羊毛与羊绒鉴别技术的研究进展

闫钰维，孙润军，魏 亮，董 洁

(1.西安工程大学 纺织科学与工程学院，陕西 西安 710048；2.西安工程大学 功能性纺织材料及制品教育部重点实验室，陕西 西安 710048)

羊毛与羊绒同属于天然动物毛类纤维，也都是纺织工业重要的原料。但是羊毛与羊绒的产量却相差很大，1只绵羊每年能产出羊毛7～8 kg，而1只山羊每年最多只能产羊绒几百克，由此可见羊绒相比于羊毛的产量较为稀少[1]。此外羊绒比羊毛更加轻薄、柔软、保暖，因而羊绒的价格是羊毛价格的数十倍，在市场上羊绒制品的价格要远远高于羊毛制品。随着羊绒制品需求量的逐渐增大，很多商家为了降低制品所需成本，谋取更大的利润空间，出现用绵羊毛假冒山羊绒的情况，使羊绒制品的原有档次降低。然而，羊毛与羊绒的形态结构特征、化学组成基本成分以及理化性能都十分相似，导致羊毛与羊绒的鉴别比较困难。

本文通过对羊毛与羊绒的特征以及目前存在的羊毛与羊绒鉴别方法进行分析比较，分析优缺点，总结归纳现有技术，并提出羊毛与羊绒鉴别方法的发展方向。

1 羊毛与羊绒特征的同异性

1.1 基本组织结构的同异性

羊毛与羊绒均由角质细胞组成。一般毛纤维的角质细胞包含鳞片层、皮质层和髓质层，而细毛纤维与羊绒的角质细胞仅有鳞片层和皮质层，并无髓质层。

纤维的鳞片层外观与鱼鳞相似，覆盖在纤维的表面，由角质蛋白细胞组成，每个细胞的平均高度为37.5～55.5 μm,平均宽度与厚度分别为35.5～37.6 μm和0.3～2.0 μm。羊毛鳞片多成瓦状和环状，略微偏厚，大约为0.6 μm，纤维鳞片排列较为紧密，间距略小，边缘略微粗糙，翘起角度偏大，结构较为复杂，如图1所示。而羊绒鳞片多呈环状，鳞片略薄，大约为0.4 μm，纤维鳞片排列较为稀松，间距略大，边缘较为光滑，翘起较为平缓，鳞片间的重叠较少，结构较为简单[2]，如图2所示。

图1 羊毛扫描电镜照片Fig.1 SEM image of wool

图2 羊绒扫描电镜照片 Fig.2 SEM image of cashmere

纤维的皮质层由细胞间质与鳞片层紧密相连，皮质层细胞沿着纤维纵向排列，呈现细长的纺锤状，平均长度为80～100 μm，平均宽度与厚度分别为2～5 μm和1.2～2.6 μm。按结构可分为正、偏、间皮质细胞。皮质层是羊毛与羊绒的主体，羊毛正、偏皮质呈现双侧分布，如图3所示，并且在长度方向上转换了方向，羊绒则未换向[3]。

图3 羊毛正、偏皮质双侧分布Fig.3 Wool fibers were positive and partial cortex distributed bilaterally

1.2 化学组成成分的同异性

羊毛与羊绒同属于蛋白质纤维，其化学组成成分极其相似，基本的化学组成物质均为蛋白质，由角脘、非角脘和非蛋白质(主要包含类脂物及少量多糖类物质)组成，其中角脘所占比例最高，约为82%[4]。

羊毛与羊绒的大分子均以20多种α-氨基酸构成的多缩氨酸链为主链，经水解可得到不同种类的氨基酸,这些氨基酸中以二氨基酸、二羟基酸以及含硫氨基酸为主要成分[5]，具体结构式与含量如表1所示。各纤维大分子之间依靠形成的盐式键、二硫氢键和氢键等进行结合，呈现出较为稳定的空间螺旋结构。

表1 羊毛、羊绒所含α-氨基酸的主要品种与含量Tab.1 Main varieties and contents of α-amino acid contained in wool and cashmere fibers

