王家寶 吳雄英 丁雪梅

1.東華大學服裝與藝術設計學院 上海 200051；2.現(xiàn)代服裝設計與技術教育部重點實驗室（東華大學） 上海 200051；3.上海海關 上海 200135

1 引言

洗衣機行業(yè)的技術發(fā)展核心是節(jié)能節(jié)水、智能化、網(wǎng)絡化。智能洗護領域要從智能感知、智能操作和智能網(wǎng)絡三個方面發(fā)展。能否將復雜程序的洗衣機智能化，使其能夠自動識別衣物材質(zhì)和污漬，讓用戶能夠“傻瓜式”操作洗衣機，是未來技術突破的關鍵點[1]。

目前，幾乎所有的洗衣機都不具有自動識別織物成分的功能，用戶只能選擇洗衣機面板上設定好的程序進行洗滌，如羊毛、化纖、真絲、襯衫、羽絨服等。而衣物材質(zhì)有單一組分，也有多組分，甚至有的是新型纖維，普通消費者很難通過有限設定的程序指導洗護操作。一些商家也推出了自動識別織物材質(zhì)的技術：（1）通過織物吸水率不同判斷織物成分；（2）通過圖像傳感器采集織物圖像與數(shù)據(jù)庫匹配判斷織物成分；（3）通過內(nèi)置的重量傳感器稱重粗略判斷織物纖維成分[2]；（4）通過在洗衣機上安裝或外接信息識別器準確讀取衣物中內(nèi)置RFID標簽上包含的織物纖維類型及顏色等信息[3]。前三種方法都是模糊判斷，容易判斷錯誤從而導致衣物的損壞，并且在節(jié)能節(jié)水方面也沒有優(yōu)勢。第四種方法通過RFID標簽可以準確獲得衣物材質(zhì)、顏色等相關信息，但需提前錄入織物護理信息，有一定的制作成本，且標簽是否可多次洗滌并辨識等還存在技術難題。

近些年光譜技術在織物成分的檢測上發(fā)展迅速，近紅外光譜具有較強的穿透能力，織物纖維多由高聚物組成，不同高聚物含有不同的基團，不同基團有不同能級，對近紅外光的吸收波長有明顯差別，從而獲取纖維成分及含量的有效信息。近紅外光譜技術具有快速、無損、環(huán)保、準確等優(yōu)勢，可應用于織物成分的定性及定量分析，但需要前期進行大量的實驗建模環(huán)節(jié)，靈敏度的提高也是通過多次檢測以及優(yōu)化建模加以改善，適用于長期投入使用的過程中。本文對近紅外光譜技術在織物智能洗護領域的應用場景進行總結和分析。

2 近紅外光譜技術

近紅外光譜（NIR）是介于可見光（Vis）和中紅外（MIR）之間的電磁輻射波，一般指波長為780～2526 nm的區(qū)域[4]，是人們在吸收光譜中發(fā)現(xiàn)的第一個非可見光區(qū)。

近紅外光譜分析技術主要利用含氫基團（C-H、N-H和O-H等化學鍵）的合頻和倍頻吸收，從而進行不同化學組成成分的鑒別，已廣泛應用于農(nóng)業(yè)、食品、藥物分析等領域[5]。

近紅外光譜技術對織物成分定性及定量分析，首先要采集一定數(shù)量樣品的近紅外光譜，對光譜數(shù)據(jù)進行預處理，常見的預處理方法有微分、均值中心化、多元散射校正等，然后選擇合適的化學計量學方法[6]（如偏最小二乘法、人工神經(jīng)網(wǎng)絡、多元線性回歸等）和建模波長建立校正模型，最后利用驗證集對模型進行驗證、評價和優(yōu)化。

3 近紅外光譜技術在織物智能洗護領域的應用

近紅外光譜技術可用來進行化學物質(zhì)的定量分析，測定化學參數(shù)和物理參數(shù)，獲取關于顆粒樣品的更多內(nèi)部信息，所以在織物智能洗護的應用領域提出了針對衣物污漬識別以及滾筒內(nèi)部和衣物上細菌識別的可行性。

在智能洗護領域的應用方面，2019年3月，博世家電發(fā)布了一款創(chuàng)新產(chǎn)品X-Spect[7]，將便攜式近紅外光譜技術與洗護設備結合，實現(xiàn)日常家居生活場景的使用。X-Spect可以通過智能掃描識別衣物材質(zhì)和污漬類型，將數(shù)據(jù)發(fā)送到云端，并通過強大的數(shù)據(jù)分析能力選取一種合適的洗滌方案，最后反饋給搭載“家居互聯(lián)”功能的洗衣機，實現(xiàn)衣物洗滌的定制化。

