摘要:近紅外光譜技術由于其檢測方便、信息量大、無損等特性受到人們越來越多的關注，并且與化學計量學結合時能在一定程度上抵消其光譜峰重疊、信息弱等缺點。在紡織纖維的品種鑒別及化學性質鑒定方面，國家標準中較為常見的主要有電鏡目測法及化學溶解法，但這些方法的測試周期長，測試步驟煩瑣，不適宜大批量樣本的分析，也不適用于在線檢測。文章著重就近紅外在自然纖維中的應用進行了綜述，包括自然紡織纖維的品種鑒別、纖維內雜質檢驗以及生產過程中染料的鑒別等。
引言
紡織品與人們的生活息息相關，隨著生活水平的日益提高，人們開始更加關心紡織品的質量，由此，紡織品從原料到成品的整個過程的質量監控就顯得愈發重要。各種紡織原料都有自己特殊的性質和檢測方法，紡織纖維較為共通的性質和需要檢測的參數主要有物理性質(纖維長度、纖細度、強伸度等)和化學性質（回潮率、含油率等)指標。另外還有紡織品中甲醛、重金屬及偶氮染料等有害物質的檢驗，也包括混合纖維和異性纖維的檢測分離。
在紡織纖維的品種鑒別及化學性質鑒定方面，國家標準中較為常見的主要有電鏡目測法及化學溶解法，而且各種纖維鑒定標準方法中的共通特性為原理簡單，結果比較準確，但是很多方法的測試周期長，有的甚至需要一兩天才能得到一個樣品的數據結果，而且測試步驟煩瑣，不適宜大批量樣本的分析，也不適用于在線檢測，近年來，各種新的檢測方式層出不窮，這些檢測方式測試周期短，操作方便，且其中的很多種都擁有較髙的檢測精度。
近紅外光譜是20世紀90年代以來發展最快、最引人注目的光譜分析技術，其與化學計量學結合時能在一定程度上抵消其光譜峰重疊、信息弱等缺點[1’2]。近紅外技術巳經應用于醫藥、化工、農產品檢測等各個行業和部門。在近紅外譜區，對紡織工業中紡織材料，紡織化學品，織物上的整理劑的分析以及反應過程、反應機理的研究都已經成功應用在實際生產過程中，隨著近紅外光譜技術的發展，及其分析速度快，無需前處理，分析過程中無需化學試劑屬于綠色分析等優點，紡織工業中應用近紅外光譜技術進行質量監控和定量、定性分析織物的組分及物理參數等越來越廣泛[3]。
近紅外在紡織工業中的定性分析主要結合模式識別方法可以區別和鑒定不同聚合物的形狀和性狀差別。如對尼龍66和尼龍6的鑒別，不同廠家聚酯纖維的鑒別。Warren等用人工神經網絡定性鑒別過390個樣品中17種不同類型的織物[4]。結果證明此種方法是一種快速可靠的織物定性鑒別方法。
1羊毛加工產業中的應用
羊毛中的成分主要是純蛋白質纖維，雜質主要是羊新陳代謝過程中產生的羊毛蠟(羊脂肪腺體的分泌物)和脂汗(主要成分為鉀的有機鹽和無機鹽)。另外還有環境中的草葉、種子、異性纖維等。其檢測過程如圖1所示[5]，顯得十分復雜和費時。
近紅外在羊毛工業中的應用始于20世紀70年代末。澳大利亞和新西蘭的研究人員們首先利用近紅外技術鑒別羊毛的凈毛率，殘脂率，纖維直徑，髄度大小甚至水分含量。用近紅外光譜分析混紡毛織品中毛的質量分數必須研究兩個問題。
(1)近紅外光譜分析必須首先建立數學模型，建模必須具備一批含量已知的標準樣品，但收集毛質量分數已知且質量分數范圍較寬的毛混紡織品有一定困難。研究人員用混紡毛織品的原料(純羊毛、粘膠、滌綸)依不同的比例人工混合后作為標準樣品，純羊毛的添加量即為該標準樣品中毛的質量分數，以此質量分數和標準樣品的近紅外光譜建立數學模型，研究預測混紡毛織品中毛的質量分數的可能性
(2)各種毛織品用的染料不同，而且紡織技術也不同.這些因素是否會影響數學模型的應用。應研究建立包括染色和未染色的人工混合標樣的數學模型，研究預測染色的毛織品中毛的質量分數的可能性。
