[发明专利]非破坏性废旧服装纺织品快速鉴别分拣方法

摘要

本发明提供一种非破坏性废旧服装纺织品快速鉴别分拣方法，先采用常规化学分析方法对废旧纺织服装进行纤维成分鉴别，确定废旧服装中的纤维种类及其含量，结合服装面料的染色和后整理工艺，利用化学计量学软件建立涵盖废旧服装成分、织造种类、颜色及染整工艺的鉴别模型，结合工业自动化技术，实现废旧服装的快速、无损工位分拣或输送带在线分拣。本发明提供一种鉴别准确、高效快速、对纺织品无损的鉴别和分拣的方法，为废旧服装高效、高附加值应用奠定基础。

主权项

1.一种非破坏性废旧服装纺织品快速鉴别分拣方法，其特征在于，包括以下步骤：1)大量采集纯棉、纯毛、纯腈纶和纯涤纶废旧服装纺织品样品，按照行业标准规定的化学检测方法对各纺织品样品的成分进行检测；同时，对各纺织品样品进行近红外光谱数据信息采集；2)将步骤1)中采集的所有纺织品样品的近红外光谱数据信息与纺织品样品的真实成分一一对应建立样品集，按比例分为校正集和验证集，使用不同光谱预处理方法对采集的光谱数据信息进行预处理后，利用校正集的光谱数据信息和纺织品样品的真实成分，建立废旧服装纺织品种类的鉴别模型；利用验证集的光谱数据信息、纺织品样品的真实成分和模型参数评价鉴别模型的精准度；3)采集待测纺织品样品的近红外光谱数据信息，利用步骤2)中建立的鉴别模型，对待测纺织品样品所属的种类进行鉴别，并结合半自动化工位式分拣系统或自动化在线式连续分拣系统实现废旧服装的在线分拣；具体步骤如方案I或方案II所示：方案I：S1、采集废旧纯棉、纯毛、纯腈纶、纯涤纶各类衣物至少100件，每件纺织品剪裁出一定尺寸的方形样品用于化学分析，剩余样品待测；S2、将剪裁出的所有样品编号，进行常规的化学分析，得到其真实的组分；挑选出纯棉、纯毛、纯腈纶、纯涤纶样品数量至少50个；S3、将所有已经确定组分样品的裁剪后剩余部分进行对应编号，使用在线式近红外光谱仪扫描这些样品，得到相应的近红外光谱数据信息；扫描的波长范围960nm‑1650nm，光谱采集速度为100次全光谱/秒，光斑面积＞100cm2；S4、将扫描后的所有4大类别纺织品样品分别分为两个部分，即校正集和验证集；校正集和验证集的比例为9:1；S5、将得到的样品光谱，与纺织品样品的组分相对应，首先对光谱进行处理，采用S‑G求导法、光谱的一阶导数对NIR光谱基线校正和光谱分辨预处理，并用标准正太变量变换SNV消除表面散射以及光程变化对NIR漫反射光谱的影响；S6、纯棉样品校正集光谱经预处理后采用主成分分析PCA方法，通过交叉验证，其中PCs Num为5，全波段建立纯棉纺织品的鉴别模型；其原始光谱主要分为两类，吸收度逐渐升高的近红外吸收光谱处理后建立的模型为pure C‑1；吸收度呈近似于线性下降的近红外吸收光谱处理后建立的模型为pure C‑2；将两个模型的检测结果最终归为纯棉样本；S7、纯涤纶样品校正集光谱经预处理后采用主成分分析PCA方法，通过交叉验证，其中PCs Num为5，全波段建立纯涤纶纺织品的鉴别模型；其原始光谱主要分为两类，吸收度逐渐升高的近红外吸收光谱处理后建立的模型为pure P‑1；吸收度呈近似于线性下降的近红外吸收光谱处理后建立的模型为pure P‑2；将两个模型的检测结果最终归为纯涤纶样本；S8、纯毛样品校正集光谱经预处理后采用主成分分析PCA方法，通过交叉验证，其中PCs