基于近红外光谱和深度学习算法的羊毛混纺废旧纺织品定性分析

从废旧纺织品中回收羊毛纤维并重新制成羊毛纱线或其他羊毛纺织品是一种经济又环保的废旧纺织品回收方式。为了实现废旧纺织品中羊毛纤维开环或闭环的机械回收，需要使用分拣设备和分类算法对不同羊毛纤维含量的废旧纺织品进行自动分拣。为了完成自动分拣，使用近红外光谱仪对不同混纺比例的羊毛废旧纺织品进行扫描，获得对应废旧纺织品近红外光谱的数据集。对数据集进行预处理后，采用深度学习算法对数据进行建模，并对获得的模型进行测试，以验证其准确率和效率，结果证明该模型在废旧纺织品的近红外光谱数据集上有良好的准确率。     

废旧纺织品自动鉴别分拣设备的研发及设计

基于目前废旧纺织品回收行业存在的分拣效率低、分拣准确率低等问题，研发了一套废旧纺织品自动鉴别分拣设备。采用DA200在线近红外光谱仪与工业控制计算机(DT-5206-IH61MB)相结合的方式设计了废旧纺织品自动鉴别分拣设备。重点介绍了整套设备在结构组成、装备设计、软件算法部分及分拣效果等方面的关键技术。该设备不仅能持续、高效地分拣纺织品，还可以连续运行48 h以上，传送带速度为0.8 m/s，可分拣1 500～2 000件/h，经过验证其综合分拣准确率可以达到89%。废旧纺织品自动鉴别分拣设备的研发为纺织回收企业大大节约了劳动力成本，并提高了废旧纺织品的分拣效率，实现了高效、节能、安全的分拣。     

近红外技术在废旧纺织品分拣上的应用与思考

本文阐述了废旧纺织品回收再利用过程的技术瓶颈及近红外技术主要特点,并重点分析了近红外技术应用于废旧纺织品鉴别及成分预测上的原理及特点,同时,也指出了目前近红外应用于废旧纺织品鉴别及成分预测上所存在的问题及可行性展望。分析表明,近红外技术应用于废旧纺织品鉴别及成分预测是可行的,一方面可以解决制约废旧纺织品回收再利用的技术瓶颈——分拣的问题,另一方面又可以提高废旧纺织品回收再利用产品的质量。     

不同成分比例废旧涤纶/粘胶混纺织物近红外定性分析

为了找到更适合废旧纺织品分拣的方法,分别用在线近红外光谱仪和手持式近红外光谱仪对467个不同成分比例的废旧涤纶/粘胶混纺织物样本进行了实验。其中184个样本作为训练集用于建模,其余283个样本用来对模型进行验证。对在线近红外光谱仪采集的光谱进行了一阶求导、平滑处理和趋势校正处理,利用主成分分析（PCA）和软独立建模聚类分析算法（SIMCA）对废旧织物中的纤维进行分类识别,最终模型的外部验证准确率为100%,未知样本的识别率为98.37%;对手持式近红外光谱仪采集的光谱利用PCA和最小二乘法（OLS）建立待测组分的分段回归模型,并导入手持式光谱仪,废旧织物的识别率为97.88%。废旧涤纶/粘胶混纺织物样本随着粘胶纤维含量的增加,近红外光谱对样本的定性准确率降低,说明粘胶纤维含量与样本的定性准确率成反比。同时涤纶匹配度的平均值与各组分含量最大误差小于4.5%,该数据可用于辅助下一阶段定量分析的测定。     

基于近红外光谱技术的毛纤维及其产品快速无损检测

文章就近红外光谱技术在毛纺领域检测中的应用进行综述,包括毛纤维品质检测、毛纤维定性定量检测以及废旧毛纤维及其制品检测,其中毛纤维品质检测介绍了近红外光谱技术在毛纤维直径、光泽度、含水率、净绒率等多个指标检测中的应用,毛纤维定性定量检测介绍了近红外光谱技术在毛纤维定性鉴别和定量分析中的应用,废旧毛纤维及其制品的检测介绍了近红外光谱技术在古代纺织品成分检测、纺织品染料成分检测、废旧纺织品回收检测中的应用。最后分析了目前近红外光谱技术在检测中尚存在的问题以及近红外光谱技术在检测领域未来的研究展望。     

废旧纺织品循环经济的监督检验体系研究进展

废旧纺织品循环经济的监督检验体系的建立,有助于稳定废旧纺织品的再制造产品品质,规范市场秩序,提高大众可信度,具有重要意义。为此,在深入分析废旧纺织品法制体系现状的基础上,借鉴国外经验提出进一步完善体系的策略,对标准化体系进行补充;阐述了废旧纺织品的检验检测技术的最新研究成果,主要包括红外光谱技术在分拣过程的应用以及再生纤维的定性鉴别分析;介绍了基于校服、军服以及工服3类服装品类的行业自治。研究认为法制体系、标准化体系以及社会监督三者是有机整体,指出加速全民环保意识的提高是促进废旧纺织品循环经济发展,并实现远程云自动化生产的关键。     

