劉軍紅，蔡宗群，李軍法

（泉州出入境檢驗(yàn)檢疫局，福建 泉州 362000）

0 引言

在紡織服裝領(lǐng)域羊毛與羊絨的成分鑒別及其含量檢測(cè)一直都是研究的難點(diǎn)，其原因在于羊毛與羊絨同屬于天然蛋白質(zhì)纖維，兩者的化學(xué)組成、組織結(jié)構(gòu)和理化性質(zhì)非常相近。而羊絨纖維具有光澤好、細(xì)度均勻、滑糯柔軟、富有彈性等優(yōu)良特性，是一種稀有的動(dòng)物纖維，產(chǎn)量少、價(jià)格貴，素有“軟黃金”的美稱；羊毛盡管和羊絨具有相近的化學(xué)成分，但在組織結(jié)構(gòu)上，尤其在纖維特性和經(jīng)濟(jì)價(jià)值上遠(yuǎn)不如羊絨［1-3］。我國(guó)雖然是生產(chǎn)羊毛羊絨的大國(guó)，但是因?yàn)檠蛎蚪q的國(guó)家標(biāo)準(zhǔn)還不夠完善，使得我國(guó)的羊毛羊絨產(chǎn)品經(jīng)常在國(guó)際貿(mào)易中陷于被動(dòng)。因此如何準(zhǔn)確鑒別羊毛與羊絨，以及如何準(zhǔn)確確定紡織品中羊毛、羊絨的含量就顯得極為重要。這既是保證產(chǎn)品質(zhì)量，維護(hù)消費(fèi)者權(quán)益，提高我國(guó)毛紡織品國(guó)際貿(mào)易地位的需要，也是擺在出入境檢測(cè)機(jī)構(gòu)面前的一大課題。

紅外測(cè)試技術(shù)是1800年由物理學(xué)家W.Herschel發(fā)現(xiàn)紅外輻射以后逐漸建立和發(fā)展起來(lái)的［4］，是一種依據(jù)某一物質(zhì)成分對(duì)電磁波的吸收特性而進(jìn)行的定性、定量的分析技術(shù)，是20世紀(jì)90年代以來(lái)發(fā)展最快、最引人注目的光譜分析技術(shù)。化學(xué)計(jì)量學(xué)可視為數(shù)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)與化學(xué)化工的“接口”，支持向量機(jī)（Support Vector Machine，SVM）是20世紀(jì)90年代Vapnik基于統(tǒng)計(jì)學(xué)習(xí)理論提出的一種新的機(jī)器學(xué)習(xí)方法［5-7］。它以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)，采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則和VC維理論，根據(jù)有限數(shù)據(jù)信息在模型的復(fù)雜度和學(xué)習(xí)能力之間尋找最佳折衷，從而獲得最好的推廣能力；能較好地解決小樣本、非線性、高維數(shù)和局部極小點(diǎn)等實(shí)際問(wèn)題［8-10］。

本研究將基于支持向量的集成算法與近紅外光譜結(jié)合，以研究羊毛、羊絨的定性和定量分析。通過(guò)選取不同的羊毛、羊絨標(biāo)準(zhǔn)樣品，測(cè)量其紅外光譜圖，經(jīng)數(shù)據(jù)預(yù)處理后使用基于支持向量機(jī)的集成算法建立分析模型，對(duì)羊毛、羊絨進(jìn)行定性分析。選取不同含量的羊毛、羊絨標(biāo)準(zhǔn)混合樣品，通過(guò)測(cè)量其紅外光譜圖，經(jīng)數(shù)據(jù)預(yù)處理后使用基于支持向量機(jī)的集成算法建立分析模型，對(duì)羊毛、羊絨進(jìn)行定量分析。該方法與目前常用的羊毛、羊絨測(cè)定方法相比，具有無(wú)需化學(xué)試劑、樣品無(wú)需預(yù)處理、制樣簡(jiǎn)單、檢測(cè)速度快，準(zhǔn)確性高等特點(diǎn)，可為開(kāi)發(fā)一種可靠、高效、無(wú)損的羊毛羊絨檢測(cè)手段奠定基礎(chǔ)。