Num为5，建立纯毛纺织品的鉴别模型；波段为1350‑1650nm，模型为pure W；S9、纯腈纶样品校正集光谱经预处理后采用主成分分析PCA方法，通过交叉验证，其中PCs Num为5，全波段建立纯腈纶纺织品的鉴别模型，模型为pure A；S10、建模完成后用部分验证集光谱进行验证；S11、模型经验证后，将模型载入到近红外分析仪中的系统程序内，扫描未知纺织品样品，样品经过输送带式在线式近红外分析仪快速检测，并通过鉴别模型进行识别，触发相应信号，提示所属纺织品类别，如果检测结果不符合上述模型的任一个，则归类为其他服装；检测归类后纺织品借助外力自动将样本送至相应位置；方案II：S1′、采集废旧纯棉、纯毛、纯腈纶、纯涤纶各类衣物至少100件，每件纺织品剪裁出一定尺寸的方形样品用于化学分析，剩余样品待测；S2′、将剪裁出的所有样品编号，进行常规的化学分析，得到其真实的组分；挑选出纯棉、纯毛、纯腈纶、纯涤纶样品数量至少50个；S3′、将所有已经确定组分样品的裁剪后剩余部分进行对应编号，使用在线式近红外光谱仪扫描这些样品，得到相应的近红外光谱数据信息；扫描的波长范围960nm‑1650nm，光谱采集速度为100次全光谱/秒，光斑面积＞100cm2；S4′、将扫描后的所有4大类别纺织品样品分别分为两个部分，即校正集和验证集；校正集和验证集的比例为7:1；S5′、将得到的样品光谱，与纺织品样品的组分相对应，首先对光谱进行处理，采用S‑G求导法、光谱的一阶导数对NIR光谱基线校正和光谱分辨预处理，并用标准正太变量变换SNV消除表面散射以及光程变化对NIR漫反射光谱的影响；S6′、纯棉样品校正集光谱经预处理后采用主成分分析PCA方法，通过交叉验证，其中PCs Num为8，全波段建立纯棉纺织品的鉴别模型；其原始光谱主要分为两类，吸收度逐渐升高的近红外吸收光谱处理后建立的模型为pure C‑13；吸收度呈近似于线性下降的近红外吸收光谱处理后建立的模型为pure C‑23；将两个模型的检测结果最终归为纯棉样本；S7′、纯涤纶样品校正集光谱经预处理后采用主成分分析PCA方法，通过交叉验证，其中PCs Num为8，全波段建立纯涤纶纺织品的鉴别模型；其原始光谱主要分为两类，吸收度逐渐升高的近红外吸收光谱处理后建立的模型为pure P‑13；吸收度呈近似于线性下降的近红外吸收光谱处理后建立的模型为pure P‑23；将两个模型的检测结果最终归为纯涤纶样本；S8′、纯毛样品校正集光谱经预处理后采用主成分分析PCA方法，通过交叉验证，其中PCs Num为8，建立纯毛纺织品的鉴别模型；波段为1300‑1650nm，模型为pure W3；S9′、纯腈纶样品校正集光谱经预处理后采用主成分分析PCA方法，通过交叉验证，其中PCs Num为8，建立纯腈纶纺织品的鉴别模型；波段为1300‑1650nm，模型为pure A3；S10′、建模完成后用部分验证集光谱进行验证；S11′、模型经验证后，将模型载入到近红外分析仪中的系统程序内，扫描未知纺织品样品，样品经过输送带式在线式近红外分析仪快速检测，时间为0.5‑2秒，并通过鉴别模型进行识别，触发相应信号，提示所属纺织品类别，如果检测结果不符合上述模型的任一个，则归类为其他服装；检测归类后纺织品借助外力自动将样本送至相应位置。