废旧聚酯纤维制品近红外定量分析模型的建立及验证

为解决废旧纺织品回收利用中纯聚酯的分拣问题,以聚酯、棉、锦纶、羊毛、聚酯/ 棉混纺、聚酯/ 锦纶混纺、聚酯/ 羊毛混纺织物共计276 个样品为研究对象,利用近红外光谱仪获取样本的原始近红外光谱图,通过化学计量学软件CM-2000 对样本原始近红外光谱图进行预处理,并用偏最小二乘法作为校正方法建立废旧聚酯纤维制品近红外定量分析模型。所建模型的校正集相关系数为0.994,验证集相关系数为0.989,校正标准偏差为1.832,验证标准偏差为2.065,内部预测正确率为90.58%。用未参与建模的173 个样本（7 种织物）对模型进行外部验证,验证正确率为88.44%,而对纯聚酯样本的外部预测正确率可达96%。结果表明,该模型可以较准确地将纯聚酯织物从废旧纺织品中鉴别出来。     

废旧天然纤维纺织品回收利用现状及高值化利用策略

为了提高天然纤维废旧纺织品的回收利用率,减少环境污染和资源浪费;综述了天然纤维废旧纺织品的物理法、化学法、生物法和能量法等4种回收利用方法,阐述了各种方法的研究现状,并分析了其适合回收的纺织品类型和等级。研究认为:废旧纺织品材料组分复杂,再生产品结构与性能之间关系不明确、回收成本高、附加值低、接受程度差;指出未来应从废旧纺织品分拣识别技术、再生产品的构效关系、低成本回收技术、高值化策略和推广使用政策法规方面进行重点突破,以期推动天然纤维废旧纺织品的产业化步伐。     

浅谈织物结构对近红外光谱影响

本文对近红外光谱技术及其在纺织品检测领域的应用进行了简要介绍.通过对纺织品纤维成分的近红外光谱研究发现同一服用织物的织物正面和反面测得的近红外光谱存在差异,并进行了分析.     

基于红外特征光谱的熟制鸡肉鉴别技术研究

为了实现熟制鸡肉的快速鉴别,应用近红外光谱结合PLS分析对熟制鸡肉掺假现象进行了识别分析。该研究针对掺有不同含量卡拉胶、水的熟制鸡肉,采集了其近红外光谱。选择S-G导数+SNV的预处理方式,分别选择8个和9个主成分建立了最优PLS分析模型。研究结果表明,PLS模型具有较好的识别效果,其中掺有水的模型优于掺有卡拉胶的模型,两模型最高正确率分别高达98.4%和99.0%。由此可见,基于红外特征光谱的熟制鸡肉鉴别技术具有实用价值。     

可持续发展理念下废旧纺织品回收再利用方法比较分析

通过将可持续理念运用在纺织品行业,对废旧纺织品回收再利用的方法进行介绍、分析和对比,介绍了国内回收方式和分拣方式的发展现状,依据分拣后废旧纺织物的状态从传统物理回收利用法到新型化学及生物回收利用法的工艺过程、适用范围、优缺点等方面详细地研究分析,为纺织品可持续发展提供技术理论支持.     

近红外光谱技术在食用油种类鉴别及定量分析中的应用

用近红外光谱技术与聚类分析方法相结合,建立了一种可用于鉴别食用油种类的快速鉴定模型。实验根据30个食用油的近红外光谱,建立了芝麻油-大豆油-花生油-玉米油定性识别的模型,模型的识别率和预测率可达到100%。根据40个芝麻油样品的近红外光谱建立芝麻油的酸价预测模型,且模型指标较好。可见近红外光谱技术在食用油快速检测方面有较好的应用前景。     

基于红外光谱的葡萄酒关键质量属性快速分析评价研究进展

红外光谱技术作为一种快速无损、简便高效的鉴别技术被广泛他应用于葡萄酒的品质检测和定性鉴别中,与化学计量学方法结合可实现对复杂样品各理化成分的多组分检测及分类鉴别,实现对未知样本的定性或定量分析。文章对近红外、中红外光谱分析技术作了简要概述,系统综述了国内外有关红外光谱技术在葡萄酒的品种、产地、年份、陈酿方式及其他方面的分类识别与品质鉴别的研究进展,总结了目前葡萄酒品质分析所存在的问题,并展望了今后红外光谱技术在葡萄酒检测应用中的发展方向和研究重点。     

