紡織品快速無損檢測校正模型的轉移與共享研究

羅峻　聶鳳明　吳淑煥　范偉　許敏

摘要：在紡織品檢驗中，織物成分的定量分析是一項重要內容。以近紅外光譜為代表的快速無損檢測技術多元校正模型是一種間接分析技術，需建立多元校正模型進行應用。建模人員耗費大量的精力來建立一個穩健的模型，以期能夠長期使用。然而，若測定樣品的儀器與建立模型時的條件不同，則不同的條件所造成的光譜變化會使得模型在新的系統條件下不適用。本研究采用典型相關分析方法（CCA）用于不同類型光譜中紡織品多元校正模型轉移問題，獲得了令人滿意效果。

關鍵詞：紡織品；纖維成分快速檢測；校正模型；模型共享

在紡織品檢測中，織物成分的定量分析是一項重要內容。現有的紡織品成分定量分析方法（化學溶解、顯微鏡法等）存在著檢測周期長、檢測環境要求高、人為影響大、使用有毒有害化學試劑、需破壞樣品等缺點，無法滿足各檢驗監督部門及生產企業對紡織品進行大量檢測的需求[1-3]。為滿足大批次檢測的需求，以近紅外光譜為代表的快速無損檢測技術已逐漸應用于紡織品定量分析中。近紅外光譜法是20世紀90年代以來發展最快、最引人注目的光譜分析技術。它是一種間接分析技術，利用常規分析方法獲得樣品的組分或性質的基本數據，綜合運用化學計量學方法建立校正模型，實現對未知樣品的定性或定量分析[4-6]。

多元校正模型是近紅外光譜定量分析的基礎。建立一個長期穩健、可靠、準確的校正模型是一個非常復雜的過程，需要消耗大量的時間、人力、物力、財力。但在實際使用中，若校正分析所需要的數據是分別從兩臺（或多臺）儀器上測量得到的，而儀器的測量系統不是由同種類型的元器件組成，即其由不同的光源、不同的探測器或者不同的光學系統組成或者其中的幾個部件不同，則難以將其中一臺儀器上的校正模型直接應用于另一臺儀器測量得到的光譜中進行預測。即便是建模和預測的光譜都是在同一臺儀器上，但在使用過程中，隨著儀器零部件的維修或更換也都將影響著校正模型的適用性[7-9]。

解決不同儀器間模型轉移問題的最直接的方法是在各自的儀器上重新測量光譜，分別建立校正模型，但這將造成巨大的精力和財力浪費。另外一種方法是通過完善儀器加工的標準化，提高儀器加工工藝水平，降低儀器間在器件等各方面存在的差異，使得不同儀器上的測量光譜盡可能一致，這在同一類型儀器之間是可行的，但是對于不同類型的儀器，比如傅里葉變換型儀器和光柵CCD型儀器之間就無法實現。因此解決這一問題較為經濟的方法是使用數學方法對不同光譜儀之間的系統差異進行修正，使得同一樣品在不同的儀器上測定的光譜盡可能一致，從而實現模型的轉移及共享。

模型轉移及共享的實現有多種方法，包括對模型系數b的校正[9]、對預測結果的校正如斜率/偏差（S/B）算法[10]以及對光譜一致性的校正如直接標準化（DS）算法、分段直接標準化（PDS）算法[11]、Shenk專利算法[12]和布魯克（PA）算法[13]，但這幾種方法都需要標準化樣品。另外還有一些無需標樣的方法，主要是光譜預處理方法，例如導數化（Derivative）、多元信號校正（MSC）、正交信號校正（OSC）、有限脈沖響應（FIR）算法[14]等。本研究針對兩臺近紅外光譜儀所測紡織樣品的光譜及結果，采用典型相關分析方法對光譜進行校正，取得了較好轉移結果。

1 原理和算法

1.1 典型相關分析方法（Canonical Correlation Analysis，CCA）

典型相關分析是研究兩組變量之間相關關系的一種多元統計分析方法，它能夠有效地揭示兩組變量之間的相互線性依賴關系[15]。假設數據L中包括兩組已經中心化的變量X和Y，寫成如下形式：

L={（x1，y1），（x2，y2），…，（xn，yn）}

那么可以找到系數向量wx和wy，使得典型變量

Lx=Lx（wx）=（，，…，）和Ly=Ly（wy）=（，，…，）之間最大相關。

考慮協方差矩陣

則典型變量Lx與Ly之間的相關系數可以表示為：

而此相關系數和系數向量wx 和wy ，可通過下面方程解出：

在本研究中，我們對源光譜和目標光譜做典型相關分析，然后，采用所得典型相關變量進行轉換。該轉換過程不但可從源光譜和目標光譜中提取共同信息，而且還可濾除噪聲和干擾信息。

2 試驗部分

2.1 儀器和樣本

主機為AntarisⅡ傅里葉變換近紅外光譜儀（主機A，Thermofisher，美國），從機為便攜式iSpec-近紅外光譜儀（從機B，B&WTEK，美國）。

樣品為120個棉滌混紡織物，其中100個為校正集，20個為測試集，按照標準 FZ/T 01057系列進行定性鑒別，按照標準GB/T 2910系列進行定量分析，表1列出了樣品測量值的統計數據。

