红外分析实验

纺织品纤维含量分析是决定纺织产品标识准确度的重要因素，多国制定相关技术法规，要求纺织服装产品上贴有永久性的标签，并在标签上按照规定的方法注明产品的纤维成分及含量。传统纺织品成分定量方法采用的化学溶解法存在着使用化学试剂、对环境污染、检测周期长、破坏样品等缺点。近红外光谱分析技术作为一种新兴检测技术已经开始迅速被应用于纺织品成分定性和定量检测，具有快速、无损、环保、便捷等优点。该技术主要利用在近红外光的照射下，不同的纤维成分呈现不同吸收峰，其成分含量不同则体现出不同大小、缓陡的吸收峰，利用相应的化学计量学方法和纤维成分数据库，即可获得准确的纤维成分及含量。但在纺织品纤维定量方面，由于近红外模型受仪器类型、实验室环境、织物结构、颜色、染料、纤维含量、检测条件等因素影响，校正模型建立好坏程度直接影响其预测效果，且目前仍存在定量模型无法统一或互通的问题。中国海关科学技术研究中心工业与消费品安全研究所联合深圳市菲雀兰博科技研究中心有限公司，在中国仪器仪表学会近红外光谱分会的大力支持下，于2021年成功举办了第二届（2021）近红外纤维定量分析比对试验，以期推动近红外光谱分析技术的发展和应用。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#），五组面料均由中国海关科学技术研究中心工业与消费品安全研究所提供。本次比对试验共有16个机构报名参加，包括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等。在规定期限内有15家实验室反馈了测试结果，1家实验室取消了比对。在15个实验室中，Lab 1、2、3、7、11参加了全部模型比对；Lab 6、8、9、10、12参加了4个模型的比对；Lab 4、5、14、15参加了3个模型比对；Lab16参加1个模型比对。执行标准FZ/T 01144-2018。结果Z比分数图: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。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。

p 　　近红外检测技术日趋成熟，在很多行业有了广泛的应用。对纺织品领域而言，随着FZ/T 01144-2018《纺织品 纤维定量分析 近红外光谱法》的发布和实施，近红外技术的应用也进入了快车道。不过，目前近红外技术在纺织检测领域的应用仍然处在验证和建模研究阶段，使用机构和单位主要是一些大学，研发机构，规模较大的第三方检测机构等，大部分处于探索和尝试阶段，没有真正地用近红外检测技术进行检测并出具检测报告，主要原因还是担心出具的数据不够准确，模型不够稳定，无法鉴别出异常样品等。 /p p 　　因此，为了更好地了解各家单位和机构近红外设备的使用情况，加强各机构之间的互动和交流，推动近红外检测技术在纺织品检测领域更广泛地应用。受中国仪器仪表学会近红外光谱分会的委托，上海英柏检测技术有限公司主办了第一届近红外纤维定量分析的比对试验。 /p p 　　本次比对试验由上海质量监督检验技术研究院纤维检验所作为独立第三方，承担准备比对试验用样品、样品制备、样品邮寄、数据收集、化学法测试安排和数据收集汇总等工作 比对样品的化学法测试结果由上海市质量监督检验技术研究院、绍兴中纺联检验技术服务有限公司、浙江中纺标股份有限公司三家机构进行独立测试并提供数据。 /p p 　　此次共有11家实验室机构参加比对试验，基本涵盖了目前纺织品检测领域有近红外设备且已建立了自有模型的机构。参加本次比对试验的机构(排名不分先后)有：上海纺织集团标准检测有限公司、福建省纤维检验中心晋江检验部、天纺标检测认证股份有限公司、上海天祥质量技术服务有限公司、上海英柏检测技术有限公司、赣州市检科院、广州市纤维产品检测研究院、青岛市产品质量监督检验研究院、深圳市英柏检测技术有限公司、上海冉紫实业有限公司、中山海关技术中心。 /p p 　　本次比对试验参加机构所用到的仪器品牌及型号(排名不分先后)有：JDSU Smarteye 1700便携式近红外分析仪、长沙普测T-NIR、冉紫实业RZNIR 7900、聚光 SupNIR-1520 TM、珀金埃尔默PE 9700、冉紫实业RZNIR 5600、聚光SupNIR-1500、聚光SupNIR-1520 、赛默飞世尔 Antaris II、布鲁克 Tango-R。 /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 450px height: 645px " src=" https://img1.17img.cn/17img/images/202006/uepic/74bf4692-9aa0-4a06-bf43-a3a885806fa5.jpg" title=" 微信图片_20200624100859.png" alt=" 微信图片_20200624100859.png" width=" 450" height=" 645" border=" 0" vspace=" 0" / /p p 　　此次比对试验选择市场上使用比较普遍的三种模型(棉/氨纶，聚酯/氨纶，棉/聚酯)进行，每个模型选择三块样品参与比对。比对试验采用Round Robin Test方式进行。由第三方独立机构先将样品寄给lab1，并告知lab2的地址和联系人，lab1在规定的时间内完成比对试验，并上报结果给第三方独立机构后将样品寄给lab2，以此类推，直至所有的机构都完成比对试验，由最后一家机构将样品寄回第三方独立机构 在比对试验进行中，试样不得破坏。在循环传递的过程中，后一家机构须对寄到的样品进行检查，如果发现样品被损坏，需第一时间告知主办方，同时比对试验终止，此次比对试验宣告失败。 /p p 　　比对测试的数据比对方式是采用近红外方法与传统方法两者的数据进行比较，理论上可以认为，近红外方法的试验数据越接近传统方法的试验数据时，比对结果更优，反之，则比对结果更劣。当然，虽然传统方法的试验数据由三家机构提供，取平均值，但也仍然不排除有偏差的可能性，因此，即使是理论上的推断，仍然建议依据此数据得出的评价结果仅供参考。 /p p 　　比对试验执行标准：FZ/T 01144-2018《纺织品 纤维定量分析 近红外光谱法》 参考值执行标准：GB/T 2910.11纺织品 定量化学分析 第11部分：纤维素纤维与聚酯纤维的混合物(硫酸法)、FZ/T 01057(部分)纺织纤维鉴别试验方法、FZ/T 01095-2002 纺织品 氨纶产品纤维含量的试验方法。 /p p style=" text-align: center " strong 比对试验近红外法试验结果 /strong /p p strong /strong /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 600px height: 150px " src=" https://img1.17img.cn/17img/images/202006/uepic/fe216ded-f19a-4618-81f8-605275fc29f0.jpg" title=" 01.png" alt=" 01.png" width=" 600" height=" 150" border=" 0" vspace=" 0" / /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 600px height: 151px " src=" https://img1.17img.cn/17img/images/202006/uepic/fe4957b4-e092-4865-a9e0-65c497d04ff6.jpg" title=" 02.png" alt=" 02.png" width=" 600" height=" 151" border=" 0" vspace=" 0" / /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 600px height: 168px " src=" https://img1.17img.cn/17img/images/202006/uepic/376e4545-1eab-46f7-86f8-e6e57de959f2.jpg" title=" 03.png" alt=" 03.png" width=" 600" height=" 168" border=" 0" vspace=" 0" / /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 