3.1 織物成分識別

不同纖維成分衣物需要不同的洗滌護理方法，如棉織物可用各種洗滌劑，適合在水溫40～50℃時洗滌，最佳烘干溫度為110℃；羊毛織物不耐堿，應選用中性洗滌劑，洗滌溫度不超過40℃；化纖類衣物水洗溫度不宜超過45℃，應低溫蒸汽熨燙。目前，大多數(shù)洗衣機、干衣機和蒸汽熨斗可以針對不同衣物材質(zhì)調(diào)節(jié)參數(shù)進行合理的護理，如何正確識別織物成分是重中之重。通過對服裝市場男裝、高檔女裝及嬰幼兒服裝洗護標簽的調(diào)研結果得知，這些服裝面料的主要纖維成分有5種以上，棉纖維在各類服裝中應用最多，且大多數(shù)服裝所用面料為混紡面料，導致消費者難以自行判斷衣物材質(zhì)[8-10]。

在織物成分的定性識別方面，季惠等使用SIMCA方法建立模型，優(yōu)化光譜預處理方法，實現(xiàn)了對棉、滌綸、錦綸、羊毛的純紡紡織品識別率達到90%以上[11]；王彩虹等采集了5種羊毛混紡面料的近紅外光譜，通過歸一化預處理后利用支持向量機算法進行分類建模，結果表明，訓練集整體分類準確率達到100%，驗證集整體分類準確率為94.87%[12-14]；楊欣卉等利用偏最小二乘法建立了棉滌氨三組分混紡織物纖維成分含量定量分析的預測模型[15]。

在織物成分的定量鑒別方面，Li L等對56份不同棉、滌綸含量的樣品進行了近紅外光譜分析，并建立了基于郎伯-比爾定律的多元線性回歸（MLR）模型和基于小波變換（WT）的BP神經(jīng)網(wǎng)絡模型。結果表明，基于BP神經(jīng)網(wǎng)絡的近紅外光譜分析方法可用于紡織纖維的定量分析[16]；Jiang W等通過SIMCA方法和偏最小二乘法對六種植物纖維進行建模分類，結果表明，對苧麻纖維、松木纖維、桉木纖維、烏桕纖維、亞麻纖維和蓮花纖維等六種不同類別的植物纖維鑒別率達到94%，說明該方法可以用于對不同植物纖維高精度快速的定量分析[17]。

未來，在洗衣機、干衣機以及蒸汽熨斗中內(nèi)置微型近紅外光譜儀，可以通過從衣物本身探測到的光譜信息，與光譜庫中的模型進行匹配識別出衣物材質(zhì)，發(fā)送到后臺云數(shù)據(jù)庫中查詢對應的洗護程序，實現(xiàn)自動化的洗護過程，為消費者帶來便利。

3.2 污漬識別

消費者比較關注洗衣機的洗凈性能，將衣物洗干凈也是洗衣類產(chǎn)品的基本功能。洗滌溫度、時間、水量以及洗滌劑種類都顯著影響洗凈率，可以通過識別污漬成分調(diào)節(jié)洗滌參數(shù)，在衣物不受損傷的情況下達到精準去污的目的。

K.A. Bunding Lee等比較了近紅外光譜技術與比色計對織物污漬的判別，結果表明近紅外光譜技術能夠很好地識別脂肪類污漬，以及棉織物上的草漬、油類物質(zhì)，對巧克力、化妝品、咖啡和皮脂的判別具有可行性但樣品數(shù)量不夠豐富[18]；José F.Q. Pereira等利用手持式近紅外光譜儀，通過SIMCA方法建模以及偏最小二乘法判別分析，對不同基質(zhì)材料上的人血、動物血、紅色唇膏、辣椒醬、醬油、紅酒等紅色污漬進行分類識別，結果表明近紅外光譜技術可以用于識別不同材質(zhì)上的血跡，但是對于不同材質(zhì)上的血跡其敏感性會有不同[19]。

這些學者的研究結果顯示，近紅外光譜技術識別不同衣物材質(zhì)上的污漬是具有可行性的。衣物污漬一般含有水分、油脂、蛋白質(zhì)、糖分等，通過對這些成分的種類和含量進行鑒別，可判斷污漬的種類，從而選擇合適的洗滌方式。

3.3 細菌識別

奧維云網(wǎng)[20]發(fā)布的2020年第一季度中國洗衣機市場總結報告中指出，在疫情作用下，消費者的健康意識快速提高，對洗衣機除菌抗菌功能的關注提升。洗衣機由于本身的結構問題，很多部位容易殘留織物碎屑、洗滌劑等，時間久了也會發(fā)霉生銹或滋生細菌，間接對人體健康造成危害。在GB 21551.5-2010《家用和類似用途電器的抗菌、除菌、凈化功能 洗衣機的特殊要求》標準中測試的細菌主要為金黃色葡萄球菌和大腸桿菌。

