红外光谱定量分析涤棉混纺比

测试了涤纶纤维、棉纤维和不同比例涤棉混合物的红外光谱图,探讨了红外光谱定量分析涤棉混纺比的方法。研究表明,2900 cm-1、1717 cm-1、721 cm-1特征吸收峰面积与涤棉混合物中涤纶含量的线性关系不明显;以上述三个特征吸收峰面积为参量,构建了6个特征值,其中4个特征值与涤棉混合物中涤纶含量的线性相关性较好。进一步的验证实验表明,第6个特征值与涤纶含量的线性相关性最好,利用该特征值与涤纶含量的线性方程可确定涤棉混合物中涤纶的含量。     

二组分纤维混纺比抽样方法

本文阐述了ＧＢ２９１０－８２《二组分纤维混纺比试验方法》１．６抽样规定，与改进后的抽样方法相比有不妥之处，应予以改进。     

数字图像处理技术结合偏最小二乘法定量分析柑橘质量

目的：构建柑橘质量模型,实现其计算机视觉法质量检测与在线分级。方法：以湖南湘中成熟中期涟红温州蜜柑为研究对象,对计算机视觉系统采集的各柑橘的4 幅图像进行图像裁切、图像去背景、图像二值化与取反操作后,提取柑橘区域像素,以柑橘区域像素与图像像素比为自变量,建立柑橘质量偏最小二乘回归(PLS)预测模型。结果：柑橘质量预测绝对误差为－ 14.9092～4.9981g,平均误差为－ 3.9278g,误差标准差4.5210g,± 10g 质量内的正确识别率为93.3333%,± 8g 质量内正确识别率76.6667%。结论：通过计算机视觉技术进行柑橘质量在线分级和生长期中挂果质量的监测是可行的。     

二组分纤维混纺比试验方法探讨

我厂生产两种混纺纤维品种,T/C 65/35 13tex 以及 V/C 50/50 28tex 和 V/C 50/5018tex。经较长时间实践,认为按 GB2910—82《二组分纤维混纺产品定量化学分析方法》每周试验一次,易产生误差,而且速度慢。为此,我们对 GB2910—82进行了分析试验和探讨。国家标准的棉与涤纶(维纶与棉)纤维混纺产品含量分析操作方法不足之处在于:1 冲洗时间长,试验速度慢,工作量大。2 纤维从烧瓶到滤埚反复操作二十多次,纤维易失落。3 每次冲洗都要用玻璃棒不断搅拌,纤维易损失。     

基于偏最小二乘法的磷脂红外快速检测

本试验介绍一种采用傅里叶变换红外光谱仪(FTIR)结合偏最小二乘法快速检测植物油中磷脂含量的方法.采集了400 ～4 000 cm-1波数范围内的磷脂红外光谱,并采用偏最小二乘法(PLS)对磷脂含量在200～ 20 000 mg/kg的植物油样品建立定量分析模型.结果表明,采用SNV的预处理方法,在970～1 320 cm-1波数范围内建立的定量分析模型,其相关系数(R2)达到0.997 9,校正均方差(RMSEC)和预测均方差(RMSEP)分别为316,386.同传统的钼蓝比色法相比,FTIR/PLS法测得的磷脂含量的相对标准偏差为1.42％～3.52％,平均相对偏差为2.36％,均优于钼蓝比色法的结果,两者平均相对误差为0.75％,说明FTIR/PLS法具有良好的精密度和准确度,能够实现植物油中磷脂的快速检测,并有简单、高效的优点.     

基于红外光谱的涤/棉混纺比定量分析

为了进行红外光谱定量分析纤维含量的研究,测试了涤纶、棉和不同比例涤/棉混合物的红外光谱图,探讨了红外光谱定量分析涤/棉混纺比的方法。研究表明,2 900、1 717、721 cm-1特征吸收峰面积与涤/棉混合物中涤纶含量的线性关系不明显。以上述3个特征吸收峰面积为参量,构建了6个特征值,其中4个特征值与涤/棉混合物中涤纶含量的线性相关性较好。验证实验表明,第6个特征值与涤纶含量的线性相关性最好,利用该特征值与涤纶含量的线性方程可确定涤/棉混合物中涤纶的含量。     

