发布日期：2017-09-27
本次共有16个机构报名参加,机构清单如下:[1]（排名不分先后）
中纺标检验认证股份有限公司
北京市毛麻丝织品质量监督检验站
天纺标检验认证股份有限公司
青岛市产品质量监督检验研究院
江苏省纺织产品质量监督检验研究院
南通市纤维检验所
上海英柏检测技术有限公司
上海冉紫实业有限公司
上海纺织集团检测标准有限公司
国家纺织服装产品质量监督检验中心（浙江桐乡）
浙江中纺标检验有限公司
福建省纤维检验中心晋江检验部
中山海关技术中心
广州亚诺检测技术有限公司
中纺标（深圳）检测有限公司
深圳市英柏检测技术有限公司
注[1]:以上机构名称与实验室编号无顺序对应关系
样品信息:
本次比对试验，共涉及棉/氨纶、聚酯纤维/氨纶、棉/聚酯纤维、锦纶/氨纶、棉/聚酯纤维/氨纶5大类别，4类二组分，1类三组分。分别是棉/氨纶（1-3#）、聚酯纤维/氨纶（4-6#）、棉/聚酯纤维（7-9#）、锦纶/氨纶（10-12#）、棉/聚酯纤维/氨纶（13-15#）
结果Z比分数图:
模型一
棉+氨纶（利用数据中Z比分作图）
模型二
聚酯纤维+氨纶
模型三：
聚酯纤维+棉
模型四：
锦纶+氨纶
模型五：
棉+聚酯纤维+氨纶
技术分析：
从参试实验室比对结果可以看出，棉/氨纶、聚酯纤维/氨纶两类样品，各参试实验室所建模型预测结果较为理想，锦纶/氨纶、棉/聚酯纤维、棉/聚酯纤维/氨纶样品，存在少数参试实验室所建模型预测结果不理想的情况。
满意度：
由于纺织纤维种类众多，且复合织物的种类和比例各不相同，使得近红外光谱校正模型的建立难度较大，需要大量的样本数据，校正数据的准确性及合理的计量学方法都对测试结果有影响。针对此次近红外纤维定量分析比对计划，对于相关模型的建立，给出以下建议：
1）样品筛选：
某些较厚双层针织结构的织物，其谱图看不到明显的吸收峰，或与其他的谱图偏差较大，在建模过程中，此类样品对模型的建立会造成很大影响，不适宜做校正样品，应该去除。
2）样品采集：
样品采集过程中，建议将样品折叠适宜厚度，一般4层，水平放置测试窗口上，并在样品上施加一固定压力。采集中对于吸收峰不明显、谱图偏移或漂移严重、光谱形态异常的应提前剔除。
3）光谱数据预处理：
仪器采集的原始光谱中除包含与样品组成有关的信息外，同时也包含来自各方面因素所产生的噪音信号。这些噪音信号会对谱图信息产生干扰，从而影响校正模型的建立和对未知样品组成或性质的预测。光谱数据预处理主要解决光谱噪音的滤除、数据的筛选、光谱范围的优化及消除其他因素对数据信息的影响，为下步校正模型的建立和未知样品的准确预测打下基础。常用的数据预处理方法有导数、滤噪（平滑）、多点基线校正、归一化处理等。在近红外分析中，对于样品不同组分之间的相互干扰导致吸收光谱谱线重叠的现象，可采用求导的方法进行处理。其中常用的是一阶导数和二阶导数。
4）定量校正算法：
近红外光谱分析常用的计量方法有主成分分析（PCR），偏最小二乘法（PLS）和人工神经网络法（ANN）等，其有着各自的优点和局限。选择适合的校正算法，对模型的适用性，有效性有着显著帮助。比如：TQ Analyst提供了定量校正算法，包括了比尔定律、最小二乘法（CLS）、偏最小二乘法（PLS）和主成分回归法（PCR）等。其中在纺织纤维定量检测模型中，偏最小二乘法（PLS）较为经典和常用。
5）光谱波长范围的选择：
光谱范围的选择在NIR定量分析模型的建立中是最难的一步。至今为止，化学计量学领域仍无完美算法来选择最佳的光谱范围。目前，已有一些配套软件可实现自动化选择光谱范围。例如：TQ Analyst软件中自带Suggest向导进行自动选择光谱范围。光谱波长范围的选择会直接影响模型的精度，即相关系数与均方差。
6）建模及模型优化：
近红外光谱存在谱带宽、重叠较严重、吸收信号弱、信息解析复杂等问题，它依赖于化学计量学方法，在样品待测属性值与近红外光谱数据之间建立一个校正模型，再通过模型对未知样品的近红外光谱进行预测来得到各性质成分的预测值。目前，近红外建模方法大都以“光谱数据预处理，波长筛选进行特征降维和突出，再通过PLS、SVM算法进行建模”的方法为主。建模的优化常见于如何使用预处理算法对光谱进行预处理，来消除仪器变异所引起的偏差；如何使用波长选择算法，提取光谱中的有效特征；如何利用化学计量方法建立稳定可靠的模型。除此之外，随着人工智能技术的发展，深度学习可以利用现有的大规模已标记数据集训练出一个预测能力强、鲁棒性好的多层网络结构模型。此外深度学习方法建模，其对预处理、波长选择等依赖性很低，该法也将为近红外光谱检测带来新的机遇。
在此衷心感谢所有给予此次比对试验支持的机构和个人，同时也感谢所有参加此次比对试验的机构。正是大家的努力才使得近红外技术在纺织品检测领域的应用又向前推进了一步。我们是近红外技术推广的践行者，同时我们也会是近红外技术给行业带来革新后的第一批受益者。希望通过在此次比对试验中建立的协作和信任，能为我们在今后的技术合作，研发应用等方面创造更多的机会。
希望经过本次比对试验及分析，使每个参试实验室有所收获。同时，也希望每个实验室能意识到自己的不足，能够找到原因，积极行动起来，加强学习培训及反复试验。”