李曉薇等[6]將用混紡毛織品的原料，依不同比例手工混合配制標樣，用于建立近紅外定量分析的數學模型。標樣集中近紅外預測值與實際值之間的相關系數是0.982;對待測樣品檢驗結果，預測值變異系數CV為4.1%。實驗證明這樣的數學模型可以用于預測不同顏色(染料）的混紡毛織成品，并得到了較好的結果，這說明近紅外漫反射光譜技術可以通過二階導數等光譜預處理方法，校正樣品狀態(纖維的人工混合狀態與紡織品狀態）的差別。另外建立預測模型的標樣集的背景最好與待測樣品一致。印染紡織品的染料不同
區造成紡織品顏色的極大差別，但這種差別只是在可見光區，在近紅外區，差異并不是很大(經過對質地相同顏色不同的織物進行近紅外光譜比較證實)。樣品光譜在BRUKER公司的22N型傅里葉變換近紅外光譜儀上用直徑3mm的微量漫反射池取得。
趙國粱[7]利用近紅外技術進行羊毛羊絨的鑒別分析，對每個樣品掃描20次，利用Vision軟件，隨機選取每批6個光譜圖，即羊絨3批18個譜圖，羊毛2批12個譜圖建成數據庫，用定性方法建立模型。結果表明，建立模型對羊毛羊絨的分類基本正確。
Church等[8]研究了利用近紅外技術檢測松散羊毛里面含有聚合物的方法。在紡織品工業中經常會受到一些聚合物的污染，例如聚乙烯和聚丙烯等。實驗中將5g羊毛樣品放置于蒸發皿中，并將不同種類、不同大小的污染物分布在羊毛的不同深度。純羊毛、污染物和帶污染物的羊毛的區別在光譜圖中就能被區別出來，使用PCA方法也能區別羊毛中是否含有污染物。證明在1000～1700nm光譜區域能用來檢測隱藏在羊毛中的微小聚合體污染物。他們的初步實驗證明了典型的污染物即使埋蒙在羊毛層以下2cm深處也能被檢測到。此外，他們還進行了移動樣品的快速數據分析和在線檢測研究，表明樣品在2m長，0.2m寬的鋁帶上以2m•miiT1的速度移動時，能檢測出大部分的污染物。
Pielesz^等利用拉曼和近紅外轉換光譜對使用偶氮染料處理過的羊毛中的角蛋白變化進行了分析。偶氮染料可以分解為致癌的芳香胺，如對二氨基聯苯等。實驗分析了染料和對二氨基聯苯在原始光譜中的差異，原始羊毛、染料和經過染色的羊毛在譜圖中的吸光度差異等，實驗證明，即使羊毛，經過了細微的化學處理，利用拉曼光譜和近紅外轉換光譜都能檢測出來。在酪氨酸和蛋氨酸吸收區域內能辨別出羊毛樣品是否經過偶氮染料染色處理。
Hammersley等[w]在可見近紅外光范圍內對羊毛的殘脂率和水分含量進行預測，并比較了透射方式和反射方式對結果的影響，殘脂率鑒別實驗共采用348個樣本(其中225個用來建模，123個用作預測集）；水分分析實驗共采用302個樣本(193個樣本用來模型建立，109個樣本用作預測集)。結果表明，就總體而言，對殘脂率的預測結果比水分的預測結果要好些，并且采用反射方式檢測得到的SEP值比透射方式的SEP值小。作者還采用了不同的分析模型對實驗數據進行分析，得到的預測集的標準差在0.047和0.59之間。說明利用近紅外對殘脂率和水分的檢驗是切實可行的。
neet等利用近紅外對羊毛中的染色毛和有髄毛進行檢測，采用的樣本分為人為混合的樣本和含有自然雜質的樣本。人為混合時，在5g的羊毛樣本中分別混人1～50根的染黑羊毛，染棕羊毛和有髓羊毛，然后進行建模分析，結果表明，3類樣本得到的R2值分別為0.96，0.88和0.82，交互驗證的標準偏差為4.34,6.97和7.17。但是利用上述模型對含有自然雜質的樣本沒有很好的預測效果。他們又單獨利用自然樣本進行建模預測，得到茫分別為0.99,0.71和0.92，SECV分別為0.923,6.43和4.54。對自然樣本而言，一個好的數據結果取決于參考方法數據的準確性和樣本的預處理方法。
[1][2]下一頁>>
相關信息 
推薦企業 推薦企業
推薦企業
您所在的位置：
