近红外光谱技术在织物智能洗护领域的应用与思考

王家宝 吴雄英 丁雪梅

1.东华大学服装与艺术设计学院 上海 200051；2.现代服装设计与技术教育部重点实验室（东华大学） 上海 200051；3.上海海关 上海 200135

1 引言

洗衣机行业的技术发展核心是节能节水、智能化、网络化。智能洗护领域要从智能感知、智能操作和智能网络三个方面发展。能否将复杂程序的洗衣机智能化，使其能够自动识别衣物材质和污渍，让用户能够“傻瓜式”操作洗衣机，是未来技术突破的关键点[1]。

目前，几乎所有的洗衣机都不具有自动识别织物成分的功能，用户只能选择洗衣机面板上设定好的程序进行洗涤，如羊毛、化纤、真丝、衬衫、羽绒服等。而衣物材质有单一组分，也有多组分，甚至有的是新型纤维，普通消费者很难通过有限设定的程序指导洗护操作。一些商家也推出了自动识别织物材质的技术：（1）通过织物吸水率不同判断织物成分；（2）通过图像传感器采集织物图像与数据库匹配判断织物成分；（3）通过内置的重量传感器称重粗略判断织物纤维成分[2]；（4）通过在洗衣机上安装或外接信息识别器准确读取衣物中内置RFID标签上包含的织物纤维类型及颜色等信息[3]。前三种方法都是模糊判断，容易判断错误从而导致衣物的损坏，并且在节能节水方面也没有优势。第四种方法通过RFID标签可以准确获得衣物材质、颜色等相关信息，但需提前录入织物护理信息，有一定的制作成本，且标签是否可多次洗涤并辨识等还存在技术难题。

近些年光谱技术在织物成分的检测上发展迅速，近红外光谱具有较强的穿透能力，织物纤维多由高聚物组成，不同高聚物含有不同的基团，不同基团有不同能级，对近红外光的吸收波长有明显差别，从而获取纤维成分及含量的有效信息。近红外光谱技术具有快速、无损、环保、准确等优势，可应用于织物成分的定性及定量分析，但需要前期进行大量的实验建模环节，灵敏度的提高也是通过多次检测以及优化建模加以改善，适用于长期投入使用的过程中。本文对近红外光谱技术在织物智能洗护领域的应用场景进行总结和分析。

2 近红外光谱技术

近红外光谱（NIR）是介于可见光（Vis）和中红外（MIR）之间的电磁辐射波，一般指波长为780～2526 nm的区域[4]，是人们在吸收光谱中发现的第一个非可见光区。

近红外光谱分析技术主要利用含氢基团（C-H、N-H和O-H等化学键）的合频和倍频吸收，从而进行不同化学组成成分的鉴别，已广泛应用于农业、食品、药物分析等领域[5]。

近红外光谱技术对织物成分定性及定量分析，首先要采集一定数量样品的近红外光谱，对光谱数据进行预处理，常见的预处理方法有微分、均值中心化、多元散射校正等，然后选择合适的化学计量学方法[6]（如偏最小二乘法、人工神经网络、多元线性回归等）和建模波长建立校正模型，最后利用验证集对模型进行验证、评价和优化。

3 近红外光谱技术在织物智能洗护领域的应用

近红外光谱技术可用来进行化学物质的定量分析，测定化学参数和物理参数，获取关于颗粒样品的更多内部信息，所以在织物智能洗护的应用领域提出了针对衣物污渍识别以及滚筒内部和衣物上细菌识别的可行性。

在智能洗护领域的应用方面，2019年3月，博世家电发布了一款创新产品X-Spect[7]，将便携式近红外光谱技术与洗护设备结合，实现日常家居生活场景的使用。X-Spect可以通过智能扫描识别衣物材质和污渍类型，将数据发送到云端，并通过强大的数据分析能力选取一种合适的洗涤方案，最后反馈给搭载“家居互联”功能的洗衣机，实现衣物洗涤的定制化。

