棉是一种重要的天然纤维，如果能根据废旧纺织品的棉含量对其进行分类回收利用，可极大地减少对天然纤维资源的消耗。但目前废旧纺织品的回收主要采用人工分拣方式，这种方式效率低、成本高，难以满足对废旧纺织品进行大规模精细分拣、分级的需要。本文使用近红外光谱分析方法对废旧纺织品的棉含量进行判定，用基于主成分分析的支持向量机方法建立了废旧纺织品的近红外光谱定性分析模型，模型能将含棉和不含棉的两类废旧纺织品很好地分开。对于含棉的废旧纺织品，又用多模型方法建立了废旧纺织品棉含量的近红外光谱分析模型，模型具有较好的预测结果。综合使用上述两个模型，能较好地判定废旧纺织品的棉含量。这种新方法有望用于废旧纺织品某些其它天然纤维含量的快速判定。

纺织品纤维成分的快速检测对其生产过程质量监控、 贸易和市场监督均具有重要的意义。 利用近红外光谱技术联合变量优选对棉麻混纺织物中的棉含量进行快速检测研究。 采用NIRFlex N-500型傅里叶近红外光谱仪在4 000～10 000 cm-1光谱范围内采集样本的反射光谱, 对样本光谱进行范围初选和预处理分析。 在此基础上, 利用UVE(uninformative variables elimination), SPA(successive projections algorithm)及CARS (competitive adaptive reweighted sampling)方法对光谱变量进行优选, 再应用PLS(partial least squares)建立棉麻混纺织物中的棉含量预测模型。 最后, 采用最优预测模型对未参与建模的样本进行预测。 研究结果表明, 4 052～8 000 cm-1光谱范围为棉含量较优的建模光谱范围。 CARS变量选择方法能较为有效地提高预测模型的精度, CARS-PLS模型的校正集、 预测集相关系数和均方根误差分别为0.903, 0.749和8.01%, 12.93%。 因此, 近红外光谱联合CARS变量优选可以用于棉麻混纺织物棉含量的快速检测, CARS方法可以有效简化预测模型, 提高预测模型性能。

建立了分析精度较高的用于检测棉-涤混纺面料里含棉量的近红外光谱分析模型。选择了50个棉-涤混纺面料作为对象,自行设计采样装置,采集其近红外光谱;然后,经一阶导数、二阶导数、Savitzky-Golay滤波等方法预处理,结合偏最小二乘法,建立了4个棉成分的定量分析模型。结果表明:Savitzky-Golay滤波对定标结果几乎没有影响;经一阶导数预处理后的光谱数据结合偏最小二乘法建立的模型具有较高的分析精度,定标均方差和预测均方差分别达到了0.022和0.018,分析误差控制在±0.05以内,基本满足了纺织领域快速定量检测的精度需求。同时,还分析了近红外光谱技术在该应用领域的研究重点。