本發(fā)明涉及材料檢測，具體為一種紡織品中季銨鹽提取液光譜圖辨識方法及系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代紡織品的生產(chǎn)和應(yīng)用中，季銨鹽作為一種重要的化學添加劑，廣泛應(yīng)用于紡織品的整理和功能化處理。這些季銨鹽不僅能夠賦予紡織品良好的抗靜電性、柔軟性和抗皺性，還能改善織物的手感和舒適度。然而，隨著對環(huán)境和人體健康關(guān)注的增加，季銨鹽的使用受到了一定的限制。過量或誤用的季銨鹽可能導(dǎo)致環(huán)境污染和對皮膚的潛在刺激。

2、傳統(tǒng)的季銨鹽檢測方法，通常依賴于化學分析手段，如酸堿滴定法、色譜法等，但操作復(fù)雜、耗時長，且需要專業(yè)的實驗室設(shè)備和經(jīng)驗豐富的技術(shù)人員。此外，這些方法難以實現(xiàn)現(xiàn)場快速檢測，限制了其在大規(guī)模紡織品生產(chǎn)和質(zhì)量控制中的應(yīng)用。而通過光譜對季銨鹽檢測方法可以快速對樣本中的季銨鹽進行檢測，如近紅外光譜、拉曼光譜等，但通過光譜檢測方法中，紡織品中的如染色或復(fù)雜基質(zhì)會在不同波段對檢測光譜造成影響，導(dǎo)致對季銨鹽的檢測存在誤判，因此確定光譜中季銨鹽特征的強表達波段，是非常必要的。此外，近紅外光譜、拉曼光譜等雖然快速且適合在線監(jiān)測，但在低濃度檢測和復(fù)雜樣品分析時復(fù)雜基質(zhì)中也能提供有效的信息，使得季銨鹽的信息被淡化，同時無法準確獲取紡織品中季銨鹽的濃度數(shù)據(jù)。因此，如何快速、準確地檢測和評估紡織品中季銨鹽的含量，成為紡織行業(yè)亟待解決的技術(shù)問題。

3、現(xiàn)有技術(shù)中的，公開號為cn116257776a公開了基于相似性匹配的紅外光譜圖辨識方法及裝置，該方法包括：在待識別物質(zhì)的待識別紅外光譜圖中提取第一特征峰，在基礎(chǔ)樣本庫中的多個樣本物質(zhì)的樣本紅外光譜圖中提取第二特征峰；根據(jù)第一特征峰的峰位和第二特征峰的峰位，進行相似性匹配操作，在多個樣本紅外光譜圖中確定至少一個候選紅外光譜圖；根據(jù)待識別紅外光譜圖與至少一個候選紅外光譜圖之間的峰位匹配度、第三特征峰的峰值區(qū)間以及第一特征峰的峰值區(qū)間，對待識別紅外光譜圖和候選紅外光譜圖進行相似性匹配操作，在至少一個候選紅外光譜圖中確定目標紅外光譜圖；根據(jù)目標紅外光譜，獲取待識別紅外光譜圖的辨識結(jié)果。若將此方法用于紡織品中季銨鹽的檢測，由于未考慮復(fù)雜基質(zhì)提供有效的信息的情況，導(dǎo)致相似性匹配操作存在較大誤差。同時需要準備海量的對比模版庫，需要大量的計算資源。因此使得檢測方法的實時性、有效性降低。

4、在所述背景技術(shù)部分公開的上述信息僅用于加強對本公開的背景的理解，因此它可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種紡織品中季銨鹽提取液光譜圖辨識方法及系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種紡織品中季銨鹽提取液光譜圖辨識方法，具體步驟包括：

4、獲取與待檢測紡織品種類相同的若干個紡織品樣本，其包括不含季銨鹽的參照樣本、含不同濃度季銨鹽的對照樣本，提取各紡織品的季銨鹽以制成對應(yīng)的提取液，并采集各提取液的拉曼光譜圖像；

5、按照相同劃分標準將各拉曼光譜圖像均劃分為若干子波段區(qū)域，并提取各子波段區(qū)域的光譜圖像特征數(shù)據(jù)，計算各對照樣本與參照樣本在同一子波段區(qū)域下的相似度，并基于相似度分布狀況，確定各波段區(qū)域的權(quán)重系數(shù)；

6、計算待檢測紡織品與參照樣本在同一子波段區(qū)域下的相似度，并結(jié)合權(quán)重系數(shù)，生成用于判斷兩者相似程度的判斷相似度；

7、設(shè)置相應(yīng)的相似度閾值，將判斷相似度與相似度閾值進行對比，若判斷相似度小于相似度閾值，則判斷待檢測的紡織品中不含有季銨鹽，否則采集待檢測的提取液的傅里葉變換紅外光譜；