1.3 品质特征的同异性

羊毛与羊绒品质特征的同异性表现在纤维长度、细度、密度以及卷曲度等方面，具体数值如表2所示。此外，羊绒的光泽度、轻薄度、柔软性、防缩绒性和保暖性都比羊毛好，但是羊绒的摩擦因数、摩擦效应、拉伸性能均不如羊毛[6]。

表2 羊毛与羊绒的品质特征Tab.2 Quality characteristics of wool fiber and cashmere fiber

2 鉴别技术

目前常用的羊毛与羊绒的鉴别技术大致可分为以下几类：化学分析法(溶液法、染色法、溶度差异法)、显微技术分析法(光学显微镜法、扫描电子显微镜法、原子力显微镜法)、计算机图像识别技术、生物技术分析法(DNA分析)技术、基因芯片技术、蛋白质检测技术)和红外光谱分析技术。表3示出常用鉴别技术的特点以及优缺点的。

表3 羊毛、羊绒鉴别技术比较Tab.3 Comparison of identification technology of wool and cashmere

2.1 化学分析法

2.1.1 溶液法

溶液鉴别法是通过观察和分析比较2种不同纤维在同一种溶液处理下纤维卷曲度的变化，从而达到纤维鉴别的目的[7]。

由于羊绒的鳞片厚度与纤维细度均小于羊毛，所以当羊毛与羊绒处于同一处理液中时，处理液更容易渗透到羊绒中，使得羊绒比羊毛更容易发生伸展。但溶液法进行羊毛与羊绒的鉴别，只适合宏观形态的大致鉴别，鉴别精度和准确度都十分有限[8]。

2.1.2 染色法

羊毛与羊绒均有较好的染色性能。染色法是将羊毛与羊绒放入染色器皿中，加入染料与助剂，在相同的温度和时间下进行染色，冲洗烘干后进行观察比较，通过对比羊毛与羊绒表现出来的不同染色性能，进行鉴别[9]。赵秀等[10]将羊毛、羊绒以及2种纤维的混合纤维按照相同的染色流程进行染色。结果表明，定性鉴别中羊毛的染色速率更快，染色深度更深，色牢度更好。沈巍等[11]采用计算机色彩分析系统作为辅助工具，通过绘制染色曲线，对比羊毛与羊绒在不同染色条件的上染率，应用HSV色彩模型进行图像处理，根据处理结果完成羊毛与羊绒的鉴别。

用染色法进行羊毛与羊绒的鉴别，其精确度比溶液法稍高。但使用此方法，鉴别的精确度在很大程度上会受到纤维本身完整性以及染色过程中的染色条件、所用水质、助剂、染色剂和染色均匀性的影响，因此鉴别结果相对难以控制，并且只适用于未经染色的白山羊绒与绵羊毛，局限性较大，不适合广泛使用。

2.1.3 溶度差异法

羊毛与羊绒同属于蛋白质纤维，纤维的大分子结构中含有碱性和酸性侧基，因此表现出一定的酸性和碱性性质。羊毛耐酸、耐碱的程度均高于羊绒，遇到酸碱处理剂时的损伤比羊绒要小，因此溶度差异法就是根据羊毛、羊绒在同一酸性或碱性处理剂的条件下表现出的损害程度不同进行分类鉴别，一般是通过测量处理前后纤维质量的差异。如采用NaOH和高锰酸钾分别作为碱性和酸性处理剂，在处理过程中反应更加敏感，质量损失率更高以及受损伤更加严重的为羊绒[12-13]。

利用溶度差异法鉴别要求羊毛与羊绒的纤维完整性要高，而且会对纤维造成很大程度上的不可逆的破坏。

2.2 显微技术分析法

2.2.1 光学显微镜法(LM)

