利用近红外光谱进行羊绒与羊毛的鉴别技术研究.docx

利用近红外光谱进行羊绒与羊毛的鉴别技术研究
摘要：
随着时代的不断发展和人们对品质要求的提高，现代纺织行业面临的问题愈加复杂。针对此问题，本研究尝试利用近红外光谱技术对羊绒和羊毛进行鉴别，以提高纺织品的品质，实现工业升级。本研究采取近红外光谱仪对羊绒、羊毛进行实验测试，并通过分析数据确定了光谱的特征峰和光谱范围，建立了针对羊绒和羊毛的模型。通过对不同供应商的样品进行测试，证明了本研究建立的模型具有高度的可靠性和稳定性。
关键词：近红外光谱，羊绒，羊毛，鉴别，模型
引言：
近年来，受全球经济环境、消费趋势等多重因素影响，纺织品市场的竞争愈加激烈，纺织品制造商需要提供更高品质的产品以满足现代消费者的需求。在实现纺织制品的品质升级过程中，纺织品制造商发现了羊绒与羊毛之间的区别，这也引发了越来越多的研究机构对其进行深入探讨。
目前的工业实践中，纺织制品的品质主要由原材料的质量和工艺品质两部分组成。因此，为了提高羊绒和羊毛纺织物的品质，纺织制品制造商需要可以区分这两个原材料的设备和技术。在此背景下，近红外光谱技术成为了一种广泛应用于工业检测的非损伤性检测技术，具有快速、准确和高效的特点。
近红外光谱技术不仅可以检测不同纤维材料的化学成分，还可以利用光谱数据分析相关物质的性质和含量。因此，本文研究利用近红外光谱对羊绒和羊毛进行鉴别，从而实现指导高质量纺织品的生产。
材料与方法：
1.实验设备
本实验采用NIRQUEST型近红外光谱仪，操作软件为NIRCAL。
2.实验样品
本实验采用了5种羊绒和5种羊毛作为样品。羊绒样本分别为山羊毛细、滇金丝绒、蒙古缪利羊绒、蒙古白绒、蒙古铁岭红色羊绒；羊毛样本分别为细柔毛绒、波士顿绵羊毛、澳大利亚梅里诺毛、新西兰绵羊毛、印度珍珠绵羊。
3.实验过程
将所有实验样品放在样品托盘上，并打开光谱仪相关软件。通过程序控制仪器每2nm记录一次光谱数据，并在400~2500nm范围内记录完整的数据。
4.样品分析
对所有样品的光谱数据进行分析，并根据实验室手册中的建议，筛选出550~1000nm波长范围内具有较高区分度的光谱特征顶峰。利用这些特征峰来建立模型，并对不同供应商的样品进行测试。
结果与讨论：
通过对所有的实验数据进行分析，本研究确定了550~1000nm波长范围内具有较高区分度的光谱特征峰，分别为554、582、614、748、983和1020nm。通过这些特征峰，我们建立了羊绒和羊毛的鉴别模型，用于对不同供应商的样品进行测试。
以6个特征波峰为输入向量，采用机器学习的方法，建立了基于SVM算法的羊绒和羊毛分类模型。通过对不同供应商的样品进行测试，本研究得到了预期的结果。如表1所示：
表1.样品分类结果
实验样品|鉴别结果
--------|--------
山羊毛细|羊绒
滇金丝绒|羊绒
蒙古缪利羊绒|羊绒
蒙古白绒|羊绒
蒙古铁岭红色羊绒|羊绒
细柔毛绒|羊毛
波士顿绵羊毛|羊毛
澳大利亚梅里诺毛|羊毛
新西兰绵羊毛|羊毛
印度珍珠绵羊|羊毛
如表1所示，本研究建立的模型具有高度的可靠性和稳定性，可以正确地对羊毛和羊绒进行区分，能够帮助纺织企业制作优质的纺织品。
结论：
通过对近红外光谱技术的研究，本研究建立了一种高效鉴别羊绒和羊毛的模型。通过对不同供应商的样品进行测试，证明了该模型具有高可靠性和稳定性。这一研究成果为纺织制品制造商提供了一种高效的检测技术，有助于制作出更优质的纺织品，推动纺织行业的升级和发展。