短波近红外光谱-偏最小二乘法在白酒分析中的应用

应用短波近红外光谱结合偏最小二乘法(NIRS-PLS)建立白酒中乙醇含量定量分析数学模型,通过选取最佳波长范围和最适主因子数对模型进行优化。应用所建模型对预测集和实际白酒样品中乙醇含量进行预测,取得了令人满意的结果。该方法方便快捷、无污染、可在线检测,且重现性、稳定性均良好,可作为白酒原位质量检测和在线质量监控的方法予以推广。     

红外吸收光谱法测定纤维混纺比 (二)纤维素纤维混纺比的测定

一、绪言本文介绍用红外吸收光谱法对棉或人造丝等纤维素纤维混纺比的测定。试验样品为日本目前生产较多的棉/涤纶、人造丝/涤纶、棉/腈纶、棉/维尼纶、棉/聚丙烯纤维、棉/尼龙6和人造丝/尼龙6等。     

EXCEL在二组分纤维混纺产品定量分析中的应用

介绍了将EXCEL用于二组分纤维混纺产品定量分析计算的过程,在建立的EXCEL表格中选择相应的纤维类别和溶解方法,输入标准方法规定的d值和纤维溶解前后的质量,便可自动结合公定回潮率完成含量计算。经     

二组分纤维混纺产品定量分析不确定度评定

依据测量不确定度评定与表示方法，对本实验室按照GB／T 2910—1997纺织品二组分纤维混纺产品定量化学分析方法的测量结果进行涤棉混纺产品的测量不确定度评估，分析得出影响实验室纺织品组分定量分析的影响因素主要与操作过程的重复性不确定度有关。     

二组分混纺纤维产品定量分析计算软件的研究

纤维成分分析是纺织品检测中重要检测项目之一,该检测中两组分纤维定量分析结果计算过程复杂繁琐,使用计算器计算需要大量的时间且无法保证准确性,本文针对上述问题利用VB6.0应用软件开发出了二组分纤维混纺产品定量分析的计算软件。经测试表明,所设计的软件可操作性强、计算结果符合修约标准规定,且计算用时比计算器法大为缩减。     

长波近红外光谱-偏最小二乘法快速分析白酒中乙醇含量

研究近红外光谱结合偏最小二乘法(NIRS-PLS)快速测定白酒中的乙醇含量的可行性,应用NIRS-PLS所建的模型相关系数达到0.99991,校正均方根误差(RMSEC)为0.00181,通过交互验证得出交互验证均方根误差(RMSECV)为0.00296,预测参差平方和(PRESS)为0.00016.用模型对预测集和白酒样品进行预测,预测均方根误差(RMSEP)为0.00258,结果表明NIRS-PLS可用于白酒生产中的在线质量监控和白酒市场的快速质量检测.     

硫酸法在一些特定三组分纤维混纺产品定量分析中的应用

对于三组分纤维素纤维/涤纶/氨、锦纶/涤纶/氨纶、纤维素纤维/锦纶/涤纶的定量分析,按照标准操作,应采用GB/T2911—1997《纺织品三组分纤维混纺产品定量化学分析方法》中的方案四进行逐步溶解分析,至少需要三天时间。如果我们面对的是仲裁或监督检验,采用上面的方法是十分必要的,而如果我们面对的是委托检验,能否结合75%(质量分数)硫酸法(见表1注①),采用GB/T2911—1997中的方案二进行分析?这样可以大大缩短分析时间,更快地为委托方提供准确可靠的检验报告。对于这个问题我们做了大量的实验,结果表明对以上三个特殊的三组分,结合75%(质量…     

近红外光谱结合偏最小二乘法用于纯茶油中掺杂菜籽油和大豆油的定量分析

采用偏最小二乘法（PLS）建立了油茶籽油中掺杂菜籽油和大豆油的近红外光谱定量检测模型。配制不同比例（0～100%）的油茶籽油和菜籽油、油茶籽油和大豆油混合样品共256个,采集样品在10000～4000cm-1范围内的近红外透反射光谱,模型采用交互验证和外部检验来考察所建立模型的可靠性,不需进行任何光谱预处理,所建立的PLS模型相关系数为0.9997,训练集的交叉验证均方根误差（RMSECV）为0.504,预测集的预测均方根误差（RMSEP）为0.66。应用建立的模型对未知样品进行预测,并对预测值和真实值进行比较,在掺杂油含量为2.5%～100%之间范围内准确可靠,研究结果表明,采用近红外光谱技术可以实现纯茶油中菜籽油和大豆油掺杂量检测。      

