基于近紅外光譜法的桑蠶絲接枝率快速定量測定

王 瑞， 司銀松， 蘆浩浩， 杲 爽， 傅雅琴

(1.浙江理工大學 紡織科學與工程學院(國際絲綢學院)， 浙江 杭州 310018； 2.浙江機電職業技術學院，浙江 杭州 310018； 3.浙江理工大學 材料科學與工程學院， 浙江 杭州 310018)

蠶絲是一種兼具輕、柔、細等特點的天然蛋白質纖維，擁有柔和的光澤、柔軟的觸感和良好的吸濕透氣性能，但其抗皺性差、色牢度差且易泛黃。尤其是蠶絲織物經過脫膠后，纖維直徑變細，織物變薄、挺括性差，限制了其實際應用。通過增重處理，可彌補蠶絲脫膠后損失的質量，改善織物風格，賦予其一定的厚重感和挺括性，主要應用領域為領帶、高級禮服等風格厚實的織物[1]。在蠶絲的增重處理中，接枝增重是通過在蠶絲絲素分子上引入接枝單體，于適當的條件下進行聚合形成枝狀高分子聚合物以改善纖維性能的化學改性法，其工藝簡單、能耗低，改性效果持久，是近年來人們研究的主要方向之一[2]。

蠶絲經接枝增重處理后，雖然其部分性能得到改善，但如果接枝率(接枝程度的大小)超過某種限值，就會引起蠶絲織物柔軟性、吸濕性及染色性能的劣化[3]，影響產品品質。此外，蠶絲產品的成本價格也因接枝率的不同而異。因此，為滿足生產及銷售需要，對蠶絲接枝率進行定量測定尤為必要。

在實際的接枝增重工藝中，接枝率的檢測主要是由生產者通過稱量法，即對接枝前后的蠶絲質量進行精確稱量來實現，但上述方法只能由生產者進行操作，僅適用于蠶絲接枝加工的前后，對接枝蠶絲的使用者和消費者而言，其獲得的是已經接枝后的產品，無法用稱量法對接枝率進行測定，較難了解蠶絲的接枝程度。為解決傳統稱量法測定蠶絲接枝率的弊端，研究人員嘗試采用氨基酸分析法[4]、熱分析法[5-6]以及紅外光譜法[7]等手段來測定接枝率。其中，熱分析法是較有效的接枝率測定方法，其優點是定量性強，但也存在儀器價格昂貴，測試溫度高(樣品逐漸加熱至400 ℃以上)，儀器降溫耗時較長等不足，不適用于批量化快速檢測。紅外光譜法則是一種無損檢測技術，檢測樣品不需要復雜的前處理，前期建立好定量模型后，可實現樣品的大批量快速檢測，因此，是非常有希望得到普遍推廣應用的接枝率定量方法。然而，目前關于使用紅外光譜法進行蠶絲接枝率定量測定的相關研究還較少，為此，還需進一步探索以期使這一技術能更加成熟有效地應用于蠶絲的接枝率檢測中。

近紅外(NIR)光是譜區范圍在780～2 526 nm之間的電磁波，近紅外技術是集光譜儀器、化學計量學方法和數學模型為一體的分析技術。該技術通過測定物質在近紅外光譜區的特征指標(特征峰)并與其性質變化直接關聯，實現對被測物質地定性、定量分析，具有快速、高效和綠色無污染等優點[8]，在多種領域有廣泛應用[9]。在紡織領域，近紅外光譜技術在纖維種類定性判別[10-11]、纖維整理劑含量[12]以及混紡織物纖維含量定量分析[13-15]等方面多有應用。本文為解決蠶絲接枝率難以直接測定、不適于批量化快速檢測等問題，以甲基丙烯酰胺接枝處理的蠶絲為例，基于近紅外光譜技術，建立一種簡單高效、且適用于批量化檢測的接枝率定量方法，以期為蠶絲接枝率的測定提供新途徑。

1 實驗部分

1.1 實驗材料與儀器

材料：桑蠶絲綿(脫膠率為23%，浙江米賽絲綢有限公司)。

試劑：甲基丙烯酰胺(分析純，上海阿拉丁生化科技股份有限公司)，過硫酸鉀(分析純，國藥集團化學試劑有限公司)，連二亞硫酸鈉(純度為85%，薩恩化學技術有限公司)，甲酸(分析純，上海阿拉丁生化科技股份有限公司)，無水碳酸鈉(分析純，天津市永大化學試劑開發中心)。

