近红外技术的实际应用——国内首台纺织品在线高效识别与分拣装置（《分析测试学报》精选论文）

《分析测试学报》是由广东省科学院主管，广东省测试分析研究所（中国广州分析测试中心）及中国分析测试协会共同主办的全国性学术刊物，为中文核心期刊（月刊），2018年影响因子为1.156，在全国化学类38种核心刊物中排名第6。《分析测试学报》之“精选论文推送”活动，旨在与大家分享分析测试领域的前沿研究成果和发现，启发科研工作思路，挖掘学术文献价值，让好文章被更多受众学习和借鉴。

第10期精选论文之一: 纤维织物在线近红外检测影响因素探究

我国是纺织品生产和消费大国，同时也是废旧纺织品产生大国，“废旧纺织品的回收再利用”已被列为国家循环经济发展战略的重点资助项目。但由于废旧纺织品种类繁多，成分复杂，给回收再利用带来极大困难，回收利用率不足10%。目前国内的废旧纺织品识别与分拣主要靠人工完成，而国外（如意大利、德国等）多采用自动在线分拣系统进行分类回收。人工分拣速度慢、识别率低；无法满足工业化规模的生产需要。因此，进行在线高效识别是实现废旧纺织品回收再利用的重要前提，也是实现废旧纺织品快速分拣及连续化生产的重要保障。

目前，近红外在线检测技术在我国的制药、石油、农业、食品等领域均有较完备的设备应用于产业线，而在纺织品检测方面仍处于静态离线研究阶段，虽在纤维种类鉴别、组分含量分析等方面已取得了一定成果，但将近红外在线分拣装置应用于纺织品识别与分拣方面尚未见报道。因此，基于废旧纺织品回收行业的迫切需求，借鉴在线近红外设备在其它领域成功应用的经验，开发纺织品在线高效识别与分拣装置势在必行。

北京服装学院李文霞教授科研团队基于近红外光谱技术自主设计研制了“纤维制品主体组分高效识别与分拣装置”，并首次将人工智能技术引入纺织品的识别与分拣。将该装置应用于纺织品的在线检测，探讨了织物测试厚度、设备运行速度、扫描积分时间及扫描次数等因素对设备在线近红外光谱的影响，优化出最佳应用条件：对于紧密织物其测试厚度高于1 mm，对于疏松织物测试厚度高于2.5 mm，布样传送速度为0.41 m/s，扫描积分时间1 ms，扫描次数10次，样品折叠时，层与层之间不能有大的缝隙。同时也比较了该装置所测的在线近红外谱图与商品化光栅型仪器的离线谱图的差异，所测在线近红外谱图的分辨率虽稍低于离线谱图，但每类织物的在线谱图均具有明显的特征峰，且谱图重复性良好，扫描速度远远高于离线设备（属毫秒级），达到了快速、高效的目的，能够满足废旧纺织品回收企业或海关等应用领域对纺织品种类的在线高效识别与分拣。

该研究获国家重点研发计划项目（2016YFB0302900）和北京服装学院2019年研究生科研创新项目资助，相关内容发表于《分析测试学报》2019年10期第1163~1170页。

doi:10.3969/j.issn.1004-4957.2019.10.002

【引用本文】：杜宇君，李文霞，王华平，韩熹. 纤维织物在线近红外检测影响因素探究[J]. 分析测试学报，2019，38(10)：1163-1170.

【Cite this article】：DU Yu-jun, LI Wen-xia, WANG Hua-ping, HAN Xi. Study on Influencing Factor for Online Near Infrared Detection of Fiber Fabrics [J]. Journal of Instrumental Analysis, 2019,38(10):1163-1170.

请进入《分析测试学报》官方网站查看原文电子版。