[发明专利]织物纤维成分的异常近红外光谱波形检测方法

说明书

本发明公开了织物纤维成分的异常近红外光谱波形检测方法，结合一维信号处理的相关原理，设计了一种快速有效的检测异常波形的算法，目的是检测采集近红外光谱数据过程中由于外界电磁场、光照、手工操作等因素干扰产生的异常波形。本发明综合考虑一维信号的平滑度阈值与熵值信息，可有效聚焦异常数据，挖掘非逻辑数据问题。本发明可应用于数据采集过程，及时发现异常采集信息；亦可应用在数据清洗过程，快速定位离群点位置，有效剔除噪声、畸变的光谱数据。该异常检测算法主要针对织物纤维物质，能够有效针对织物纤维成分的近红外光谱数据进行异常波形检测，同时通过更改参数。

技术领域

本发明涉及纺织品成分分析技术领域，尤其涉及织物纤维成分的异常近红外光谱波形检测方法。

背景技术

随着人民生活水平的提高，越来越多的人开始追求生活品质，作为“衣食住行”的一部分，衣物质量问题越来越引起人民的关注。为了保证我国出口的纺织品具有较高的质量标准，也为了我国人们使用的纺织品质量是合格的，对于整个纺织品产业来说，注重纺织技术的提升和相关的质量检测环节是重中之重。

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。传统的纺织品纤维成分分析方法在传统上主要采用化学法和物理法，这两种方法的整个过程暴露在空气中，很容易受到外界的各种影响，结合着内部可能会发生的化学反应，很容易出现失误，从而对整个检测结果的精确度造成一定的影响，导致无法进行准确、可靠的成分分析工作。

对比传统的纺织纤维质检方式，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准确鉴别，可对纺织纤维进行无损清洁的定性定量分析。但在前期制备标样过程中，由于电磁波的影响、光照影响、个人操作失误等原因，数据采集过程中很容易出现错误采集到异常波形的情况，这会给后期的建模过程造成很大的影响。

异常近红外光谱波形的离群值可转化为重要的可操作信息，故将其筛选出来非常重要。离群值(outliers)通常被认为是与其他数据点明显不同或不符合整体的代表的现象的预期正常模式的数据点。离群值检测技术致力于解决发现不符合预期行为的模式的问题，本专利的目的是针对纺织纤维领域的近红外光谱波形进行离群点检测，聚焦其异常信息，致力于发现采集过程中的异常数据。

本专利为织物纤维成分的异常近红外光谱波形检测方法，结合一维信号处理的相关原理，设计了一种快速有效的检测异常波形的方法，可快速检测出由于外界电磁场、光照、手工操作等因素干扰产生的异常波形。本发明综合考虑一维信号的平滑度阈值与熵值信息，可有效聚焦异常数据，应用于数据采集过程，及时发现异常采集信息；亦可应用在数据清洗过程，有效剔除噪声、畸变的光谱数据。该异常检测算法主要针对织物纤维物质，能够有效针对织物纤维成分的近红外光谱数据进行异常波形检测，同时通过更改参数，可快速推广至其它物质的一维近红外光谱的异常波形检测。该检测方法无损，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

本发明的目的是为了在近红外纺织纤维光谱波形数据采集环节，快速检测出由于外界电磁场、光照、手工操作等因素干扰产生的异常波形。异常数据，指的是样本中的一些数值明显偏离其余数值的样本点，所以也称为离群点。异常检测就是要将这些离群点找出来，因为它们的存在会对后序的数据分析过程和建模过程带来很大困难。本发明结合了一维信号的平滑度信息与信息熵理论，提供了织物纤维成分的异常近红外光谱波形检测方法。