|
|||||
|
|
| 应用可见/近红外光谱进行纺织纤维鉴别的研究 | |
| 引用本文： | 吴桂芳,何勇. 应用可见/近红外光谱进行纺织纤维鉴别的研究[J]. 光谱学与光谱分析, 2010, 30(2): 331-335. DOI: 10.3964/j.issn.1000-0593(2010)02-0331-05 |
| 作者姓名： | 吴桂芳 何勇 |
| 作者单位： | 浙江大学生物系统工程与食品科学学院,浙江,杭州,310029;内蒙古农业大学机电工程学院,内蒙古,呼和浩特,010018;浙江大学生物系统工程与食品科学学院,浙江,杭州,310029 |
| 基金项目： | 国家自然科学基金项目(30671213);;国家科技支撑计划项目(2006BAD10A07);;浙江省自然科学基金重点项目资助 |
| 摘 要： | 为了实现纤维种类的快速鉴别，选用了棉、麻、毛、丝、天丝5种纤维，提出了一种用近红外光谱技术快速无损鉴别纤维品种的新方法。应用可见/近红外光谱漫反射技术测定各种纤维的光谱曲线，用主成分分析方法(PCA)对光谱数据进行模式特征分析，根据主成分的累积贡献率选用前6个主成分数进行建模和预测，通过建立最小二乘支持向量机模型(LS-SVM)对主成分分析模型进行优化，将前6个主成分作为最小二乘支持向量机的输入变量，建立PCA-LS-SVM模式识别模型，实现类别预测的同时也完成了数学建模与优化分析工作。5个品种的纤维训练集样本200个用于PCA-LS-SVM的模型的建立，对其余预测集样本50个进行验证,结果能准确的区分预测集的5种纤维。并提出主成分分析结合最小二乘支持向量机的光谱数据分析方法具有很好的分类和鉴别作用，为纤维品种快速鉴别提供了一种新方法，为维护消费者权益，保证纺织品质量，实现纺织原料及其制品的合理化生产与交易具有重要的意义。 |
| 关 键 词： | 可见/近红外光谱 纤维 主成分分析 最小二乘支持向量机 品种鉴别 |
| 收稿时间： | 2009-02-12 |
Identification of Varieties of Textile Fibers by Using Vis/NIR Infrared Spectroscopy Technique |
|
| WU Gui-fang,HE Yong. Identification of Varieties of Textile Fibers by Using Vis/NIR Infrared Spectroscopy Technique[J]. Spectroscopy and Spectral Analysis, 2010, 30(2): 331-335. DOI: 10.3964/j.issn.1000-0593(2010)02-0331-05 | |
| Authors: | WU Gui-fang HE Yong |
| Affiliation: | 1. College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310029, China2. College of Mechanical and Electrical Engineering, Inner Mongolia Agricultural University, Huhhot 010018, China |
| Abstract: | The aim of the present paper was to provide new insight into Vis/NIR spectroscopic analysis of textile fibers.In order to achieve rapid identification of the varieties of fibers,the authors selected 5 kinds of fibers of cotton,flax,wool,silk and tencel to do a study with Vis/NIR spectroscopy.Firstly,the spectra of each kind of fiber were scanned by spectrometer,and principal component analysis(PCA) method was used to analyze the characteristics of the pattern of Vis/NIR spectra.Principal component scores sc... |
| Keywords: | Vis/NIR spectra Fiber Principal component analysis(PCA) Least-squares support vector machines(I.,S SVM) Variety identification |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《光谱学与光谱分析》浏览原始摘要信息 | |
| 点击此处可从《光谱学与光谱分析》下载全文 | |