[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

说明书

本发明属于织物成分分析技术领域，具体为一种基于双线性解混的织物纤维成分无损清洁分析方法。本发明方法包括：使用近红外光谱仪采集目标织物的近红外光谱信息；对采集的目标织物的近红外光谱信息进行数据处理，包括对原始光谱数据进行清洗、平滑去噪与衍生；设计双线性解混算法，提取光谱数据特征并进行区分，实现针对织物的定性定量分析，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。本发明方法能够快速、高效、无损清洁的分析纺织品成分，具有广阔的应用前景。

技术领域

本发明属于织物成分分析技术领域，具体涉及织物纤维成分无损清洁分析方法。

背景技术

2019年7月1日，《FZ/T 01144-2018纺织品纤维定量分析近红外光谱法》正式实施，标志着使用近红外光谱法进行织物纤维定量分析由研究领域进入应用阶段。

传统的针对织物成分分析的检测手段大多基于物理或化学方法。这类方法需将待检测织物送至相关专门机构进行检测，耗时3-5个工作日，检测效率较为低下，存在高昂的时间成本和费用成本。同时，检测机构大多存在信息化集成水平较低问题，仅使用纸质简单记录疵点、难以统一管理，且质量问题难以回溯。此外，化学溶解法会对织物样本造成破坏与损耗，并给环境带来污染，与当下提倡的环保理念相违背。

相比之下，基于近红外光谱的织物成分分析方法无需使用化学试剂，具有无损、无污染、操作简单以及测试速度快等优势。这种方法主要覆盖两个任务：定性分析和定量分析。其中，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。

现有的基于近红外光谱的织物成分分析技术大多基于统计学习的方法，在对织物近红外光谱数据进行简单处理后，通过如随机森林、支持向量机等浅层学习方法尝试定性或定量分析。对于光谱相似度高的自然纤维而言，这类方法区分效果不佳，进而导致整体分析效果不理想。

光谱解混（Spectral Unmixing）理论主要实现端元提取和丰度估计。端元提取指在混合图像中提取出各种成分。丰度估计指对每种估计出来的端元物质的比例加以估计，丰度满足非负性、合为一的约束。将光谱解混理论应用到织物近红外光谱分析领域，即将织物近红外光谱类比高光谱混合图像，将织物组成成分类比为地表端元物质，理论依据充足、可解释性强。

传统的线性光谱混合模型（Linear Mixture Model, LMM）只考虑光线单次散射，通常情况下仅只适用于地物分布呈近似格网状的简单场景。双线性混合模型围绕两两端元间的二次散射贡献，较大简化了非线性的处理，又改善了线性光谱混合模型的不足。本发明提供的一种基于双线性解混的织物纤维成分无损清洁分析方法，针对织物近红外光谱特征设计双线性解混模型，捕获织物端元间近红外光谱的特征差异，改善浅层学习方法在自然织物纤维上的分析效果，实现针对织物12种常见成分（端元）的定性和定量分析。

发明内容

本发明的目的在于提供一种快速、高效的织物纤维成分无损清洁分析方法。

本发明提供的织物纤维成分无损清洁分析方法，包括：使用近红外光谱仪采集目标织物的近红外光谱信息；对采集的目标织物的近红外光谱信息进行数据处理，包括对原始光谱数据进行清洗、平滑去噪与衍生；采用双线性解混算法，提取光谱数据特征并进行区分，实现针对织物的定性定量分析，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。

关于光谱数据处理，具体说明如下：