儀器：SHA-C水浴恒溫振蕩器(常州市億能實驗儀器廠)，ME203電子天平(梅特勒-托利多儀器有限公司)，DHG-9031電熱鼓風干燥箱(上海精宏實驗設備有限公司)，Nir SmartEye 1700尼邇光電近紅外光譜儀(杭州尼邇光電科技有限公司)，配鹵鎢燈光源和漫反射附件(積分球測樣附件)，波長覆蓋范圍1 000～1 670 nm，光譜分辨率為6 nm，波長準確性為±0.2 nm，波長重復性≤0.05 nm，配有BMW750建模系統。

1.2 實驗樣品

以甲基丙烯酰胺為增重劑，采用過硫酸鉀-連二亞硫酸鈉體系[16]對桑蠶絲綿(以下簡稱蠶絲綿)進行接枝處理。選取56個上述接枝蠶絲樣品作為樣本集(該樣本集樣品接枝率范圍為0%～60%，呈一定梯度分布，見圖1)。樣本集按2:1的比例分為2組，其中42個樣本作為校正集，14個作為驗證集，用以建立接枝蠶絲的接枝率定量分析模型。此外，收集絲綿廠家生產的19個接枝蠶絲樣本作為外部驗證集，以驗證模型的有效性。

圖1 接枝蠶絲樣本分布Fig.1 Distribution of grafted silk samples

1.3 定量模型的建立

1.3.1 樣品光譜的采集

為采集穩定的樣品譜帶信號，在溫度為(20±2)℃，相對濕度為(65±3)%的標準恒溫恒濕室進行實驗。光譜采集前，首先將近紅外光譜采集系統開機預熱30 min，以保證所采集樣品光譜信息的準確性。

為使大部分檢測光不透過樣品散射掉，盡可能都進入檢測器，以增強樣品信號強度，確保所采集到的光譜穩定，將均勻取樣后的蠶絲樣品整理成壓緊厚度為4 mm、厚薄均勻的纖維氈，直接置于漫反射附件上，并用附件蓋壓實進行檢測。掃描范圍為1 000～1 670 nm，每個樣品重復裝樣掃描5次，譜圖采集過程中及時剔除異常數據，以5次平均值為樣品的近紅外光譜數據。

1.3.2 光譜的預處理

將采集到的蠶絲樣品原始近紅外光譜數據(平均后的數值)導入化學計量學軟件BMW750中，并對原始譜圖進行預處理，以有效剔除光譜中的噪聲信息，基線漂移以及其他冗余背景信息的干擾，提取有效信息，提高預測模型的穩健性和準確性。

預處理方法分別采用4種方法，即Savitzky-Golay(S-G)平滑+S-G求導法，S-G平滑+S-G求導+均值中心化法，S-G平滑+差分求導法，S-G平滑+差分求導+均值中心化法。

1.3.3 預測模型的建立

以偏最小二乘法(PLS法)為定量分析方法，并采用留一交互驗證的方式對校正集樣品進行建模，以驗證集樣品對模型進行檢驗。從光譜預處理方法、最佳主因子數選擇以及建模譜區選擇3個方面優化模型，并以交互驗證校正相關系數(RC)、交互驗證校正標準偏差(SECV)和驗證集相關系數(RP)、驗證集標準偏差(SEP)以及外部驗證樣本的預測準確率對模型的穩定性、準確性及可靠性進行評價。

2 結果與討論

2.1 天然蠶絲與接枝蠶絲的近紅外光譜圖

圖2為未接枝蠶絲綿和甲基丙烯酰胺接枝處理后蠶絲綿(接枝蠶絲)樣品的近紅外光譜圖。可以看出，與未經接枝處理的蠶絲綿相比，2個接枝蠶絲樣品在1 430～1 530 nm范圍內的吸收光譜有明顯差異，且1 430～1 460 nm和1 470～1 530 nm波長區域內出現的2個主要寬峰的吸收強度隨接枝率的增加而增強。這是由于更多的甲基丙烯酰胺增重劑接枝到了蠶絲上，蠶絲中C—H、N—H官能團含量不斷增加[17]，信號不斷增強。根據樣品中增重劑特征吸收峰的吸收強度與接枝率呈線性關系，可作為接枝率定量分析的依據。

圖2 未接枝蠶絲綿和接枝蠶絲的近紅外光譜Fig.2 Near infrared spectra of untreated silk and grafted silk

2.2 光譜預處理及最佳主因子數選擇

在實際應用中，常將幾種不同的光譜預處理方法組合使用，以達到最佳的處理效果[18]。本文選擇化學計量學軟件BMW750中自帶的預處理方法S-G平滑法、S-G導數法、均值中心化法以及差分求導法加以組合，對56個樣品的原始近紅外譜圖(見圖3)進行校正預處理，采用PLS法建立蠶絲接枝率的定量模型，通過比較各預處理方法對模型穩健性的影響選擇合適的預處理方法。

