基于红外光谱PCA-LDA统计分析的麻纤维鉴别研究

作     者：蒋晶晶 金肖克 李伟松 庄莉 袁绪政 祝成炎 JIANG Jingjing;JIN Xiaoke;LI Weisong;ZHUANG Li;YUAN Xuzheng;ZHU Chengyan

作者机构：国家纺织服装产品质量检验检测中心(浙江桐乡)浙江嘉兴314502 浙江理工大学纺织科学与工程学院(国际丝绸学院)杭州310018 

出 版 物：《丝绸》 (Journal of Silk)

年 卷 期：2024年第61卷第7期

页      面：102-108页

核心收录：

学科分类：0821[工学-纺织科学与工程] 08[工学] 082101[工学-纺织工程] 

基　　金：浙江省市场监督管理局科技项目(ZC2021B085) 浙江省服装工程研究中心开放基金项目(2021FZK02) 

主　　题：亚麻 汉麻 苎麻 鉴别 红外光谱 主成分分析 线性判别分析 

摘      要：亚麻、汉麻与苎麻纤维的成分组成和物化性质高度相似,三者间的分类鉴别是纺织品检验检测领域的难点。本文对不同种类麻纤维的傅里叶变换衰减全反射红外光谱(ATR-FTIR)作主成分分析(PCA)和线性判别分析(LDA),创建麻纤维分类判别模型以鉴别三种易混麻纤维。选取亚麻、汉麻和苎麻纤维各60组作为样品集进行脱胶清洗处理并采集ATR-FTIR光谱。光谱归一化后对800~2000 cm-1波长的光谱作主成分分析,分析结果显示:随着主成分个数增加,主成分分数依据麻纤维类别逐渐显现聚类趋势,同时前12个主成分对归一化红外光谱数据的累计贡献率超过99.5%。以训练集前12主成分数为自变量,以麻纤维种类为因变量,通过线性判别分析构建了分类判别模型(典型判别函数和分类函数)。模型验证结果显示:典型判别函数可使前12个主成分分数矩阵根据麻纤维样品类型形成良好的聚类,分类函数对训练集和测试集中所有纤维样品的分类准确率达到100%。此外,PCA-LDA分类判别模型留一交叉验证的分类准确率仍能达到99.6%。结果表明,不同类别麻纤维的ATR-FTIR光谱存在差异,基于麻纤维ATR-FTIR光谱的PCA-LDA统计分析可实现亚麻、汉麻和苎麻三种易混麻纤维的快速无损鉴别。