1 試驗(yàn)部分

1.1 材料和儀器

定性分析樣品：不同產(chǎn)地的羊絨30份，羊毛纖維30份（內(nèi)蒙古自治區(qū)鄂爾多斯，遼寧丹東，吉林白山，山東臨沂，河北滄州等產(chǎn)地）。定量分析樣品：將收集到的羊絨與羊毛纖維按質(zhì)量分?jǐn)?shù)稱重，羊絨質(zhì)量分?jǐn)?shù)從0%到100%，間隔2%，共51份樣品，每份樣品均重0.4g，精確到0.000 1g。

儀器設(shè)備：Antaris II近紅外光譜儀（美國(guó)賽默飛世爾公司）；積分球檢測(cè)器。

1.2 實(shí)驗(yàn)方法

將樣品置于樣品池中，采用反射模式采集樣品光譜。光譜采集條件為波數(shù)范圍12 000～4 000cm-1，對(duì)每份樣品進(jìn)行32次掃描，所有樣品均重復(fù)采集4次光譜。由于羊絨與羊毛的物質(zhì)組成和化學(xué)結(jié)構(gòu)幾乎相同，其內(nèi)部的化學(xué)基團(tuán)對(duì)近紅外光的吸光度相近，在同一譜圖上表現(xiàn)為譜形相似，吸收峰值一致，而且近紅外光譜區(qū)域的峰較寬，峰與峰常常重疊；因此直接通過(guò)譜圖很難鑒別羊絨與羊毛，需要對(duì)原始光譜進(jìn)行合理的處理，減弱甚至消除各種非目標(biāo)因素對(duì)光譜信息的影響，為穩(wěn)定、可靠的校正模型的建立奠定基礎(chǔ)。對(duì)光譜求導(dǎo)可以消除基線平移，強(qiáng)化譜帶特征，克服譜帶重疊，是常用的光譜預(yù)處理方法。本研究采用對(duì)原始譜圖求取二階導(dǎo)數(shù)的方法，以去除與波長(zhǎng)線性相關(guān)的漂移，強(qiáng)化光譜信號(hào)。

2 結(jié)果與討論

2.1 定性分析模型

在使用支持向量機(jī)進(jìn)行分類時(shí)，對(duì)訓(xùn)練結(jié)果影響最大的參數(shù)組是（C，σ），過(guò)大或過(guò)小都會(huì)使誤差增大。C是懲罰因子，它控制對(duì)錯(cuò)分樣本的懲罰程度，C越大表示對(duì)錯(cuò)誤的懲罰越大，σ是核函數(shù)的寬度。最初將C和σ分別在C=2-1，20，21，22，23，…，210，σ=2-1，20，21，22，23，…，210之間調(diào)整，對(duì)所有（C，σ）組，支持向量機(jī)使用訓(xùn)練集訓(xùn)練之后，都要經(jīng)預(yù)測(cè)集預(yù)測(cè)一下精度。經(jīng)過(guò)這樣一個(gè)循環(huán)，就可得到最佳的參數(shù)區(qū)間組（C1，σ）；然后在（C1，σ）附近調(diào)整（C，σ），再尋找最佳的參數(shù)區(qū)間組（C2，σ）；然后在（C2，σ）附近調(diào)整（C，σ），經(jīng)過(guò)這樣幾個(gè)循環(huán)可得到C和σ的最佳值。隨機(jī)選取24個(gè)羊毛和24個(gè)羊絨樣品作為訓(xùn)練集，其余的樣品作為預(yù)測(cè)集，對(duì)羊毛羊絨進(jìn)行分類，在支持向量機(jī)的目標(biāo)輸出中，“1”表示羊毛，“-1”表示羊絨。經(jīng)過(guò)調(diào)試，C為10，σ為2時(shí)，預(yù)測(cè)效果最好。預(yù)測(cè)結(jié)果如表1所示，預(yù)測(cè)結(jié)果全部正確。

表1 定性模型預(yù)測(cè)結(jié)果

2.2 定量分析模型

在使用支持向量機(jī)回歸時(shí)，對(duì)訓(xùn)練結(jié)果影響很大的參數(shù)組是（σ，C），過(guò)大或者過(guò)小都會(huì)使誤差增大。ε是不敏感損失函數(shù)，太小易產(chǎn)生過(guò)擬合現(xiàn)象，太大易產(chǎn)生欠擬合。C是懲罰因子，它控制對(duì)錯(cuò)分樣本的懲罰程度，C越大表示對(duì)錯(cuò)誤的懲罰越大，σ是核函數(shù)的寬度。根據(jù)經(jīng)驗(yàn)將σ，C分別在0.1-512之間調(diào)整，以尋找最佳的參數(shù)組（σ，C），使得回歸有最好的預(yù)測(cè)能力。選用41個(gè)混合樣品為訓(xùn)練集，其余10個(gè)樣品為預(yù)測(cè)集，經(jīng)過(guò)調(diào)試ε為0.01，C為274，σ為3時(shí)其預(yù)測(cè)效果最好。預(yù)測(cè)結(jié)果如表2所示。