2.2 光譜采集

主機A采用漫反射光譜測量方式進行光譜采集，每次測量樣品旋轉120度。光譜數據取3次采樣的平均值，整個試驗過程保持室內溫度在（20±2）℃，濕度在（60±5）%。近紅外光譜掃描范圍為10000cm-1～4000cm-1，分辨率為8cm-1，掃描次數32次。從機B同樣采用漫反射光譜測量方式進行光譜采集，每次測量樣品旋轉120°。光譜數據取3次采樣的平均值，整個試驗過程保持室內溫度在（20±2）℃，濕度在（60±5）%。近紅外光譜掃描范圍為900 nm ～1700nm，分辨率為2nm，掃描次數32次。

2.3 軟件

本研究所用化學計量學方法均來自于數據分析軟件matlab 7.12（mathsworks，美國）。

3 結果與討論

3.1 模型建立

主機A所測光譜圖如圖1所示。從圖中可看出，混紡織物光譜發生較大的背景漂移，普遍認為該漂移是由不同的織物結構、顏色等因素所引起，在建立模型之前，需采用一定的方法扣除。本研究中，采用Norris二階微分法進行處理，平均窗口設為3，間距設為9，處理后光譜如圖2所示。

預處理后的100個校正集樣品采用偏最小二乘法建立棉含量的校正模型，PLS因子數由蒙特卡洛交互驗證確定，最終確定8個PLS因子用來建立模型。所得模型相關系數R2為0.94，預測誤差均方根（RMSEP）為4.3。

3.2 模型轉移結果

從機B所得光譜如圖3所示，因其儀器類型與主機不同，光譜效應、波長點數、分辨率等均不相同。因此，無法直接采用主機模型進行預測。為了解決這一問題，我們對其光譜進行轉換。

采用典型相關分析對主從機光譜進行轉換，進而采用原模型進行預測，以RMSEP為考核指標來評價轉移結果。本研究采用Kennard-Stone方法[16]從校正集中選取轉移標樣，我們同時考察了不同轉移標樣數量對結果的影響，所得結果示于表2。

從表2可以看出，隨著轉移標樣的增多，轉移效果亦變好，當轉移標樣為15個時，轉移后的RMSEP已經接近原模型的預測結果。

轉移之后，采用主機A模型對轉移后的從機B光譜進行預測，預測結果如圖4所示。從圖4中可見，經轉移之后，可采用主機A模型直接預測，預測結果令人滿意，實現了模型的共享，節省了重新建模的人力物力。

4 結論

從本文研究結果來看，針對不同類型近紅外光譜儀的光譜差異問題，CCA方法的轉移預測結果令人滿意，大大簡化了建模的成本，為快速無損光譜的實際應用提供了保障。

參考文獻 ：

[1]桂家祥，耿響，要磊， 等. 基于近紅外光譜法的棉/滌混紡紡織物中棉含量快速檢測[J]. 紡織學報， 2012， 33（4）： 55-59.

[2]虞學鋒. 服裝產品纖維成分含量項目質量狀況分析[J]. 中國纖檢， 2014， 10（10） ：28-29.

[3]王京力，耿響，桂家祥. 基于近紅外光譜法快速檢測滌氨織物的纖維含量[J]. 上海紡織科技， 2013， 41（5）： 45-48.

[4]嚴衍祿，趙龍蓮，韓東海， 等. 近紅外光譜分析基礎與應用[M]. 北京 ： 中國輕工業出版社， 2005.

[5]陸婉珍. 現代近紅外光譜分析技術[M].第二版. 北京：中國石化出版社，2007.

[6]梁逸曾. 白灰黑復雜多組分分析體系及其化學計量學算法[M]. 長沙：湖南科學技術出版社， 1996.

[7]梁逸曾， 許青松. 復雜體系儀器分析——白灰黑分析體系及其多變量解析方法[M]. 北京 ： 化學工業出版社， 2012.

[8] Robert N. Feudale， Nathaniel A. Woody， Huwei Tan， et al. Transfer of multivariate calibration models： a review[J]. Chemometrics and Intelligent Laboratory Systems， 2002， 64（2）： 181-192.

[9] M. Forina， G. Drava， C. Armanino， et al. Transfer of calibration function in near-infrared spectroscopy[J]. Chemometrics and Intelligent Laboratory Systems， 1995， 27（2）： 189-203.

[10] B. Osborne， T. Fearn. Collaborative evaluation of universal calibrations for the measurement of protein and moisture in flour by near infrared reflectance[J]. Journal of Food Technology， 1983， 18： 453-460.

[11] E. Bouveresse， C. Hartmann， D. L. Massart， et al. Standardisation of near-infrared spectrometric instruments： A review[J]. Analytical Chemistry， 1996， 68 （6）： 982 -990.

[12] J. S. Shenk， M. O. Westerhaus. Remote analysis system： US，4866644[P]. 1989.

[13]褚小立，袁洪福，陸婉珍. 普魯克分析用于近紅外光譜儀的分析模型傳遞[J].分析化學，2002，30（1）：114-119.

[14] Thomas B. Blank， Stephen T. Sum， Steven D. Brown， et al. Transfer of Near-Infrared Multivariate Calibrations without Standards[J]. Analytical Chemistry， 1996， 68 （17）： 2987 -2995.

[15] Fan Wei， Liang Yizeng， Yuan Dalin， Wang jiajun. Calibration model transfer for near-infrared spectra based on canonical correlation analysis[J]. Analytica Chimica Acta， 2008， 623（1）：22-29.

[16] Kennard R W， Stone L A. Computer aided design of experiments[J]. Technometrics， 1969， （11）： 137-148.

[作者單位：羅峻、聶鳳明、吳淑煥、許敏，廣州纖維產品檢測研究院、國家紡織品服裝服飾產品質量監督檢驗中心（廣州）；范偉，湖南農業大學]