上海昕瑞 上海昕瑞

服务热线:176 2192 3717
176 2192 3717

他们都在找: 上海昕瑞CXC-06粗纤维测定
当前位置昕瑞 > 新闻动态 > 行业动态 >

棉糖含量色度定量检测方法研究

导读:通过棉花含糖量的实测检验,证实了这种定量检测方法的可行性并且具有 F 模型的色度参数可选择、线性拟合波动性可控制、空白溶液参比可省略等优点。


返回列表 来源:未知 发布日期:2019-09-11 14:38【
引 言

棉花质量对相关产业发展以及国计民生稳定有着重要影响 。为减少棉糖的“色卡比色法”(SN/T 0311. 2—2010) 的 主 观 性 和 按 照 GB/T13785—2008 要求采用“分光定量法”繁琐的检测过程 ,我们研究团队利用纺织业常用的上海昕瑞罗维朋比色计WSL-2,分别建立了色度参数与色卡比色法的含糖标准等级或分光定量法中标准糖溶液的对应关系,并且通过棉花的实测确认了这种棉糖的色度分级法(chromatic grading testing method,CGTM)以及色度定量法 ( chromatic quantitative testing method,CQTM)的可行性。特别是对于 CQTM,可分别用T、L * 、C * 、b * 、K/S 等色度参数表征棉花的含糖量,实现基于色度参数的棉糖定量检验,但存在不同色度参数与标准糖溶液的线性拟合波动性大或一致性差等问题。

鉴于色度法具有单次可测定多参数的优势,以及这些色度参数多具有一定的相关性,对于 n支棉花样本的 m 维色度参数,本文利用主成分分析方法对 m 维色度参数进行降维,消除原有色度参数之间的相关性,通过减少或避免信息冗余,解决这种多指标色度参数对棉花含糖量的综合评价问题,以探索更加简便稳定的棉花含糖量的色度检验方法。

2 实验结果与讨论

2. 1 实验条件

CQTM:原棉回潮率、空白溶液与 D-果糖标准溶液配置、棉花含糖率的计算等同 GB/T 16258—2008《棉纤维含糖试验方法 定量法》。色度参数的测定是根据 GB 8424. 1—2001《纺织品颜色和色差的测定方法》,在色度仪 UltraScanPRO(美国 HunterLab 公司产品)上测定空白溶液、D-果糖标准溶液、棉花溶液的色度参数,包括颜色三刺激值:X、Y 与 Z;色品坐标:a * 与 b * ;颜色属性:饱和度 C * 、明度 L * 、色相角 h * ;透射率 T;表观颜色深度 K/S 值等。根据色度参数建立数学模型,并采用 SPSS(statistical product and service solutions)21. 0 软件以及 Origin8. 0 软件进行色度参数的处理与分析 [7 ~9] 。

2. 2 色度参数的相关性分析

前期研究表明:L * 、b * 、C * 、T 和 K/S 这 5 个色度参数与 D-果糖标准溶液呈高度线性关系,故直接测定了这 5 个色度参数的相关矩阵与显著性。根据色度参数之间的数值大小,可测定其相关程度。由于这个对称矩阵的所有相关系数均在0. 950 以上,说明这 5 个色度参数相关性很强;另外当系统设定的显著性水平为 0. 05 时,根据方差分析的 F 检验原则,认为这 5 个色度参数间的 Sig[显著性(单侧)]取值均小于 0. 05,说明其相应色度参数彼此间影响显著;扣除空白溶液的 5 个色度参数的相关矩阵与显著性检验结果如表 1 所示,说明选用直接测定或扣除空白溶液数据不影响色度参数的相关性。
2. 3 主成分 F 模型的建立

通过主成分分析,可将因子分析方法降维,同时在尽量不损失数据信息的前提下,可使具有错综复杂关系的色度参数指标归结为少数几个综合变量,以突出对色度参数的综合解释和分析。第 1 步,选取 L * 、a * 、b * 、X、Y、Z、C * 、h * 、T 和K/S 这 10 个色度参数为因子,其主成分按照特征值自大至小次序排列的情况列于表 3。由此可以看出,第一成分特征值为 9. 428,方差贡献率为94. 281% 。根据因子提取条件,要求特征值大于1,所以选择 1 个主成分。第 2 步,在初始因子载荷矩阵的基础上,采用具有 Kaiser 标准化的正交旋转法,通过 5 次迭代收敛为因子旋转成份矩阵,主成分 F 模型可表达为由 10个色度参数的线性组合可以看出,主成分 F 值经过拟合,与含糖量成线性关系,并且包含了与色度参数有关的所有信息,可降低依靠其中某单一色度参数进行检验的波动性;选用直接测定色度参数与扣除空白溶液所建模型 F 10 -1 与 F 10 -2 ,仅对主成分 F 拟合线性方程的截距有影响。

2. 4 参数选择对建模的影响

为检验参数选择对模型的影响,采用相同的建模方法,选用 L * 、b * 、C * 、T 和 K/S 这 5 个色度参数进行验证。

3 结 论

分别采用 10 个与 5 个的色度参数建立 2 个主成分模型 F 10 - 与 F 05 - ,以及 2 种建模数据平均的方法 F (1) 与 F (2) 。通过对棉花的实测检验,认为利用主成分分析进行色度法定量检验棉糖含量的建模方法是可行的,但尚需在实践中通过自适应学习算法等进一步加以修正完善。为在实际应用中简化测定及数据运算,推荐采用 5 个的色度参数的主成分模型 F 05 - ,以及采用棉花的色度参数均值进行建模 F (1) 。鉴于应用 F 模型进行色度法检验时,直接选用与扣除空白的色度参数对棉糖测量结果影响甚微,以及应用 F 模型比单一色度参数具有更好的稳定性与综合性,因此,为提升模型的适用性,后续工作需要开发基于 F 模型的棉花含糖量检测系统软件,或是开发类似于“水质色度仪”的“棉糖色度仪”,通过降低测量结果受人为因素的影响,内置存储参比溶液的标定曲线,就有可能根据在上海昕瑞罗维朋比色计WSL-2色度仪联机测定的色度参数,或是在“棉糖色度仪直接测定色度参数,并通过选择不同的建模条件,实现即时测定、自动校正、直接读取棉花含糖量的功能。