近红外光谱技术在肉类定性鉴别中的研究进展

近红外光谱技术作为新型的快速绿色检测技术,在肉类工业中得到了广泛的应用。本文综述了近红外光谱技术在肉类定性鉴别中的研究进展,主要包括在肉的等级鉴别、品种鉴别、物种鉴别以及产地溯源、饲喂方式中的鉴别研究。肉的等级一般人工分为RFN、PFN、PSE、RSE四类,近红外光谱对肉的等级鉴别正确率在80%以上;对于同一物种不同品种肉的研究主要是在猪肉、牛肉上,主要通过多元定量校正方法或判别分析法来鉴别同一物种不同品种、不同年龄阶段的肉,且鉴别正确率大于95%;在不同物种之间的鉴别主要应用于鉴别猪肉、羊肉、牛肉、鸡肉等不同物种以及掺假肉,鉴别正确率在90%以上;在产地溯源、不同饲喂方式之间的鉴别,能够正确鉴别牧草和浓缩料饲喂的羔羊、母羊和人工饲喂的羔羊、不同地区的牛肉以及羊肉的产地溯源等,鉴别正确率大于83%。综上所述,近红外光谱在肉类定性鉴别中可行。     

基于近红外光谱技术的咖啡掺假快速鉴别方法

本文研究了利用近红外光谱技术结合AdulterantScreen算法建立的咖啡快速鉴别方法。采用傅里叶变换近红外光谱仪采集咖啡样品光谱,建立标样(材料光谱)光谱数据库,采集掺假物光谱数据,建立掺假物光谱数据库,建立了咖啡分类模型及掺假物模型,运用Adulterant Screen算法技术对模型的主成分及掺假成分进行计算分析,建立了咖啡掺假快速鉴别模型。本咖啡快速鉴别方法对含量在2%、5%、10%、15%、20%、30%及40%巴西莓果粉和5%、10%、15%、20%、30%及40%大麦掺假咖啡可以实现有效的掺假鉴别,最低识别咖啡中巴西莓果粉及大麦掺假含量分别为2%及5%。利用近红外光谱技术结合Adulterant Screen算法建立咖啡快速鉴别模型可以鉴别咖啡中巴西莓果粉和大麦等掺假物,为咖啡样品掺假鉴别提供了一种快速、可靠、无损的检测方法,能有效的运用于咖啡样品掺假鉴别的日常检测工作中。     

木本油料产品掺假和品质评估的近红外光谱及成像检测研究进展

木本油料产品富含脂肪酸、植物甾醇、生育酚和角鲨烯等营养物质，深受消费者喜爱，其消费在我国已成为一种新趋势。近年来，不法商家为谋取利益致使木本油料产品掺杂掺假、以次充好现象普遍存在，因此迫切需要一种快速、高效和准确的无损检测技术用于木本油料产品鉴别与评估。近红外光谱和高光谱成像技术具有快速、高效和无损等优势，目前已引起食品与农产品品质安全检测领域国内外学者广泛研究，在未来无损检测应用中展现出巨大潜力。该文简述了近红外光谱和高光谱成像技术的基本原理以及相关光谱数据处理与分析方法，总结了目前油料产品掺假行为、品质评估的研究现状，并分析了当前油料产品检测方法的优劣，最后展望了近红外光谱及成像技术在木本油料产品检测中的发展趋势，以期为从事食品与农产品无损检测研究人员及相关监管部门提供参考和借鉴。     

近红外光谱法快速鉴别成安草莓

为实现对成安草莓的快速鉴别,本文采集了不同产地草莓样品的近红外吸收光谱,选择不同的光谱范围,经二阶导数、一阶导数+矢量归一化、最小-最大归一化等预处理,利用因子化法、合格性测试和主成分分析法(PCA)建立了成安草莓的鉴别模型,并取样对该模型进行验证。结果表明:三种模式识别方法对于其他产地草莓的识别正确率高于93.3%,因此认为,采用近红外光谱结合模式识别技术可快速、准确地鉴别成安草莓的真伪。     

基于SIMCA模型的纸浆种类近红外光谱鉴别

研究了近红外光谱分析与SIMCA模式识别技术相结合鉴别纸浆种类的方法。收集了桉木浆、麦草浆(漂白与未漂白)、棉浆、湿地松浆等4种纸浆共90个样品,抄成不同定量纸样并采集其近红外光谱,其中部分桉木浆添加化学助剂。选择60个样品作为训练集建立SIMCA类模型,剩余30个样品用于模型检验。研究结果表明,建立的模型能完全正确识别各类纸浆,且不受抄纸定量和添加化学助剂因素的影响,为快速无损鉴别纸浆种类提供了一种准确可靠的方法。     

近红外光谱技术在葡萄酒行业中的研究进展

近红外光谱技术以其即时在线监测的特点而在多个领域广泛应用，近年来在葡萄酒酿造定性和定量方面的研究已渗透到各个工艺细节的控制中。本文对近红外光谱分析技术作了简单介绍，系统阐述了国内外近红外光谱技术在酿酒葡萄、葡萄酒发酵过程、成品葡萄酒质量鉴别等方面的研究进展，总结了目前葡萄酒品质分析的主要问题及发展方向。     

近红外光谱技术在食用油快速检测领域中的研究进展

近红外光谱作为一种无损、快速的新型检测技术,在食品品质检测方面的研究已相当广泛。就近红外光谱技术在食用油种类鉴别、掺伪掺假鉴别、理化指标定量分析及产地溯源等方面的应用进行了综述。探讨了近红外光谱技术在食用油快速检测领域中的应用优势及发展前景。