-
题名基于近红外光谱和多特征网络的羊毛和羊绒定量检测
- 1
-
-
作者
朱耀麟
李政
张强
陈鑫
陈锦妮
张洪松
-
机构
西安工程大学电子信息学院
河北省产品质量监督检验研究院
上海冉紫实业有限公司
-
出处
《纺织学报》
北大核心
2025年第9期104-111,共8页
-
基金
榆林市科技局项目(YIKG-2023-04)
榆林市科技局2024年产学研项目(2024-CXY-159)
陕西省市场监督管理局2025年度省局重点科技研发项目(2025ZDKY01)。
-
文摘
在不同废旧纺织品中当羊绒或羊毛含量差异较小的情况下,传统检测模型在识别羊绒和羊毛含量时准确率和精度方面表现不佳。为解决这个问题,提出了一种基于近红外光谱和多特征网络的羊绒及羊毛定量检测方法。利用深度学习对羊绒、羊毛的近红外光谱进行分析,通过卷积神经网络(CNN)和长短时记忆网络(LSTM)提取光谱数据的特征吸收峰,同时结合多层感知机(MLP)进行纤维混合含量的定量检测。模型的“黑盒”特征提取过程中,通过卷积层和门控序列,不仅可以提取光谱中的单一波长,还能自动捕捉光谱数据中的连续吸收峰,显著提高了模型的识别精度和准确率,避免了人为特征选择的主观性和复杂性,且发现了人工可能忽略的吸收峰间的时序关系。实验结果表明,该模型在羊绒和羊毛含量检测中的R^(2)值可达(0.9458±0.0295)。该方法能够通过自动学习数据中的关键特征,有效提升传统回归模型的检测性能。
-
关键词
深度学习
近红外光谱
卷积神经网络
长短时记忆网络
定量检测
羊绒
羊毛
-
Keywords
deep learning
near-infrared spectroscopy
convolutional neural network
long short-term memory
quantitative detection
cashmere
wool
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