表2 定量模型預(yù)測(cè)結(jié)果

由表2可見(jiàn)，對(duì)大部分樣品預(yù)測(cè)模型具有較好的預(yù)測(cè)結(jié)果，對(duì)個(gè)別樣品的預(yù)測(cè)值和真實(shí)值的結(jié)果偏差較大，這可能與樣品的混勻程度有關(guān)。

3 結(jié)論

以不同產(chǎn)地的羊絨與羊毛纖維為研究對(duì)象，采用近紅外光譜技術(shù)并結(jié)合支持向量機(jī)所建立的羊毛、羊絨定性和定量分析模型，被用于對(duì)未知樣品進(jìn)行預(yù)測(cè)?？傻贸龅慕Y(jié)論是，定性分析模型能夠準(zhǔn)確地鑒別出羊絨與羊毛纖維，定量分析模型具有較好的預(yù)測(cè)結(jié)果；驗(yàn)證了近紅外光譜技術(shù)用于羊絨、羊毛定性及定量分析的可行性，為開(kāi)發(fā)一種可靠、高效、無(wú)損的羊絨、羊毛檢測(cè)手段奠定了基礎(chǔ)。

本研究中建立的數(shù)學(xué)模型還具有一定的局限性，如果要將近紅外光譜技術(shù)真正應(yīng)用到實(shí)際檢測(cè)工作中，還需要進(jìn)一步考慮的方面是：收集更多不同產(chǎn)地、不同種類的羊絨和羊毛樣品，不斷充實(shí)數(shù)據(jù)庫(kù)，完善定性分析模型；增加羊絨和羊毛混合比數(shù)量，擴(kuò)充定量分析模型的樣品量；設(shè)計(jì)更為有效的混紡工具，盡量減少因纖維混合不均勻?qū)δＰ皖A(yù)測(cè)產(chǎn)生的影響，盡可能減少實(shí)驗(yàn)誤差。

［1］ 李維紅，席 斌，郭天芬，等.綿羊毛與山羊絨的鑒別［J］.湖北農(nóng)業(yè)科學(xué)，2011，50（3）：544-545.

［2］ 彭偉良，蔣耀興，袁長(zhǎng)泰.山羊絨和細(xì)綿羊毛纖維的形態(tài)特征分析［J］.上海紡織科技，2005，33（11）：11-12.

［3］ 王柏華，胡志宇，葛順順，等.基于光鏡條件下綿羊毛與山羊絨的鑒別［J］.毛紡科技，2011，39（4）：42-45.

［4］ 王學(xué)琳，孫淑萍，鐵 梅.傅立葉變換近紅外光譜進(jìn)展［J］.現(xiàn)代儀器，1999，（6）：1-3，7.

［5］ Luinge H J，Van der Maas J H，Visser T.Partial least squares regression as a multivariate tool for the interpretation of infrared spectra［J］.Chemometrics and Intelligent Laboratory Systems，1995，28（1）：129-138.

［6］ Belousov A I，Verzakov S A，Von Frese J.A flexible classification approach with optimal generalisation performance：support vector machines［J］.Chemometrics and Intelligent Laboratory Systems，2002，64（1）：15-25.

［7］ Vapnik V N.統(tǒng)計(jì)學(xué)習(xí)理論［M］.許建華，張學(xué)工，譯.北京：電子工業(yè)出版社，2004.

［8］ Li S T，Kwok J T，Zhu H L，etal.Texture classification using the support vector machines［J］.Pattern Recognition，2003，36（12）：2 883-2 893.

［9］ 陳念貽，陸文聰，武海順，等.支持向量機(jī)算法在氮化鋁薄膜生長(zhǎng)過(guò)程控制中的應(yīng)用［J］.計(jì)算機(jī)與應(yīng)用化學(xué)，2002，19（6）：726-728.

［10］Burbidge R，Trotter M，Buxton B，etal.Drug design by machine learning：support vector machines for pharmaceutical data analysis［J］.Computers and Chemistry，2001，26（1）：5-14.