500px height: 169px " src=" https://img1.17img.cn/17img/images/202006/uepic/4c41878c-6bb1-4908-9cdd-71430f289d56.jpg" title=" 04.png" alt=" 04.png" width=" 500" height=" 169" border=" 0" vspace=" 0" / /p p style=" text-align: center " strong 比对试验传统方法试验结果汇总 /strong /p p strong /strong /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 600px height: 139px " src=" https://img1.17img.cn/17img/images/202006/uepic/737deb51-d521-4d5d-8a0c-228b9e9228e9.jpg" title=" 05.png" alt=" 05.png" width=" 600" height=" 139" border=" 0" vspace=" 0" / /p p 　　据介绍，本次比对试验目的在于各机构之间的技术交流，因此对于最终的数据只进行呈现，不对每个实验室的数据进行评价。各机构可根据各自实验室的数据进行对比分析。 /p p 　　不过，虽然不做具体的评价，但是从数据上观察，仍然可以得出一些普遍性结论供大家参考：从数据的一致性和稳定性方面，进一步验证近红外法适用于纺织品纤维定量分析 棉/氨纶，聚酯/氨纶的近红外方法的数据与传统方法的数据差异较小，且大部分机构间的数据一致性较好 在这三个模型上，不同品牌和型号的仪器都有可能得到较好的测试结果，相同品牌和型号的仪器也可能得出一致性较差的测试结果，说明检测设备在满足基本参数条件下，更多地取决于建模样品的选取，建模过程的控制，建模方法的选择。 /p p br/ /p

p 　　 span style=" font-family: 楷体,楷体_GB2312,SimKai " strong 随感： /strong “我与近红外的故事”征文近一年了，看过许多老师情真意切的表达，真是把乐趣融入到了近红外的研究与应用之中，也更加深切地感受到同行们对国内近红外发展的使命感和责任感。而自己与近红外的故事，几次动笔却都没能写下几个字。时间肯定不是借口，惰性真是害人啊。好在拖到春节，总算能静下心来了。就像与近红外的相遇相知，既是机缘巧合，更是某种必然吧。 /span /p p 　　初识近红外，都是博士毕业一年以后的事了。那时已经在香港理工大学周福添教授课题组从事博士后研究一年多了，主要方向还是老本行-化学计量学基础算法研究，解决中药和代谢组学等复杂体系分析中的数据处理问题，从GC-MS，LC-MS到中药指纹与药物活性关系。一次Daniel MOK博士找到我，询问是否有意愿到陈新滋院士课题组从事中药质量分析与鉴别方面的工作，陈院士那时是理大副校长(后任香港浸会大学校长，现受聘中山大学教授、学委会主任)，研究组的条件与学术水准自不必说，就这样幸运地开始了近二年的近红外数据分析之旅。 /p p 　　对香港熟悉的朋友一定对其大街小巷的名贵中药材印象深刻，尤其是弥墩道，应该是内地赴港旅游人士的必经之地吧，一是去旺角购买电子产品的旅游大巴必定经过这里，另一方面则是这条大道两旁大大小小的中药材店。记得第一次见到时，很是疑惑哪来的那么多冬虫夏草、燕窝和野生人参?说回到陈院士负责的这个研究课题，由香港赛马会中药研究院提供500万研究经费，对包括上述中药，以及石斛、灵芝、阿胶等在内的30味名贵中药材进行质量鉴别分析和研究，目的是帮助那些大街小巷的药材经销店铺，中间批发商，甚至普通消费者，以快速、经济、简便的方法识别药材真假，甚至质量等级。这些药材大多价格不菲，若能够有效识别真假，其商用价值可想而知!顺便一提，香港赛马会中药研究院很多年前已经解散，个中原因无法深究，但在目前国家大力践行中医药研究开发与应用的今天，这也算是一件憾事吧，包括设想中的香港国际中医药中心。 /p p 　　说到这里，近红外分析可以派上用场了!