织物是我国主要的出口轻工业产品之一。织物作为生活必需品,其质量优劣与生产商、贸易双方、政府监管部门以及每个消费者的利益息息相关。纤维含量是评价织物质量的主要指标之一,对织物洗涤和保养有重要的指导作用,是消费者选择织物的重要依据。几乎所有的国家(地区)都颁布了织物必须标注纤维种类和含量的法令或强制性标准。传统的化学溶解法,虽然检测结果准确,但存在耗时、效率低、有污染、危害操作人员身心健康等问题,随着织物送检数量逐年攀升,迫切需要发展快速高效的分析技术。近红外(near infrared,NIR)光谱技术,因其快速、无损、高效、绿色无污染等特点,已被尝试用于织物检测。本论文针对织物NIR光谱吸收弱、谱峰宽、特征峰重叠、微弱化学组分信息提取困难等问题,开展混纺织物纤维含量NIR光谱检测研究,主要研究内容和结论如下:(1)混纺织物NIR光谱吸光度增强方案设计及验证。设计了基于透反射检测方式的混纺织物NIR光谱吸光度增强方案,研究了透反射光谱特性及其与棉聚酯混纺织物组成纤维的相关关系,分析了透反射和漫反射检测方式对混纺织物NIR平均吸光度光谱的影响。透反射检测方式下混纺织物NIR光谱平均吸光度提高了14.3%,且NIR光谱定量分析模型的检测精度略有提高,模型相关系数达到了0.991,交互验证均方根误差达到了2.65%。实验结果说明,透反射检测方式增强了棉聚酯混纺织物NIR光谱的吸光度。(2)织物厚度和孔隙对NIR光谱的影响分析及校正。分析了厚度、孔隙对混纺织物NIR光谱的影响,采用平滑降噪、多元散射校正、常规导数处理、小波近似求导等对混纺织物NIR光谱进行校正。采用NIR光谱定量分析模型检测精度评价校正效果,求导和多元散射校正减少了厚度和孔隙造成的NIR光谱基线漂移,且小波近似求导与多元散射校正组合的光谱校正效果最优,交互验证均方根误差从6.43%降低到5.28%。(3)织物纤维种类NIR光谱定性判别模型研究。建立了极限学习机结合NIR光谱的织物纤维种类定性判别模型,分析了不同参数对模型正确判别率的影响,并与簇类独立软模式模型、最小二乘支持向量机模型进行了对比。实验结果表明,极限学习机模型优于其它两种模型,能正确识别6种实验用织物样品,且运算速度快。(4)混纺织物纤维含量NIR光谱定量分析模型研究。采用蒙特卡洛无信息变量消除法(Monte Carlo-uninformative variables elimination,MC-UVE)结合连续投影算法(successive projections algorithm,SPA)筛选出13个NIR光谱建模变量,分别建立了偏最小二乘(partial least squares,PLS)、极限学习机(extreme learning machine,ELM)和最小二乘支持向量机(least square support vector machine,LSSVM)三种定量分析模型。经比较,LSSVM模型的性能最佳,预测相关系数和均方根误差分别为0.99和2.0%。另外,采用LSSVM模型对新的棉聚酯混纺织物棉纤维含量进行预测,经95%置信水平的t检验,预测结果与国标方法无显著差异。实验结果说明,采用NIR光谱技术结合LSSVM模型预测棉聚酯混纺织物棉纤维含量是可行的。(5)混纺织物纤维含量NIR光谱定量分析平台设计。分析了光源强度、光谱仪性能、光源和探头布置结构对纤维含量NIR光谱定量分析精度的影响,设计了由光谱采集、计算、控制电路、定量分析软件组成的织物纤维含量NIR光谱定量分析平台。采用棉粘纤混纺织物进行了验证,模型预测相关系数为0.987,均方根误差为3.21%。综上所述,设计了织物NIR光谱吸光度增强方案,进行了织物厚度和孔隙对NIR光谱的影响校正研究,建立了定性判别、定量分析模型,设计了织物纤维含量NIR光谱定量分析平台,采用棉粘纤混纺织物进行了NIR光谱定量分析平台验证,为混纺织物纤维含量NIR光谱定量分析实践应用提供了参考依据。