光学显微镜法[14]是目前鉴别羊毛与羊绒最普遍的方法之一，主要通过人眼观察羊毛与羊绒在显微镜中的成像，对比本身的形态结构以及纤维鳞片结构(纤维细度、纤维鳞片形状、边缘厚度、边缘翘起程度等)，或是通过逐根测量屏幕上经过放大到一定倍数的纤维直径，对比羊毛与羊绒的直径范围进行种类划分。裴燕华等[15]在光学显微镜条件下，分别对羊毛与羊绒的鳞片结构和纤维直径进行了观察和测量，在3种不同鉴别标准GB/T 16988—2013《特种动物纤维与绵羊毛混合物含量的测定》、AATCC 20A—2018 《纤维分析：数量》及ISO 17751-1—2016 《纺织品 羊绒、羊毛、其他特种动物纤维及其混纺织物的定量分析》要求下，对多根羊毛与羊绒进行区分鉴别，得出在鉴别区分相同样数量的羊毛与羊绒下使用后两种检测标准所用时间更少，工作效率更高。

但是光学显微镜的放大倍数约为1 000倍，放大倍数较低，并且光学显微镜所用的投影法受光线的影响较大，需要在暗室中进行，检验过程较为繁琐，工作效率较为低下。

2.2.2 扫描电子显微镜法(SEM)

扫描电子显微镜利用了波长更短的电子束来替代光学显微镜所用的可见光，使放大倍数有了很大提高，可以达到100万倍左右。采用扫描电子显微镜鉴别羊毛与羊绒，主要是使用计算机技术逐根将纤维图像显示在电脑屏幕上进行测量，自动计算纤维平均直径、鳞片密度、厚度、径高比从而进行种类划分。Wortmann等[16]提出利用扫描电子显微镜检测纤维鳞片的边缘高度作为鉴别指标，若边缘高度小于0.6 μm则认定为羊绒，否则认定为羊毛。我国是于1994年开始采用扫描电子显微镜进行羊毛、羊绒的检测[17]。

通过对比分析同一羊毛与羊绒分别在光学显微镜与电子显微镜下的细度检测结果，得出在置信概率为95%的情况下，2种方法所测结果精确度差异不大，但光学显微镜的工作效率与检测速度均低于电子显微镜[18]。

2.2.3 原子力显微镜法(AFM)

原子力显微镜拥有原子级的分辨率，其横向分辨距离和纵向分辨距离分别为0.2 nm和0.1 nm。原子力显微镜是通过探针和羊毛与羊绒表面原子间力的变化，测试表面形貌特征，并根据所得的纤维图像以及局部表面结构(鳞片形状、结构、厚度、排列情况、倾斜角度等)进行分类鉴别。通过对AFM形貌图进行对比分析，证明羊绒鳞片厚度小于羊毛；羊绒鳞片边缘倾斜角度最大，拉细羊毛居中，羊绒最小[19]。原子力显微镜在羊毛与羊绒鉴别检测方面有较大的优势，可以得到试样表面的高分辨率的三维立体形貌图像，值得进一步探究开发，可以挖掘更多的鉴别指标进行更为准确的鉴别。

2.2.4 显微技术分析法小结

当下在羊毛与羊绒的检测方法中，显微镜法依旧占有很大的比重。显微镜法操作简便、容易上手，并可对羊毛与羊绒进行无损鉴别。但是经过染料、化学试剂或机械外力作用的纤维外观形态会发生变化，使用显微镜鉴别容易引起误判。因此，显微镜鉴别法适合鉴别未经染色、未受损害的羊毛与羊绒[20]。此外，使用显微技术分析法对羊毛与羊绒进行准确度高的鉴别，对检验人员的专业程度具有很高的要求[21]，受人为因素的影响过大。

2.3 计算机图像识别技术

计算机图像识别技术是借助所得的显微图像，通过图片预处理将一系列显示纤维特征(如纤维直径、鳞片密度、边缘厚度、形状、周长等)的图像信号转换为数字信号，在经过特征提取和特征选择之后，由模式识别算法对此进行特征匹配，进而完成分类鉴别[22]。Robson等[23]实现了用计算机图像识别技术对比分析羊毛与羊绒表面形态特征，实现无损鉴别，而在此过程之中，最重要的一步便是采用分类器进行特征匹配。目前应用于羊毛与羊绒鉴别的分类算法有贝叶斯分类法、支持向量机以及人工神经网络等。

2.3.1 贝叶斯分类法(NBC)