8、將得到的傅里葉變換紅外光譜通過預(yù)先訓練完成的季銨鹽濃度預(yù)測模型中，季銨鹽濃度預(yù)測模型基于輸入的圖像輸出對應(yīng)的季銨鹽濃度預(yù)測值，確定待檢測的紡織品的季銨鹽濃度。

9、進一步地，提取各紡織品的季銨鹽以制成對應(yīng)的提取液具體所依據(jù)的邏輯為：確定提取條件，將采集的紡織品放入提取溶劑中進行季銨鹽的提取，制成提取液，所述確定提取條件包括提取溶劑成分和提取時間，通過確定的提取條件，制成提取液。

10、進一步地，提取對應(yīng)子波段區(qū)域內(nèi)光譜圖像特征數(shù)據(jù)，計算子波段區(qū)域內(nèi)圖像的相似度，其中對應(yīng)子波段區(qū)域內(nèi)光譜圖像特征數(shù)據(jù)包括特征峰的寬度、相鄰特征峰間距，特征峰峰值及對應(yīng)波長，所述子波段區(qū)域內(nèi)至少包含一個完整的特征峰；

11、其中計算子波段區(qū)域內(nèi)圖像的相似度，具體所依據(jù)的公式為：

12、；

13、式中，為參照樣本和第q個對照樣本在第i個子波段區(qū)域的相似度，為參照樣本和第q個對照樣本在第i個子波段區(qū)域內(nèi)的峰值相似度，為第q個對照樣本在第i個子波段區(qū)域內(nèi)，波長為j處對應(yīng)處的信號強度，為參照樣本在第i個子波段區(qū)域內(nèi)，波長為j處對應(yīng)處的信號強度，其中i為子波段區(qū)域的索引，，為子波段區(qū)域的總數(shù)，j為在子波段區(qū)域內(nèi)的波長值，，為子波段區(qū)域內(nèi)的起始波長，為子波段區(qū)域內(nèi)的截止波長，其中q為對照樣本的索引，，q為對照樣本的總個數(shù)。

14、進一步地，第i個子波段區(qū)域峰值相似度具體計算所依據(jù)的公式為：

15、；

16、式中，為第q個對照樣本在第i個子波段區(qū)域內(nèi)，第p個特征峰的峰值，為參照樣本在第i個子波段區(qū)域內(nèi)第p個特征峰的峰值，為第q個對照樣本在第i個子波段區(qū)域內(nèi)，相鄰特征峰間距均值，為參照樣本的拉曼光譜，在第i個子波段區(qū)域內(nèi)，相鄰特征峰間距均值，為第q個濃度的季銨鹽對照樣本的拉曼光譜，在第i個子波段區(qū)域內(nèi)，第p個特征峰的峰值點對應(yīng)波長，為參照樣本的拉曼光譜，在第i個子波段區(qū)域內(nèi)，第p個特征峰的峰值點對應(yīng)波長，其中p為子波段區(qū)域內(nèi)，特征峰的索引，，m為在子波段區(qū)域中的特征峰數(shù)量。

17、進一步地，基于相似度分布狀況，確定各波段區(qū)域的權(quán)重系數(shù)；其中計算各波段區(qū)域的權(quán)重系數(shù)所依據(jù)的具體公式為：

18、；

19、式中，為第i個子波段的權(quán)重系數(shù)，由此得到各子波段的權(quán)重系數(shù)具體為，為第q個和第b個的對照樣本，在第i個子波段的相似度方差，和分別為第q個對照樣本和第b個對照樣本中季銨鹽的濃度值，其中b為對照樣本的索引，且；表示從q個對照樣本中選擇2個的組合數(shù)。

20、第q個和第b個的對照樣本，在第i個子波段的相似度方差計算所依據(jù)的公式為：

21、；

22、式中，為第q個和第b個的對照樣本，在第i個子波段內(nèi)平均相似度，為第a個對照樣本在第i個子波段的相似度，a為對照樣本的索引，。

23、進一步地，計算待檢測紡織品與參照樣本在同一子波段區(qū)域下的相似度，并結(jié)合權(quán)重系數(shù)，生成用于判斷兩者相似程度的判斷相似度，其中判斷相似度計算所依據(jù)的公式為：

