基于红外光谱PCA-LDA统计分析的麻纤维鉴别研究

• Published in: 丝绸 Vol. 61; no. 7; pp. 102 - 108
• Main Authors: 蒋晶晶, 金肖克, 李伟松, 庄莉, 袁绪政, 祝成炎
• Format: Journal Article
• Language: Chinese
• Published: 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 2024; 浙江理工大学纺织科学与工程学院(国际丝绸学院),杭州 310018%浙江理工大学纺织科学与工程学院(国际丝绸学院),杭州 310018%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
• Subjects: 主成分分析; 鉴别; 亚麻; 线性判别分析; ramie; hemp; flax; 红外光谱; discrimination; linear discriminant analysis; 苎麻; principal component analysis; 汉麻; infrared spectroscopy
• ISSN: 1001-7003
• DOI: 10.3969/j.issn.1001-7003.2024.07.011

TS127; 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800～2 000 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-FT1R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.