废旧纺织品近红外光谱定量分析的新模型

韩松辰， 刘 胜

北京林业大学理学院， 北京 100083

引 言

废旧纺织品的回收往往使用人工分拣方法， 这种方法成本高， 效率低。 如果能利用近红外光谱分析判断废旧纺织品所含成分及每种成分的含量， 则可为废旧纺织品的大规模分类分级回收提供帮助。 近红外光谱分析在食品、 石油、 医药等领域应用广泛[1-9], 在纺织领域也有一些应用[10-12]。 高升[9]等在二次特征波段提取的基础上用PLS方法建立了红提Vc等含量的预测模型； 陈慧[12]等探讨了利用弹性分量回归算法测定纺织品中羊毛含量的可行性。 范雅婷[13]等以多模型方法为工具， 用相思树的Klason木质素含量数据优化了苯醇抽提物含量的近红外光谱分析模型。 李海洋[14]等结合多模型方法与PCA-SVM方法建立了棉涤混纺和棉锦混纺样本的近红外光谱定性分析模型。 本工作以废旧纺织品的锦纶含量为例， 先用多模型方法建立锦纶含量的近红外光谱分析模型(简称为普通模型)， 然后利用锦纶含量预测值与实验值之间的近似线性关系给出了一种便于优化的预测锦纶含量的新模型， 并对模型进行了优化。 最后将上述两个模型与用偏最小二乘法建立的模型(PLS模型)进行了对比。

1 实验部分

1.1 样本制备

为了获得更加准确的样本成分含量实验数据， 本研究所使用的样本经由实验室制备。 具体制作方法为： 先将收集到的含锦纶、 涤纶、 蚕丝废旧纺织品布样都用植物粉碎机打成可以通过八十目筛子的粉末。 然后根据预先设定的比例， 使用分析天平(感量0.1 mg)称取三种布样粉末进行混合。 通过调节每种粉末量， 获得含有不同成分占比的废旧纺织品样本。 共制得90个含有锦纶成分的样本， 以每个样本的实际锦纶含量占比(百分比)作为该样本的锦纶含量实验值进行建模。

1.2 光谱数据采集

使用日本Hitachi公司生产的UH4150近红外分光光度计采集样本的近红外光谱数据。 此仪器可以实现低噪音， 低偏振和高精度镜面反射率测定， 具有大型样品室， 适合测量固体样本。 近红外分光光度计的具体扫描参数为： 分辨率5 nm， 狭缝2 nm， 扫描速度1 200 nm·min-1， 扫描谱区700～2 500 nm。 样本光谱数据采集方法如下： 将空白样本放入事先预热好的仪器中进行扫描得到空白基底； 然后把干燥后的含锦纶废旧纺织品样本放入样本池进行扫描， 扫描后扣除本底光谱， 得到建模所用的近红外光谱数据。 样本的近红外光谱数据由样本在不同波长处的反射率值组成， 每个样本对应361个反射率值。

2 结果与讨论

2.1 数据的分组

将90个废旧纺织品样本按照锦纶含量从高到低的次序排列， 以便更合理的划分校正集和验证集。 为了便于对结果进行交叉检验， 将90个样本均分为3组。 取序号为1+3N(N=0, 1, …, 29)的30个样本为A组， 取序号为2+3N和3+3N的样本为B组和C组。

2.2 用多模型方法建模

(j=1, 2, …, 24)

(1)

式(1)中，IC为分量都是1的60维的向量， 则第k个子模型可由等式

(2)

(j=1, 2, …, 24)

(3)

2.3 新模型的建立

m(k, j)[60]z60)

(4)

则有

(5)

(j=1, 2, 3, …, 24)

(6)

(7)

因该模型中的参数太多， 下面用式(8)和式(9)两个等式代替式(7)

(8)

(9)

式(8)和式(9)各代表一个子模型(误差向量分别为εk, 1和εk, 2)。 由式(8)可得YC的一个新的近似值向量

(10)

(11)

2.4 模型预测结果及其交叉验证

2.2节的ZV所对应的拟合优度(即模型的拟合优度)为0.767 6， 2.3节的NV所对应的拟合优度为0.817 8， (优化后的)普通模型和新模型的锦纶含量预测值与实验值的对比情况如图1所示。 如果用A, C两组样本作校正集， 用B组样本作验证集， 则ZV对应的拟合优度为0.782 3，NV对应的拟合优度为0.816 4。 如果用B, C作校正集， 用A作验证集， 则ZV对应的拟合优度为0.753 9，NV对应的拟合优度为0.827 8。 所以新模型的预测效果明显好于普通模型的预测效果。

2.5 模型的优化方法

普通模型的优化方法： 求出式(2)中25个参数a(k, 0),a(k, 1), …,a(k, 24)的值， 设使|a(k, j)|(j=1, 2, …, 24)最小的系数为a(k, j1)(1≤j1≤24), 令a(k, j1)=0； 重新计算其余24个参数的值， 设使|a(k, j)|(1≤j≤24,j≠j1)最小的系数为a(k, j2)， 令a(k, j2)=0； 重复使用上述方法7次完成该子模型的优化， 优化后每个子模型含参数18个。

新模型的优化方法： 以式(8)所示的子模型为例， 先求出全部26个参数的值， 在24个参数c(k, 2j-1),d(k, 2j)(j=1, 2, …, 12)里， 将绝对值最小的参数挑出并令其值为零； 重新计算其余25个参数的值， 在c(k, 2j-1),d(k, 2j)(j=1, 2, …, 12)里， 将剩余的23个参数中绝对值最小的参数挑出并令其值为零； 重复使用上述方法6次完成该子模型的优化， 优化后每个子模型含参数20个。

图1 废旧纺织品样本锦纶含量的预测值和

3 结 论

使用多模型方法建立了废旧纺织品锦纶含量的近红外光谱分析模型(普通模型)， 并对模型进行了优化。 然后利用锦纶含量预测值与实验值之间的近似线性关系， 给出了一种便于优化的预测锦纶含量的近红外光谱分析新模型， 并对新模型进行了优化。 将上述两个优化后的模型与常见的PLS模型进行对比发现： 新模型的预测效果明显好于普通模型的预测效果， 普通模型的预测效果好于PLS模型的预测效果。 文中建模方法有望用于废旧纺织品样本其他化学成分含量的测定。

致谢：本文所用实验数据由浙江理工大学材料与纺织学院提供， 感谢张勇副教授、 姚胜博士的帮助！