基于近紅外光譜分析的紡織品中羊毛含量檢測技術研究.pdf

1、本論文以紡織品為研究對象，結合化學計量學方法，主要從系統(tǒng)參數(shù)選擇、奇異樣品剔除、建立模型等部分深入探討了近紅外光譜技術在快速定量檢測紡織品中羊毛含量的一些問題。 試驗收集了羊毛、棉、絲、滌等紡織品主要原料，根據(jù)羊毛含量配制了 110個不同濃度的混合樣品，以羊毛含量為具體的檢測指標。使用WQF-400N型傅立葉變換近紅外光譜分析儀測量樣品的近紅外光譜，通過對比試驗，確定儀器的掃描次數(shù)、分辨率、樣品測量次數(shù)與附件。對微分、平滑和附加

2、散射校正等多種光譜預處理方法采用偏最小一乘回歸分析，以平均絕對誤差、最大絕對誤差和預測均方差等3個統(tǒng)計量來評價校正模型的預測精度，結果表明選取一階微分、5點S-G多項式平滑和附加散射校正是最佳的光譜預處理方法。 運用馬氏距離法和杠桿算法分析了全部樣品的近紅外光譜，采用偏最小二乘回歸分析，以預測平均誤差和預測均方差來衡量預測效果，確定了需要剔除的異常光譜，結果表明馬氏距離法比杠桿算法更加適合本研究。最后剔除了4條異常樣品光譜，保留

3、了106個樣本，通過聚類分析劃分了校正集與預測集(其中校正集74個，預測集32個)。進一步運用AKS算法對校正集進行篩選，當剔除了9個樣本選擇65個定標樣本，采用相同的偏最小二乘回歸分析方法時，平均絕對誤差和預測均方差分別由2.024和2.604減少到1.932和2.371，說明最佳樣品集更具有代表性。 對剩余的97個樣本運用最小二乘支持向量機回歸分析，選擇RBF核函數(shù)，使用三步搜索法對Gamma與γ的范圍進行搜索計算，得到了滿

4、意的Gamma與γ參數(shù)數(shù)據(jù)點[0.00293，12.785]，回歸結果的平均絕對誤差和預測均方差分別由2.3230和2.7943減少到1.7144和2.1317，同時三步搜索法還節(jié)省了參數(shù)選擇的運算量。 通過以上試驗表明：在對羊毛成分進行近紅外檢測時，一階微分比原始光譜和二階微分結果要好，S-G多項式平滑比移動式平滑和指數(shù)式平滑結果要好；馬氏距離法剔除異常光譜比杠桿算法剔除異常光譜要好；AKS算法對校正集的篩選可以使校正集更加具