贝叶斯分类法是以贝叶斯定理为基础，主要实现对2类不同数据的分类鉴别[24]。设2类样本A1、A2的特征集为x；各特征参数记为xi(i=1,2,…)；若未知样本属于Ⅰ类，则记为A1，若属于Ⅱ类，则记为A2。对于每一各待测样本而言，P(Ai|x)(i=1,2,…)为每一待测样本的特征向量为x=(x1,x2,…,xi)时，待测样本属于A的条件概率，则：

若P(A1|x)>P(A2|x)则为Ⅰ类；若P(A1|x)

假定2类样本的概率相同，即P(A1)=P(A2),参数指标为xi(i=1,2,…)相互独立服从高斯分布，则由贝叶斯定理可得：

式中：P(Ai)(i=1,2,…)为待测样本属于A的条件概率；P(x|Ai)为每一待测样本属于A时特征向量为x=(x1,x2,…,xi)的条件概率；P(x)为特征集为x的条件概率。

采用贝叶斯算法作为分类器进行羊毛与羊绒鉴别，首先对显微镜获取的纤维图像进行图像预处理，然后从中提取纤维的形态特征信息或者纹图特征信息作为特征参数，进行参数优化之后利用贝叶斯分类算法建立相应的贝叶斯模型[25]。

贝叶斯分类算法较为简单，分类效率比较稳定。但建立贝叶斯分类模型，需假设各个属性之间相互独立，而羊毛与羊绒之间的相关度较高，很多特征参数之间(如长度、细度、鳞片高度、厚度等)均有一定的交叉，使得分类结果的准确率受到很大的影响。

2.3.2 支持向量机(SVM)

支持向量机是由V.Vapnik提出，从数据样本中寻找一个最优超平面来对数据样本进行较好分割，使分类面的间距最大化[26]。

支持向量机主要解决二值分类的模式识别问题，而羊毛与羊绒的鉴别问题正好就是一个二值分类的问题。将羊毛与羊绒的形态结构特征以及鳞片特征(如纤维直径、鳞片厚度、细度、密度以及径高比等)作为特征的数据样本，利用支持向量机进行有监督的分类鉴别，鉴别结果准确度可达到90%以上[27-28]。但是支持向量机主要解决的手段是利用二次规划的方法，需要设计n(样本数)阶矩阵的计算，因此当需要检测的样本数量很大时，其检测的效率就会大大降低。

2.3.3 人工神经网络(ANN)

人工神经网络也称为链接模型，它是一种进行分布式并行信息处理的数学模型[29],由若干种神经元(简单单元)构成,一般包含输入层、隐层和输出层。

通过对显微镜下所得图像进行图像预处理，提取2种纤维的长度、细度、鳞片厚度、周长、面积、径高比以及边缘特征等作为特征参数，将纤维的特征参数作为输入值经过输入层节点输入神经网络模型，再通过中间层的隐层节点进行计算分析和转换传递，最后由输出层结点输出分类鉴别结果，完成2种纤维的分类鉴别[30-31]。在此过程之中，通过数据集中各个数据的训练来建立各个节点之间的各个链接，因此可见数据集越大、数据越多节点之间所建立的链接就越紧密，强度就越大，就越接近于真实情况，所得的结果准确度就越高。神经网络模型就如同一个“黑箱模型”，无法进行人为的随时调控，因此需要用大量的数据进行不断调节，建立最接近于真实情况的链接，提高鉴别的准确度。

2.3.4 计算机图像识别技术小结

计算机图像识别技术为羊毛与羊绒的鉴别技术提供了很大的研究和发展空间。3种常用的计算机图像识别算法之中，贝叶斯算法最为简单，但鉴别准确率不如其他2种算法，而支持向量机算法与人工神经网络算法的准确率均与待检测样本的数据量有关。若只需对个别羊毛与羊绒进行分类鉴别；可选用支持向量机算法进行分类鉴别，若所需鉴别的纤维数量很大，则可以选取人工神经网络进行分类鉴别。计算机图像识别技术在很大程度上不仅解决了化学分析手段对纤维造成损伤的问题，也解决了显微镜法人眼识别的主观误差，因此很值得进一步的深入研究。

