解混理论引入到纺织品成分定性定量分析中，提出基于近红外光谱数据的纺织品纤维成分解混方法，即基于完全约束的最小二乘(Fully Constrained LeastSquares，FCLS)线性成分解混方法。近红外纺织品含量预测方法包括数据标记模块、基于近红外光谱数据预处理模型、纺织品定性分析模块、基于FCLS成分解混核心模块以及定量结果的误差分析模块。实现了基于完全约束的最小二乘算法(FCLS)的线性成分解混方法，来实现多种纺织纤维纯材质和混纺纺织品的纤维单组分和多组分的成分预测；以提高模型成分分析预测的准确性；此方法实现了对纺织品成分的快速、无损、清洁检测，且准确率高，容易操作。

技术领域

本发明属于纺织品成分分析领域，尤其涉及一种用成分解混方法解决近红外纺织纤维成分无损清洁的定性和定量分析方法。

背景技术

近年来，随着人民生活水平的提高，对纺织品质量的要求也不断提升。市场上大量存在的有关纺织品成分标注不清、质量良莠不齐等现象，引发了对纺织品成分分析的高度需求。目前纺织品纤维成分分析方法在传统上主要采用化学溶解法法和物理分析法。

化学溶解法的局限性很大，不适用于物化结构类似的纤维的定性定量分析，不能完全满足于某种新开发的纤维，再生纤维或物理化学法改良的纤维。尤其化学法需要将待检纺织品送至相关检测机构进行检测，使用化学试剂辅助进行检测的方法不仅会对纺织品造成损耗，而且操作复杂、检测周期长，影响相关纺织品企业的正常经营流程。物理分析方法最初多采用显微投影法，定量分析的准确度很大程度决定于分析员识别各种纤维的能力。这种方法繁杂枯燥，一般只用于分析那些不能用机械分离法或化学分析法处理的混合物如毛发与羊毛、棉、亚麻、大麻和/或苎麻的混合物。

由于纤维种类复杂多样，并且新型纺织纤维不断应用于纺织品领域，现有方法难以同时提取各纤维足够多的特征物化信息，导致无法进行准确、可靠的成分分析工作。2019年7月1日，《FZ/T01144-2018纺织品纤维定量分析近红外光谱法》正式实施，这标志着基于近红外光谱的纺织品成分分析方法由研究领域进入应用阶段。使用近红外光谱法分析纺织品纤维成分的优点是快速和无损伤，通过前期制备标样，建立检测模型，能够实现对不同种类的纤维鉴别准确。近红外光谱法分析纺织品纤维成分主要覆盖两个任务：定性分析和定量分析，定性分析指确定目标织物的组成成分类型，定量分析指确定混合材料各组成材质的混合比例。

在光谱分析中，解混是非常重要的一个研究方向。混合信号解混的目的是获得所包含物质的纯净光谱(即端元提取)及其对应的含量(即端元丰度估计)。在确定好近红外光谱信号作为研究对象后，考虑到纺织品的定性定量分析的本质是求解面料中所包含的纯材质(光谱端元)以及对应的比率(丰度值)的问题，故本专利创新性地将光谱解混应用于纺织品成分分析，设计了基于成分解混的完全约束的最小二乘法的纺织品成分分析方法，针对传统检测方法的缺陷以及技术难点，提出一种创新性解决方案。据调查，尚未有一种发明专利用成分解混方法解决纺织品成分分析中的定性和定量，本专利的创新性可由此体现。该方法无损，清洁，高效、快速、成本低，可用于实验室分析、现场分析等。

发明内容