24、；

25、式中，為待檢測紡織品的判斷相似度，為待檢測紡織品在第i個子波段區(qū)域內(nèi)的圖像相似度；

26、設(shè)置相應(yīng)的相似度閾值，將判斷相似度與相似度閾值進行對比，其中具體的判斷邏輯為：

27、當時，判斷為待檢測紡織品不存在季銨鹽；

28、當時，判斷待檢測紡織品含有季銨鹽，采集傅里葉變換紅外光譜進行分析；

29、其中為相似度閾值。

30、進一步地，所述季銨鹽濃度預(yù)測模型基于卷積神經(jīng)網(wǎng)絡(luò)建立，其中所述卷積神經(jīng)網(wǎng)絡(luò)，由輸入層、卷積層、池化層、全連接層和輸出層組成，其中卷積層中的激活函數(shù)為函數(shù)，函數(shù)的具體表達式為：

31、；

32、其中，表示第個對應(yīng)的卷積層，則表示第個對應(yīng)的卷積層中第個特征圖的第個特征值；

33、對于全連接層，設(shè)置全連接層神經(jīng)元數(shù)量為32，初始神經(jīng)網(wǎng)絡(luò)學習率設(shè)為0.001，訓練輪數(shù)為100；

34、其中季銨鹽濃度預(yù)測模型的訓練步驟具體為：采集若干已知季銨鹽濃度的傅里葉變換紅外光譜，對傅里葉變換紅外光譜進行預(yù)處理后，輸入季銨鹽濃度預(yù)測模型中，以光譜圖像對應(yīng)的季銨鹽濃度為標簽，對預(yù)測模型進行訓練。

35、本發(fā)明還提供一種紡織品中季銨鹽提取液光譜圖辨識系統(tǒng)，所述一種紡織品中季銨鹽提取液光譜圖辨識系統(tǒng)用于執(zhí)行上述一種紡織品中季銨鹽提取液光譜圖辨識方法，包括：

36、提取方法確定模塊，用于獲取與待檢測紡織品種類相同的若干個紡織品樣本，其包括不含季銨鹽的參照樣本、含不同濃度季銨鹽的對照樣本，提取各紡織品的季銨鹽以制成對應(yīng)的提取液，并采集各提取液的拉曼光譜圖像；

37、圖像特征表征模塊，用于按照相同劃分標準將各拉曼光譜圖像均劃分為若干子波段區(qū)域，并提取各子波段區(qū)域的光譜圖像特征數(shù)據(jù)，計算各對照樣本與參照樣本在同一子波段區(qū)域下的相似度，并基于相似度分布狀況，確定各波段區(qū)域的權(quán)重系數(shù)；

38、權(quán)重分析表征模塊，用于計算待檢測紡織品與參照樣本在同一子波段區(qū)域下的相似度，并結(jié)合權(quán)重系數(shù)，生成用于判斷兩者相似程度的判斷相似度；

39、一級分類判斷模塊，用于設(shè)置相應(yīng)的相似度閾值，將判斷相似度與相似度閾值進行對比，若判斷相似度小于相似度閾值，則判斷待檢測的紡織品中不含有季銨鹽，否則采集待檢測的提取液的傅里葉變換紅外光譜；

40、季銨鹽濃度預(yù)測模塊，用于將得到的傅里葉變換紅外光譜通過預(yù)先訓練完成的季銨鹽濃度預(yù)測模型中，季銨鹽濃度預(yù)測模型基于輸入的圖像輸出對應(yīng)的季銨鹽濃度預(yù)測值，確定待檢測的紡織品的季銨鹽濃度。

41、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

42、首先，該方法大幅提升了季銨鹽的檢測效率。傳統(tǒng)的檢測技術(shù)通常需要復(fù)雜的化學試劑和漫長的實驗步驟，而本方法通過拉曼光譜技術(shù)實現(xiàn)了快速、無損的檢測。通過拉曼光譜可快速檢測季銨鹽是否存在，若存在再通過傅里葉變換紅外光譜確定濃度，由于傅里葉變換紅外光譜獲取較復(fù)雜，因此通過拉曼光譜檢測的前置步驟，進行一級分類，篩選出需要繼續(xù)分析的樣本，有效節(jié)省了計算資源。通過這種高效性使得在生產(chǎn)過程中可以進行實時監(jiān)控，有效避免了因季銨鹽超標而導(dǎo)致的產(chǎn)品質(zhì)量問題，為紡織品生產(chǎn)提供了及時反饋。

43、其次，方法的準確性與可靠性得到了顯著提高。通過將不同濃度的季銨鹽樣本進行系統(tǒng)分析，并提取光譜特征數(shù)據(jù)，能夠有效建立起濃度與光譜特征之間的定量關(guān)系。這種基于數(shù)據(jù)的模型不僅提升了測量的準確度，還減少了人為操作帶來的誤差，從而增強了檢測結(jié)果的可信度。同時利用相似度閾值和權(quán)重系數(shù)的設(shè)定，可以避免復(fù)雜基質(zhì)的干擾，確保其在各種條件下都能保持良好的檢測性能。