3.1 织物成分识别

不同纤维成分衣物需要不同的洗涤护理方法，如棉织物可用各种洗涤剂，适合在水温40～50℃时洗涤，最佳烘干温度为110℃；羊毛织物不耐碱，应选用中性洗涤剂，洗涤温度不超过40℃；化纤类衣物水洗温度不宜超过45℃，应低温蒸汽熨烫。目前，大多数洗衣机、干衣机和蒸汽熨斗可以针对不同衣物材质调节参数进行合理的护理，如何正确识别织物成分是重中之重。通过对服装市场男装、高档女装及婴幼儿服装洗护标签的调研结果得知，这些服装面料的主要纤维成分有5种以上，棉纤维在各类服装中应用最多，且大多数服装所用面料为混纺面料，导致消费者难以自行判断衣物材质[8-10]。

在织物成分的定性识别方面，季惠等使用SIMCA方法建立模型，优化光谱预处理方法，实现了对棉、涤纶、锦纶、羊毛的纯纺纺织品识别率达到90%以上[11]；王彩虹等采集了5种羊毛混纺面料的近红外光谱，通过归一化预处理后利用支持向量机算法进行分类建模，结果表明，训练集整体分类准确率达到100%，验证集整体分类准确率为94.87%[12-14]；杨欣卉等利用偏最小二乘法建立了棉涤氨三组分混纺织物纤维成分含量定量分析的预测模型[15]。

在织物成分的定量鉴别方面，Li L等对56份不同棉、涤纶含量的样品进行了近红外光谱分析，并建立了基于郎伯-比尔定律的多元线性回归（MLR）模型和基于小波变换（WT）的BP神经网络模型。结果表明，基于BP神经网络的近红外光谱分析方法可用于纺织纤维的定量分析[16]；Jiang W等通过SIMCA方法和偏最小二乘法对六种植物纤维进行建模分类，结果表明，对苎麻纤维、松木纤维、桉木纤维、乌桕纤维、亚麻纤维和莲花纤维等六种不同类别的植物纤维鉴别率达到94%，说明该方法可以用于对不同植物纤维高精度快速的定量分析[17]。

未来，在洗衣机、干衣机以及蒸汽熨斗中内置微型近红外光谱仪，可以通过从衣物本身探测到的光谱信息，与光谱库中的模型进行匹配识别出衣物材质，发送到后台云数据库中查询对应的洗护程序，实现自动化的洗护过程，为消费者带来便利。

3.2 污渍识别

消费者比较关注洗衣机的洗净性能，将衣物洗干净也是洗衣类产品的基本功能。洗涤温度、时间、水量以及洗涤剂种类都显著影响洗净率，可以通过识别污渍成分调节洗涤参数，在衣物不受损伤的情况下达到精准去污的目的。

K.A. Bunding Lee等比较了近红外光谱技术与比色计对织物污渍的判别，结果表明近红外光谱技术能够很好地识别脂肪类污渍，以及棉织物上的草渍、油类物质，对巧克力、化妆品、咖啡和皮脂的判别具有可行性但样品数量不够丰富[18]；José F.Q. Pereira等利用手持式近红外光谱仪，通过SIMCA方法建模以及偏最小二乘法判别分析，对不同基质材料上的人血、动物血、红色唇膏、辣椒酱、酱油、红酒等红色污渍进行分类识别，结果表明近红外光谱技术可以用于识别不同材质上的血迹，但是对于不同材质上的血迹其敏感性会有不同[19]。

这些学者的研究结果显示，近红外光谱技术识别不同衣物材质上的污渍是具有可行性的。衣物污渍一般含有水分、油脂、蛋白质、糖分等，通过对这些成分的种类和含量进行鉴别，可判断污渍的种类，从而选择合适的洗涤方式。

3.3 细菌识别

奥维云网[20]发布的2020年第一季度中国洗衣机市场总结报告中指出，在疫情作用下，消费者的健康意识快速提高，对洗衣机除菌抗菌功能的关注提升。洗衣机由于本身的结构问题，很多部位容易残留织物碎屑、洗涤剂等，时间久了也会发霉生锈或滋生细菌，间接对人体健康造成危害。在GB 21551.5-2010《家用和类似用途电器的抗菌、除菌、净化功能 洗衣机的特殊要求》标准中测试的细菌主要为金黄色葡萄球菌和大肠杆菌。

Pin Wang等提出了近红外漫反射光谱技术，使用漫反射模型分析经光谱解析的数据，以提取局部光学特性，包括降低的散射系数和吸收系数，不同波长的光学特性形成特征集，基于粒子群优化的支持向量机用于对七种细菌进行分类，证明利用光学特性对病原菌进行快速无创分类的方法是可行的[21]；马凯旋等利用近红外光谱技术对大肠埃希氏菌、金黄色葡萄球菌和单增李斯特菌三种致病菌进行鉴别，结果表明对样品的前处理统一的情况下，能够提高致病菌鉴别的准确度[22]。