无论是十年前，还是十年后的今天，应没有什么分析技术比近红外更适合完成这项使命，综合考虑时间效率、分析成本，亦或是平衡多重因素影响下定性定量分析结果的准确性!记得当时我们使用的是FOSS公司的XDS快速含量分析仪(Type XM 1100 Series)，以及Polychromix手持式近红外分析仪(Model: 1600-2400)。由于项目定位于实际应用，需要适应不同场合下的快速分析，对数据分析本身的要求同样也是比较高的，比如涉及模型传递，尽可能简化数据分析的过程及对使用者的要求，亦确保结果的准确可靠性。基于此编写了功能完备的近红外数据分析软件系统，一站式地完成近红外数据分析的完整流程，从各种各样的预处理方法到特征选择，再到定性定量模型的构建、评价与验证预测，以及模型传递等。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201706/insimg/137c0a6d-7548-46ef-beea-f984cce33ba7.jpg" title=" 2_副本.jpg" / /p p style=" text-align: center " 中药质量分析与鉴别项目中用到的近红外分析仪 (图1和图2)。 /p p 　　说实在的，那时对化学计量学的多元校正方法并不是特别熟悉，我的整个硕士和博士研究，都是多元分辨方向，也就是如何从中药和烟草等复杂体系分析的联用仪器数据中，发展“数学分离”的方法，获取化学纯组分的定性定量信息，即纯组分的光谱和色谱信息。幸运的是，得益于在梁逸曾教授研究组六年时间里耳濡目染的学习，比如许青松教授对统计分析的讲解，杜一平教授的QSAR研究等等，使得我无论对复杂数据的理解，还是化学计量学方法的应用与发展，都有足够基础支持我去解决近红外数据分析中遇到的各种问题。在香港的几年时间里，梁教授每年也都会利用假期去香港一段时间，与香港同行合作交流化学计量学及其应用方面的成果，更是继续指导我解决研究中遇到的实际难题。每每想到这些，总会浮现与恩师相处过程中的点点滴滴。至于上面提到的中药质量分析研究项目，我们对包括阿胶、珍珠、川贝母、藏红花、黄连在内的多味中药进行了深入分析研究，获得了非常不错的结果，陈院士对此也给予了很高的评价。很清楚地记得因此第一次上了电视新闻，是香港亚洲卫视针对我们使用近红外分析技术，如何快速识别真假中药，及其质量等级的采访报道。当然，这些研究很多也是和理工大学的同事，以及杨大坚教授(现任重庆市中药研究院院长)、董玮玮博士等一起完成的，我主要负责数据分析，以及数据软件产品开发与实现方面的工作。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201706/insimg/ac0a45a1-23c7-43bf-8467-f0cb1a6ccb8d.jpg" title=" 3_副本.jpg" / /p p style=" text-align: center " 中药质量分析与鉴别项目交流会 (图3)，及与日本Yukihiro Ozaki教授交流(图4)。 /p p 　　离开香港后，很长一段时间内都没有与近红外分析有直接的关联。先是在Philip Marriott 教授课题组做research fellow，从事全二维色谱数据分析方面的工作，主要方向是全二维分离的模拟、预测，以及化学计量学新方法的发展。2012年回国后则作为引进人才，在中科院大连化物所许国旺教授研究组，从事代谢组学数据分析与高分辨LC-MSn数据处理新算法的研究等。看似这些工作与近红外分析不怎么挨着边，但老实说，同其他研究一样，数据分析也是一通百通的事!数据来源与数据结构可能不一样，数据背景与数据分析结果，以及数据处理方法亦可能存在差别，但数据分析的本质却是高度一致的，无论是色谱分离的模拟，亦或是代谢小分子标志物的发现!从这个意义上来说，也算是一直在这个圈子吧。 /p p 　　近红外技术的发展，面临非常多的机会，无论从国内快检还是工业智能化的需要来看，还是从国外近红外发展的轨迹来看。然而近红外分析更广阔的应用，仍有一系列需要解决的难题，这其中当然包括仪器硬件的小型化、便携式，以及智能化与场景化。但从数据及数据分析的角度来说，快速、准确的模型构建，模型的通用性、更新及转换等仍是需要加以研究的内容。