[发明专利]一种基于双线性解混的织物纤维成分无损清洁分析方法

权利要求书

1.一种基于双线性解混的织物纤维成分无损清洁分析方法，其特征在于，具体步骤为：

S1：织物近红外光谱数据清洗；

S2：对经清洗的织物近红外光谱数据进行标记，生成织物近红外光谱信息库；

S3：织物近红外光谱数据预处理 ；

S4：基于预处理数据，根据织物近红外光谱数据标记与分组情况与双线性解混模型结构建立数据比对仓库，构造全局数据字典；

S5：对目标织物进行织物纤维成分分析，对目标织物近红外光谱原始数据进行预处理并输入双线性解混算法模型，通过全局字典预测目标织物组成成分类型及其混合材质中各组成材质的混合比例。

2.根据权利要求1所述的方法，其特征在于，步骤S1中所述数据清洗，具体包括：

S11：针对织物近红外光谱原始数据，排除光谱信息中吸收率或反射率存在小于零情况的数据；

S12：针对织物近红外光谱原始数据，排除光谱信息中存在明显锯齿情况的数据。

3.根据权利要求2所述的方法，其特征在于，步骤S2中所述数据标记、生成织物近红外光谱信息库，具体包括：

对于经清洗的织物近红外光谱数据，根据织物的组成成分类型及其混合材质中各组成材质的混合比例进行标记，构造织物近红外光谱数据与织物材质及其混合比例的对应关系；

所述织物的组成成分类型包括棉、人棉、莫代尔、天丝、涤纶、羊毛、氨纶、麻、尼龙、腈纶、真丝、羊绒12种常见纯材质，以及由12种常见材质组成的混纺织物；

所述数据标记为棉、人棉、莫代尔、天丝、涤纶、羊毛、氨纶、麻、尼龙、腈纶、真丝、羊绒12种常见纯材质，以及由12种材质组成混纺织物中各材质的含量，标记满足含量和为一约束。

4.根据权利要求3所述的方法，其特征在于，步骤S3中所述织物近红外光谱数据预处理，涉及数据降噪平滑、数据归一平均、数据衍生等三个算法模块；具体包括：

S31：针对经清洗的织物近红外光谱原始数据，采用数据降噪平滑算法，进行数据平滑处理；具体算法选自傅里叶变换降噪、维纳滤波降噪、分段Savitzky-Golay平滑降噪、小波阈值降噪，根据织物光谱数据实际情况进行针对去噪，实现数据平滑；

S32：针对经降噪平滑的织物近红外光谱数据，采用数据归一平均算法，通过幅值平移的方式将平滑数据的吸收率与反射率的均值调节至0.5；

S33：针对经归一平均的织物近红外光谱数据，采用数据衍生算法，进行数据维度扩充。

5.根据权利要求4所述的方法，其特征在于，步骤S4中所述构造全局数据字典，具体包括：

S41：基于双线性解混理论，针对织物近红外光谱数据特征及格式设计双线性解混模型；

S42：对织物近红外光谱信息库的数据进行如步骤S3所述预处理，生成数据比对仓库；

S43：确认仓库数据对应的数据标记，将仓库数据与对应含量标记构成一一对应关系，构建全局数据字典。

6.根据权利要求5所述的方法，其特征在于，步骤S5中所述使用双线性模型进行成分分析，具体包括：

S51：针对目标织物近红外光谱原始数据，对其进行如步骤S3所述的数据预处理，得到多维处理特征；

S52：将多维处理特征输入所述的双线性解混模型，得到与比对仓库中各数据的相似性比对结果；

S53：根据全局数据字典，获得对应的数据标记，步骤S52中相似性比对结果最高的数据所对应的数据标记，即视为针对该目标织物的分析结果，具体包括预测目标织物的组成成分类型及其混合材质中各组成材质的混合比例。