圖3 蠶絲樣品的近紅外光譜圖Fig.3 Near infrared spectra of silk samples

采用PLS法建立模型時，最佳主因子數應該合理選擇。當選擇的主因子數較少時，未能將光譜中的有效信息充分提取，導致欠擬合，降低模型預測精度；當選擇的主因子數較多時，會將過多冗余信息包含進來，產生“過擬合”，使模型在預測其他樣品時誤差較大。模型的最佳主因子數可由留一交互驗證法確定，得出不同主因子數對應的預測殘差平方和(PRESS)，PRESS值越小，代表模型對樣品的預測能力越好[19]。

圖4示出蠶絲樣品在不同校正預處理方法下的PRESS值與主因子數的關系。表1示出光譜經預處理后，PRESS最小值對應的主因子數進行建模的模型參數結果。

圖4 不同校正處理的預測殘差平方和與主因子數關系圖Fig.4 Relationship between PRESS value and principle factor numbers of different methods

表1 不同預處理方法建立的模型參數Tab.1 Model parameters of different pretreatment methods

由表1可知，當預處理方法選用S-G平滑+差分求導法，主因子數為8時，RC和RP分別為0.995和0.992，接近1，SECV和SEP分別為1.464和1.834，二者的值最接近且接近0，說明模型穩健性好，在此條件下，預測效果更理想。其樣本光譜圖如圖5所示。

圖5 S-G平滑+差分求導預處理得到的樣本光譜圖Fig.5 Spectra of samples obtained by combined pretreatment method of S-G smooth and difference derivative

2.3 建模譜區選取

采集得到的樣品近紅外光譜圖中，除含有樣品本身的有效信息外，還包含部分對建模無用的光譜數據。在原始光譜中通過利用相關算法選取能代表所有光譜數據特征的波長子集進行建模，可避免過擬合，提高模型的穩健性。此外，剔除無關譜區變量對參與建模的光譜信息“瘦身”，有利于模型分析速度的提升，提高分析效率。本文利用相關系數法篩選特征譜區，得到樣品每個光譜點吸光度對接枝率的相關系數圖，根據相關系數大小的分布趨勢與范圍，設定相應閾值，過濾掉相關系數低于給定閾值對應的譜區，保留相關系數大于該閾值的譜區建立預測模型。圖6示出蠶絲樣品在1 000～1 600 nm范圍內每個波長吸光度值與接枝率的相關系數?？梢钥闯觯? 430～1 530 nm區間內，樣品的相關系數絕對值可達0.9，與蠶絲接枝率有很高的相關性。表2示出給定閾值下的定量模型預測結果。可以看出，當閾值設為0，即以全光譜區進行建模時，模型的預測準確率最好。

圖6 蠶絲樣品光譜吸光度與接枝率的相關系數Fig.6 Correlation coefficient of sample absorbance and grafting ratio

表2 不同閾值下定量分析模型的預測結果Tab.2 Prediction results of quantitative analysis model with different thresholds

2.4 模型準確性驗證

為進一步檢驗模型的準確性，常利用建立好的模型預測未參與建模的已知參比值的1組外部樣本，將預測值與參比值進行對比。當外部樣本的預測值與參比值的絕對誤差在5%以內，則認為模型的適應性和準確性較好。使用19個外部樣本對模型進行驗證，如圖7所示，得到的預測平均偏差為3.356 66%，說明模型的適應性較好。

圖7 定量模型的外部驗證準確性Fig.7 External validation accuracy of quantitative analysis model

此外，對模型預測值與參比值(稱量法測定)進行配對t檢驗，經計算本例t=0.68，在給定水平α=0.05，t0.05，由此可知，光譜預測值與參比值沒有顯著差別，表明近紅外光譜法與稱量法不存在系統誤差，預測模型的可靠性強。

3 結 論

本文建立了一種利用近紅外光譜技術測定甲基丙烯酰胺接枝蠶絲接枝率的方法。采用近紅外光譜儀采集樣品的原始近紅外光譜，在全光譜區內，經S-G平滑+差分求導法預處理的近紅外光譜結合偏最小二乘法所得到的接枝率定量分析模型的各項指標較優，校正集相關系數為0.995，驗證集相關系數為0.992，校正標準偏差為1.464，驗證標準偏差為1.834，內部預測準確率為91.03%。利用19個外部樣本對所建模型的準確性進行檢驗，將樣品參比值與預測值進行配對t檢驗，得到2種方法的檢測結果沒有顯著性差異，說明該模型性能良好、適用性高。研究結果表明，利用近紅外光譜法可以實現蠶絲接枝率的直接快速、有效測定，且不消耗任何化學試劑，檢測成本經濟。該方法可為蠶絲接枝率的快速定量分析提供一種新的檢測途徑。