基于此，离开化物所后创办的大连达硕信息技术有限公司，第一个数据产品“魔力”，便专注近红外数据的分析，这也算是真正走在了近红外技术与数据分析的商业应用之路上。希望能够以智慧化、便捷化的方式，分析挖掘科学研究与工业应用中的海量数据。无论对于近红外分析的初入者，还是有了相当经验的人员，一旦采集到数据，便能快速得到好用的模型及结果，这也是目前非常欠缺的，主要原因就在于近红外数据分析的过程长，可变因素多，涉及的算法也很多，传统上要快速得到一个好用的模型并不容易。尽管大多数研究者并没有把数据分析提升到特别核心的位置，但其价值显而易见，甚至在某些方面可与硬件本身相得益彰，弥补硬件的物理劣势! /p p 　　另一方面，近红外分析以其简单方便的前处理，加上非常快速的数据采集方式，使得数据的获取，甚至大数据的积累顺理成章。然而即使对同一组数据，不同的研究者亦极有可能得到完全不同，甚至相反的分析结果或结论，即使在固定分析方法的情况下!这是一个容易被忽视，却又至关重要的问题，否则不管如何将近红外分析的硬件评价，以及实验测试全过程标准化，也无法得到可相互比较的结果。数据“横看成岭侧成峰”的魅力，不应是由于数据分析方法或人员的不同导致，而是数据背景的属性差异或者数据分析目的的不同产生。基于此，我们也正采用近红外数据分析的通用准则，使用粒子群等最优化的方法，开发全新的近红外数据分析软件产品，自动优选数据分析算法，以及方法的使用顺序，并全局优化方法的参数。这样我们获得数据后，只需按照标准化的流程一步一步走，便可获得最优的数据分析模型与模型结果。从而使得近红外数据的分析，如同实验分析一样，结果的重现性与可比性也就不再是个问题。避免像现在这样，往往是漫无目的的数据探索，耗费漫长时间也不一定能得到合适好用的模型!这无论在研究中，还是在工业生产中，都是需要花大力气迎接的挑战。在这一过程中，得到了袁洪福教授、吴海龙教授、邵学广教授、杜一平教授、褚小立教授、闵顺耕教授等诸多老师的大力支持与帮助。从老师们关切的眼神中，能读懂那份殷殷之情，也唯有努力做点事情，为国内近红外的发展做些有益的工作，方不负此情。 /p p 　　近红外分析能做的事情很多，近红外数据分析如是，尤其站在移动互联时代，站在大数据分析挖掘的视角与高度。近红外有其自身特有的巨大优势-本身就是物联网中的一个绝佳传感器!从这个意义上来说，近红外分析代表着某种未来，只是通往未来的路上，还需要我辈站在前辈的肩膀上，不断付出智慧和汗水。 /p p 　　“师者也，教之以事而喻诸德也。”，数据分析之路上，深深地烙上了梁逸曾教授的影响。亦师亦友者，感恩、深切缅怀您。 /p p style=" text-align: right " span style=" font-family: 楷体,楷体_GB2312,SimKai " 　　2017年1月30日于浙江西湖 /span /p p 　　 strong 个人简介 /strong /p p /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201706/insimg/e1424397-960a-4e21-a206-9245429e6328.jpg" title=" 1_副本.jpg" / /p p 　　曾仲大，男，博士，现任大连达硕信息技术有限公司总经理。 /p p 　　曾博士师承梁逸曾教授，2006年获得工学博士学位，主要从事化学计量学基础算法研究，以及色、质、光谱等分析技术在制药、烟草和代谢组学等复杂体系分析中的应用及其数据分析挖掘等。近年来在大数据的分析与应用方面亦有涉猎。 /p p 　　曾博士先后工作于香港理工大学、澳洲RMIT大学、Monash大学，以及中国科学院大连化学物理研究所。迄今已发表SCI论文40余篇，在2013-2016近三年时间里，以第一作者或合作者在美国分析化学杂志发表7篇研究论文，同时获邀为TrAC等权威期刊撰写化学计量学及化学数据分析处理方面的综述。 /p p 　　曾博士曾获得中国科学院大连化学物理研究所“所百人”引进人才计划，大连“海创工程”计划、高层次人才创新创业支持计划、新兴技术创新成长计划，以及国家人社部高层次海归人才创业计划的支持。公司主要提供复杂化学与生物数据分析服务，数据挖掘软件产品开发，以及个性化数据应用的整体解决方案。 /p p 　　 strong 人生格言： /strong 有志者，事竟成。 /p