近红外光谱结合偏最小二乘法用于纯茶油中掺杂菜籽油和大豆油的定量分析

采用偏最小二乘法(PLS)建立了油茶籽油中掺杂菜籽油和大豆油的近红外光谱定量检测模型。配制不同比例(0～100%)的油茶籽油和菜籽油、油茶籽油和大豆油混合样品共256个,采集样品在10000～4000cm-1范围内的近红外透反射光谱,模型采用交互验证和外部检验来考察所建立模型的可靠性,不需进行任何光谱预处理,所建立的PLS模型相关系数为0.9997,训练集的交叉验证均方根误差(RMSECV)为0.504,预测集的预测均方根误差(RMSEP)为0.66。应用建立的模型对未知样品进行预测,并对预测值和真实值进行比较,在掺杂油含量为2.5%～100%之间范围内准确可靠,研究结果表明,采用近红外光谱技术可以实现纯茶油中菜籽油和大豆油掺杂量检测。     

近红外光谱技术结合偏最小二乘法检测大曲糖化力

糖化力是大曲的一个重要理化指标,传统检测方法过程繁琐,检测效率低,不能进行大批量样品检测。采用近红外光谱结合偏最小二乘法建立的大曲糖化力的预测模型,具有检测高效、样品预处理简单等优点。该模型的扫描波段数为5000~10000 cm-1,建模集的回归系数r为0.9613,验证集的回归系数r为0.9528;建模集标准偏差(SEC)与验证集标准偏差(SEP)的比值为0.9967。随机选取50组样品验证模型的预测准确性,相对于传统检测方法,该方法的平均相对误差为5.27%,与传统检测方法不存在显著性差异,可用于大曲糖化力的预测。     

移动窗口偏最小二乘法优选猪油丙二醛近红外光谱波段

移动窗口偏最小二乘法(moving window PLS,MWPLS)是1种波长区间优选方法,主要用于选择与待测组分相关的高信息量的光谱区间。将该方法应用于猪油中丙二醛(malondialdehyde,MDA)含量的近红外定量分析模型的构建中,优选波长区间。通过改变MWPLS的窗口宽度,原始光谱以及经S-G卷积求导(一阶和二阶)预处理的近红外光谱,优选出多个与猪油中丙二醛含量相关的区域。评价及验证结果显示,原始光谱不经校正处理,移动窗口宽度为160个波长点时,优选到的光谱区域(7 305.4 cm-1~6 078.8 cm-1)所构建的定量分析模型最佳,其主因子数(Rank)、决定系数(R2)、交互验证的校正标准偏差(RMSECV)、预测标准偏差[RMSEP(mg/100g)]、Bias和交互检验相对标准偏差(RPD)分别为5,0.9944,0.0596%,0.0545,-0.0181和14.4。这说明用MWPLS可以筛选猪油中丙二醛的近红外光谱信息区间,提高定量分析模型的预测能力,并降低数据的处理量(数据点由1 154个减少为162个)。     

利用近红外光谱和偏最小二乘回归法预测脂肪酸组成

采集了30种植物油样品在10000~55 00 cm-1范围内的近红外透射光谱,将所有样品作为校正集,随机抽取10种样品作为预测集,以气相色谱方法测得植物油中主要成分油酸、亚油酸、棕榈酸、硬脂酸的含量为参考值,应用偏最小二乘回归法建立了基于近红外光谱的测定植物油主要成分含量的校正模型。四种成分校正模型的交叉验证误差均方根为0.281 1%~1.496 4%,预测误差均方根为1.080 8%~18.063 0%,校正集的预测值与实测值的相关系数均大于0.99,预测集中除了棕榈酸的预测值与实测值的相关系数为0.817 9,其余均大于0.9。