论文部分内容阅读
本文利用近红外(Near-infrared,NIR)光谱技术对354个废旧涤/棉混纺织物进行研究,通过偏最小二乘法和定性鉴别系数建立了不同光谱特征的涤/棉混纺织物NIR定性分析模型。染色涤/棉混纺织物NIR光谱主要有两大类,一类具有正常涤/棉光谱特征,另一类光谱由于样本中染料、颜料和消光剂等化学助剂的影响,使光谱谱线成斜线,失去其光谱特征。如以全部样本建模,模型识别率较低。故将样本分为两类:斜线光谱样本和正常光谱样本,分别建立NIR定性分析模型。结果表明,样本分别建模后,模型的识别率大大提高,用验证集样本进行内部验证,正常光谱和斜线光谱所建模型的识别率均达99%。对150个界外样本进行外部预测检验时,先利用正常光谱样本模型进行检测,正常光谱样本模型无法识别的斜线样本利用斜线光谱样本模型检测,其识别率达95.3%,表明所建NIR定性分析模型能够较好地在回收现场进行涤/棉混纺织物的鉴别。由于样本组织结构、颜色等因素的影响,直接对255个涤/棉混纺织物样本(涤含量范围为0～100%)建立NIR定量分析模型,模型预测准确率较低。因此,本文将样本集按涤含量分为0～30%、30%～60%、60%～80%和80%～100%四部分,对每部分分段建立NIR定量分析模型。并利用验证集样本对定量校正模型进行验证:当预测结果和国标法结果的绝对误差在(-3%,3%)区间,认为样品预测准确,反之,预测错误。结果显示:涤含量为0～30%、30%～60%、60%～80%的三段模型其验证样本预测准确率均达100%,80%～100%段模型其验证样本预测准确率达97.3%,表明所建NIR定量分析模型能够较好地预测涤/棉混纺织物中涤纶的含量。同时为验证模型的实用性,对422个涤/棉界外样本进行了预测,结果表明,NIR法对涤/棉混纺样本的外部验证准确率为93.4%。将NIR法和国标法所得结果进行方差分析,当置信区间为95%,显著性水平取5%时,F检验比值为1.17,小于临界值1.35,表明两种方法的结果不存在显著性差异。预测的平均绝对误差为1.78%,小于3%,表明模型的准确性较好。