2.4 生物技术

生物技术鉴别法是根据不同生物的DNA分子特征具有一定的差别的原理进行纤维的分类鉴别。羊毛与羊绒来自不同的动物，因此检测DNA的种间差异性就成为鉴别羊毛与羊绒的方法之一[32]。近年来，随着生物技术的逐步发展，在羊毛与羊绒鉴别上的应用也越来越广泛。目前应用于羊毛与羊绒鉴别的生物技术手段有DNA分析技术、基因芯片技术和蛋白质检测技术。

2.4.1 DNA分析技术

DNA分析技术的关键也是难点在于DNA的提取[33]，全基因组扩增技术(PCR)就是针对毛干线粒体中核DNA含量较少的问题，通过使用PCR扩增的技术手段，尽大程度上扩充基因组中DNA的含量，降低DNA提取的难度。Subramanian等[34]利用了该基因扩增手段，对羊毛与羊绒的基因组DNA进行扩充，随后结合限制性片段长度多态性聚合酶链反应(PCR-RFLP)技术，通过分析DNA细胞色素b的基因保守区域的单核苷酸的多态性进行羊毛与羊绒的分类鉴别。金美菊等[35]利用羊毛与羊绒线粒体DNA碱基排列顺序的差别，扩大研究样本，对多种不同产地的羊毛与羊绒以及不同比例的混合纤维进行实验。研究结果发现，对不同纤维采用的引物是不同的，因此可以更加有针对性地选择引物来提高检验的灵敏度和准确性[36]。

荧光定量PCR法不仅在PCR-RFLP法的基础上提高了准确度，减少了污染，而且还实现了一定程度上的相对定量检测[37]。曾少灵等[38]采用了荧光定量PCR技术手段比较线粒体细胞色素b的基因序列，同时实现了牛、山羊和绵羊3种动物源性成分的分类鉴别。陈国培等[39]通过对羊毛与羊绒荧光PCR检测体系的建立，确立了此技术方法较好的特异性和灵敏度。TANG等[40]收集了不同产地和年龄段的羊毛与羊绒纤维，利用荧光定量PCR技术对羊绒与羊毛不同的线粒体DNA区段特异性引物探针进行设计，建立已知含量标准混合物的定量标准曲线，在羊毛与羊绒定性鉴别的基础上进一步实现了定量鉴别。

2.4.2 基因芯片技术

在利用基因芯片技术鉴别的过程中，探针的特异性和引物的通用性是成功建立基因芯片检测鉴别技术的关键[41]。Hamlyn等[42]首次利用了探针杂交技术，设计了结合羊毛DNA的特异性探针，从而可以区分羊毛与其他动物纤维。吕雪峰等[43]利用了羊毛与羊绒DNA的特点和基因芯片核酸分子杂交原理，对通用引物扩增区间设计出一对用于分类鉴别的基因探针，实现羊毛与羊绒的鉴别。

与PCR技术相比，基因芯片技术的通量更高，检测速度更快，特异性也更强；但是所需成本也更高，并且实验的前期处理相当繁琐，因此并未广泛推广。

2.4.3 蛋白质检测技术

羊毛与羊绒的主要构成成分均为蛋白质，占到总质量的90%～95%；而任意一种不同的蛋白质都有一个特有的、可以区别于其他不同物质的氨基酸序列[44]，因此蛋白质检测技术就是通过技术手段对获取到的不同蛋白信息进行对比分析，达到对不同物质进行鉴别的目的。Tonett等[45]通过蛋白质免疫反应对羊毛与羊绒进行鉴别分析。Paolella等[46]结合了高分辨质谱和定量蛋白质组技术，通过对纤维蛋白分子标志物的分析，对羊绒、羊毛和牦牛毛蛋白质分子组成进行了对比分析。Claudia等[47]采用了检测蛋白质指纹图谱的方法，对一系列来自不同产地的动物纤维进行鉴别分析，验证了此方法的合理性。杨阿芳等[48]结合化学标记法和液相色谱串联高分辨质谱，解析蛋白质分子，结合PRM技术，实现了羊绒的成分定量检测。

