[发明专利]棉、聚酯及氨纶混纺织物中氨纶含量的快速检测方法

说明书

本发明公开了一种棉、聚酯及氨纶混纺织物中氨纶含量的快速检测方法，该方法包括以下处理步骤：步骤1：通过化学溶解法测定校正集和预测集中各混纺织物的氨纶含量；步骤2：获得各混纺织物的近红外光谱数据，并且对校正集和预测集中各近红外光谱进行归一化预处理；步骤3：通过自组织神经网络模型的进行分子集；步骤4：分别将各子集根据步骤1中对应的氨纶含量通过偏最小二乘法，建立对应的子集预测模型；步骤5得出预测精度最高的子集预测模型；步骤6：通过子集对应的子集预测模型对该待测的混纺织物进行氨纶含量的检测。通过本发明可以有效提高检测精度和检测速度，保护环境与人员的健康。

技术领域

本发明涉及氨纶检测领域，尤其涉及一种棉、聚酯及氨纶混纺织物中氨纶含量的快速检测方法。

背景技术

自组织映射神经网络，即Self Organizing Maps(SOM)，可以对数据进行无监督学习聚类。它的思想本质上是一种只有输入层--隐藏层(映射层)的神经网络。隐藏层中的一个节点代表一个需要聚成的类。训练时采用“竞争学习”的方式，每个输入的样例在隐藏层中找到一个和它最匹配的节点，称为它的激活节点。紧接着用随机梯度下降法更新激活节点的参数，同时和激活节点临近的点也根据它们距离激活节点的远近而适当地更新参数。

棉、聚酯及氨纶混纺织物中氨纶成分的含量在我国有强制性技术法规和标准进行限定。这使得对棉、聚酯及氨纶混纺织物中氨纶成分的含量的检测量较大。目前，氨纶含量的定量分析以化学溶解法为主，这种方法费时费力，并且需要消耗大量化学试剂，从而会危害环境与人员健康。

另一种检测方法为近红外光谱法，其能够较准确地检测混纺织物纤维成分含量，但在棉、聚酯及氨纶混纺织物中氨纶含量一般较低，容易受到织物染料和结构等因素的影响，造成相对误差较大。因此，现阶段急需建立一种快速准确的棉、聚酯及氨纶混纺织物中氨纶含量检测方法来面对生产工作的需要。

发明内容

本发明的目的是，提供一种棉、聚酯及氨纶混纺织物中氨纶含量的快速检测方法，可以有效提高检测精度和检测速度，保护环境与人员的健康。

为实现目的，提供了一种棉、聚酯及氨纶混纺织物中氨纶含量的快速检测方法，该方法包括以下处理步骤：

步骤1：收集棉、聚酯及氨纶混纺织物随机分成校正集和预测集并且通过化学溶解法测定校正集和预测集中各混纺织物的氨纶含量；

步骤2：分别对校正集和预测集的各混纺织物进行近红外光谱扫描，获得各混纺织物的近红外光谱数据，并且对校正集和预测集的各近红外光谱进行归一化预处理；

步骤3：将预处理后的校正集的各近红外光谱作为输入向量，输入到自组织神经网络模型的输入层从而进行子集划分；

步骤4：分别将各子集根据步骤1中对应的氨纶含量通过偏最小二乘法，建立对应的子集预测模型；

步骤5：通过步骤1-步骤2中所得的预测集的各混纺织物的氨纶含量和对应的近红外光谱数据对建立的子集预测模型进行预测结果评价，从而得出预测精度最高的子集预测模型；

步骤6：将待测混纺织物通过步骤2-步骤3处理得到该待测混纺织物所对应的子集，然后通过该子集对应的精度最高的子集预测模型对该待测的混纺织物进行氨纶含量的检测。

优选地，在步骤2中，近红外光谱扫描采用的波段为900-1700nm。

优选地，在步骤3中，所述自组织神经网络模型的映射层数目设定为9。

优选地，所述自组织神经网络模型的网络工作过程包括以下步骤：

步骤31：初始化为用随机数设定输入层和映射层之间的权值的初始值；

步骤32：所述输入层与映射层各神经元之间进行欧式距离计算，其中映射层的第j个神经元和输入向量xi的距离计算如下：