3.4 织物中染料识别

消费者对家庭洗涤中衣物的掉色、褪色和串色等问题比较关注。这一系列的问题与衣物的染料有直接关系。天然染料在衣物上的附着能力低，染色工艺复杂，色牢度较差；合成染料容易上染，染色工艺大大简化，但在洗涤过程中易水解释放出染料，对其他织物上染，造成串色现象[23]。染料脱附的主要原因与染料和纤维间的共价键的水解有关，而染料和纤维间的共价键水解与水质、洗涤剂成分、温度、溶解氧、紫外线辐射等有关[24]。选择合适的洗涤剂、护色剂及洗涤参数可以有效避免褪色、串色等现象的出现。消费者自身难以识别衣物染料成分，国内外一些学者利用近红外光谱技术成功识别附着在织物上的染料种类。

Mingxia Li等利用近红外光谱技术，结合三种模式识别方法，即SIMCA、偏最小二乘法（PLS）和主成分分析法（PCR），用于识别植物染料和化学染料染色的棉织物，结果表明，校准集和预测集的识别准确率分别为100%和98.55%，近红外光谱技术可以应用于植物染色棉织物和化学染色棉织物的快速无损识别。Cubillas等通过运用光纤传感器技术评估吸收光谱，结合主成分分析法与K-均值聚类分析方法将不同染料配方分成七组，从而可以帮助鉴定具有相似吸收光谱的染料，识别出纺织品染料的颜色[25]。

4 存在问题及思考

近些年，近红外光谱技术在织物成分识别上的应用发展迅速，但还处于探索阶段，存在一定的局限性。

4.1 近红外光谱应用研究中存在的问题

（1）缺乏建立光谱库的大量样本和判定标准

王京力等利用计算机技术统计了理论上进行近红外光谱建模所需要的样品数量，假设常用的23种纤维并考虑最大5种纤维成分，将每组纤维组成按5%间隔建立模型，需要139311667个样品数据点[26]。大部分样品从市面上收集不到，需要专业制作。

因此，除了建库外，一项新技术的发展需要标准的引领来实现规范化的操作。目前已经有许多已制定的近红外快速检测纺织品原料组分行业标准和国家标准。在材质识别方面，有FZ/T 01057.8-2012《纺织纤维鉴别试验方法 第八部分：红外光谱法》[27]和GB/T 30666-2014《纺织品 涂层鉴别试验方法》[28]等标准；在定量检测方面，有FZ/T 01144-2018《纺织品 纤维定量分析 近红外光谱法》[29]。目前，标准中的检测方法存在对实验环境要求严苛，试样制备时间长且对纤维有破坏性，不同型号的仪器检测得到的红外光谱图会有差异等不足，需要更完善的标准体系对这些问题进行指导。

（2）分析结果受较多因素影响

某些深色染料引起的吸光度远大于纤维本身的吸光度，需要经过剥色处理后才能进行检测；正反面不同组织结构的复合织物无法准确预测其成分含量[30]；包芯纱、含有夹芯层的复合织物等[31]需要粉碎后检测才能得到较好的预测效果。

（3）检测环境要求严格

高温高湿环境不适合进行检测，温度变化导致空气的相对湿度发生变化，而光路中的水蒸气会吸收光源中的一部分能量，在光谱图中出现吸收峰，影响判定结果。

（4）模型转移问题

由于不同厂家制造的仪器其光源、分光系统、测样器件、检测器和数据处理分析系统都有很大不同，导致已有模型不能在不同仪器间实现数据平移，而在不同仪器上重新测量光谱, 分别建立模型，将造成巨大的工作量和财力的浪费[32]。

（5）不能进行痕量检测

被测样品中各组分含量不得少于0.1%，组分含量过小会导致光谱图变化较大，检测结果有较大偏差。但氨纶是例外，氨纶吸收峰位置比较独特，且吸光度峰值是其他纤维的两倍，所以即使含量很少也可以鉴别出来。