2.4.4 生物技术小结

目前，生物技术鉴别方法是用于识别羊毛与羊绒的比较好的方法之一，特异性好，多态性强，但其成本较高。此外，虽然使用PCR扩充手段可以扩充DNA的含量，但是DNA的提取还是相对较困难，尤其是样品经过染色及后整理受到损坏后很难提取到DNA。在对纤维染色的过程中，对纤维的DNA会造成一定的破坏。羊毛与羊绒的蛋白质组同源性又极高,因此DNA分析技术的应用还存在一定局限性，适合检测未经受损且完整性高的羊毛与羊绒。

2.5 红外光谱分析技术

红外光谱分析技术是近些年才提出的实现羊毛与羊绒的分类鉴别技术。样品在连续、不同频率的红外光照射下，在被吸收的光的波长或是波数的位置会出现相对应的吸收峰。通过对比分析判定纤维的分子结构以及化学组成，进而对纤维种类进行定性鉴别。由于吸光度与样品的厚度和浓度在一定范围内成正比，因此吸光度光谱也可以用于纤维含量的定量分析。

目前利用红外光谱分析技术对羊毛与羊绒进行鉴别的方法中应用最多的为近红外光范围，Sun等[49]研究近红外(NIR)光谱学并提出了更为精确的光谱模式识别方法，开发了基于新方法的便携式纺织品分析仪。通过处理分析检测所得的近红外光谱图得到相应的化学组成信息，合理建立相对应的数学模型，完成了羊毛与羊绒的定性鉴别研究[50]。

近红外光谱分析技术相比于生物鉴别技术操作更加简便，所需检测时间更短，人工成本也更低，但是近红外光的波长比中红外光的波长要短得多，平均要短一个数量级，因此若使用溴化钾压片进行检测，对粉末的细度要求极高，否则所得光谱基线就会出现十分严重的倾斜，所需的样品用量也远远高于中红外，所得压片厚度较大，难呈透明状。因此，利用近红外光谱分析技术目前大都是用于纤维的定性鉴别检测，不宜进行混合纤维的定量分析。由此，可以利用波数范围为4 000～400cm-1(中红外)或125 000～350cm-1(近、中红外)的傅里叶变换红外光谱分析技术进行羊毛与羊绒的定量分析，其波长比近红外光长得多，所需样品用量和对粉末细度的要求程度都低于近红外光，因此傅里叶变换红外光谱技术更适合使用溴化钾压片进行混合纤维的定量分析。不仅如此，还可以采用不同于现在单一特征峰进行比较的多峰技术，对羊毛与羊绒红外光全谱峰值进行比较和分析，提取更具有代表性和更为全面的物质信息，结合数理统计分析技术，可以极大地提高羊毛与羊绒鉴别的准确性。

3 结束语

经过对多种羊毛与羊绒鉴别技术的比较发现：化学分析法虽然操作简便，但精确度低，对纤维损害度大；显微技术分析法对纤维损害度小，但检测速度较慢，受人为因素影响过大；生物技术准确性高，但普适性不强；计算机图像识别技术检测效率高，但无法进行定量鉴别；红外光谱分析技术对纤维损害度小、鉴别效率高、操作简便、可以进行定量鉴别，具有很好的发展前景。但是目前红外光谱分析技术鉴别羊毛与羊绒还存在样本数据不充分，单一特征峰比较精确度不足，以及常用近红外不宜进行混合纤维含量鉴别等缺陷，因此需要做到以下几点以提高羊毛与羊绒鉴别的准确性和鉴别效率：

①进一步扩充样本含量，采用多数不同地区不同种类的羊毛与羊绒进行检测与分析。

②有针对性地选用现有鉴别技术。如若工作量较小鉴别精确度要求很高且不计鉴别成本，则可以选用生物技术；若工作量较大，注重鉴别效率，则可以选用计算机图像识别技术；若需要对羊毛羊绒混合纤维进行定量鉴别，则可以选用红外光谱分析技术。

③将现有鉴别技术和数字化技术进行有效结合。如将电子显微镜法与图像处理和数据处理技术结合，提高鉴别效率；将红外光谱分析技术与数理统计方法结合，提高羊毛与羊绒鉴别的准确度。