（6）难以与洗护设备结合

结合目前市面上大多数洗护设备的价格来看，近红外光谱仪器的成本较高，不具备与洗护设备结合大批量商品化应用的价值；目前近红外光谱仪器的大小做到了集成在便携式手持设备中，如果要实现内置在洗护设备中，近红外光谱仪器要向微型化进一步发展。

4.2 研究展望

目前，近红外光谱技术在织物成分识别上的研究较多，仪器更新较快，技术也更加成熟，但是应用方面还没有普及，想要进一步的发展需要更深入的研究。针对上述存在的问题，本文提出了以下几点研究展望。

（1）织物近红外识别技术

①数据库的建立

近红外光谱技术的检测都建立在样品的基础上，因为样品决定了建模的准确度，而建模决定了结果的准确度。近红外光谱技术的实现是基于大量样品数据以及样品中各组分不同含量比例分布。虽然很难采集所有织物的光谱图，但根据纺织品的市场占有率，选择占有率高的纤维成分进行建模也能得到很好的应用。

②不同仪器间的模型转移

未来要建立起织物成分识别的近红外网络，实现数据库的共享，这些都要建立在模型能够在不同仪器间平移的基础上。通过完善仪器加工的标准化，提高仪器的信噪比和稳定性，减少台间差，使得不同仪器上的测量光谱尽可能一致，这在同一类型仪器之间是可行的，但是对于不同类型的仪器，比如光栅型仪器和傅里叶变换型仪器之间就无法实现[32]。模型传递方法的研究也很有必要性，随着仪器硬件技术水平的提高，合适的模型传递方法会使不同分光类型仪器之间的模型平移变得更简单和实用。

③微型化和专用型仪器的研制

目前新型的近红外光谱仪器都应用了MEMS技术[33]，MEMS器件具有体积小、成本低、易批量生产的优势，近红外光谱仪器朝向微型化发展具有巨大的市场前景。研制纺织品领域的专用型仪器也是一个发展方向，目前在织物成分识别上的研究多用通用性全光谱仪器，Hengqian Zhao等提取并比较了四种不同波长范围内天然纤维光谱特征，结果表明，在1850～2500 nm的波段内纤维光谱特征表现出较大的组间差异和较小的组内差异，更适合于纤维类型的识别[34]。研制出波段范围更合适的专用型仪器能提高织物成分识别的准确性。

（2）在智能洗护领域的应用

智能洗衣机目前方向是实现智能洗护，可以智能感知衣物材质，选择不同洗涤程序，在高级阶段实现智能联动[35]。根据近红外光谱技术的特性提出了在洗护领域的一些新应用：①随着近红外光谱仪器向微型化的进一步发展，使其能够放置在洗护设备的内部受保护的位置，光源发射出的光被待测样品反射后由探测器接收，采集光谱信号，与后台数据库进行比对，实现织物成分识别和污渍识别等应用，使消费者的操作更加便捷；②通过监测衣物上的细菌种类和含量，为用户提供合适的除菌程序；③通过监测洗衣机洗涤水中的微生物污染状况，定期对洗衣机内部结构进行清洗消毒；④通过衣物染料成分的识别，选择合适的洗涤参数，同时对洗涤剂成分进行识别，智能投放相匹配的洗涤剂、护色剂及其他洗涤助剂，防止衣物掉色、褪色及串色现象的发生，达到消费者满意的洗涤效果。

5 结论

目前，近红外光谱技术在织物智能洗护领域的应用以织物成分识别为主，在染料识别、污渍识别和细菌识别上的应用极少。近红外光谱技术在织物成分检测上具有快速、无损、环保、准确等优势而逐渐受到重视，但存在样本数据库难建立、实验环境要求高、模型转移难度大以及难以与洗护设备结合等问题。随着洗护行业的创新发展以及近红外光谱技术的快速迭代，各大洗护设备的制造商可以加大对近红外光谱技术与洗护设备结合及应用的研究力度，打造个性化、智能化的洗护产品。

随着近红外光谱技术在智能洗护领域的进一步发展，可在3个方向做重点突破：（1）通过感知衣物材质及污渍成分，选择合适的洗涤程序，智能投放洗涤剂；（2）在完成洗涤后给智能晾衣机发送信息，达成智能联动，同时晾衣机可以通过联动获取衣物材质信息进行烘干、风干、光除菌等操作；（3）用于洗衣机内部环境的实时监测和改善，满足消费者对健康功能的需求。