Pin Wang等提出了近紅外漫反射光譜技術，使用漫反射模型分析經(jīng)光譜解析的數(shù)據(jù)，以提取局部光學特性，包括降低的散射系數(shù)和吸收系數(shù)，不同波長的光學特性形成特征集，基于粒子群優(yōu)化的支持向量機用于對七種細菌進行分類，證明利用光學特性對病原菌進行快速無創(chuàng)分類的方法是可行的[21]；馬凱旋等利用近紅外光譜技術對大腸埃希氏菌、金黃色葡萄球菌和單增李斯特菌三種致病菌進行鑒別，結果表明對樣品的前處理統(tǒng)一的情況下，能夠提高致病菌鑒別的準確度[22]。

3.4 織物中染料識別

消費者對家庭洗滌中衣物的掉色、褪色和串色等問題比較關注。這一系列的問題與衣物的染料有直接關系。天然染料在衣物上的附著能力低，染色工藝復雜，色牢度較差；合成染料容易上染，染色工藝大大簡化，但在洗滌過程中易水解釋放出染料，對其他織物上染，造成串色現(xiàn)象[23]。染料脫附的主要原因與染料和纖維間的共價鍵的水解有關，而染料和纖維間的共價鍵水解與水質(zhì)、洗滌劑成分、溫度、溶解氧、紫外線輻射等有關[24]。選擇合適的洗滌劑、護色劑及洗滌參數(shù)可以有效避免褪色、串色等現(xiàn)象的出現(xiàn)。消費者自身難以識別衣物染料成分，國內(nèi)外一些學者利用近紅外光譜技術成功識別附著在織物上的染料種類。

Mingxia Li等利用近紅外光譜技術，結合三種模式識別方法，即SIMCA、偏最小二乘法（PLS）和主成分分析法（PCR），用于識別植物染料和化學染料染色的棉織物，結果表明，校準集和預測集的識別準確率分別為100%和98.55%，近紅外光譜技術可以應用于植物染色棉織物和化學染色棉織物的快速無損識別。Cubillas等通過運用光纖傳感器技術評估吸收光譜，結合主成分分析法與K-均值聚類分析方法將不同染料配方分成七組，從而可以幫助鑒定具有相似吸收光譜的染料，識別出紡織品染料的顏色[25]。

4 存在問題及思考

近些年，近紅外光譜技術在織物成分識別上的應用發(fā)展迅速，但還處于探索階段，存在一定的局限性。

4.1 近紅外光譜應用研究中存在的問題

（1）缺乏建立光譜庫的大量樣本和判定標準

王京力等利用計算機技術統(tǒng)計了理論上進行近紅外光譜建模所需要的樣品數(shù)量，假設常用的23種纖維并考慮最大5種纖維成分，將每組纖維組成按5%間隔建立模型，需要139311667個樣品數(shù)據(jù)點[26]。大部分樣品從市面上收集不到，需要專業(yè)制作。

因此，除了建庫外，一項新技術的發(fā)展需要標準的引領來實現(xiàn)規(guī)范化的操作。目前已經(jīng)有許多已制定的近紅外快速檢測紡織品原料組分行業(yè)標準和國家標準。在材質(zhì)識別方面，有FZ/T 01057.8-2012《紡織纖維鑒別試驗方法 第八部分：紅外光譜法》[27]和GB/T 30666-2014《紡織品 涂層鑒別試驗方法》[28]等標準；在定量檢測方面，有FZ/T 01144-2018《紡織品 纖維定量分析 近紅外光譜法》[29]。目前，標準中的檢測方法存在對實驗環(huán)境要求嚴苛，試樣制備時間長且對纖維有破壞性，不同型號的儀器檢測得到的紅外光譜圖會有差異等不足，需要更完善的標準體系對這些問題進行指導。

（2）分析結果受較多因素影響

某些深色染料引起的吸光度遠大于纖維本身的吸光度，需要經(jīng)過剝色處理后才能進行檢測；正反面不同組織結構的復合織物無法準確預測其成分含量[30]；包芯紗、含有夾芯層的復合織物等[31]需要粉碎后檢測才能得到較好的預測效果。

（3）檢測環(huán)境要求嚴格

高溫高濕環(huán)境不適合進行檢測，溫度變化導致空氣的相對濕度發(fā)生變化，而光路中的水蒸氣會吸收光源中的一部分能量，在光譜圖中出現(xiàn)吸收峰，影響判定結果。

（4）模型轉移問題

由于不同廠家制造的儀器其光源、分光系統(tǒng)、測樣器件、檢測器和數(shù)據(jù)處理分析系統(tǒng)都有很大不同，導致已有模型不能在不同儀器間實現(xiàn)數(shù)據(jù)平移，而在不同儀器上重新測量光譜, 分別建立模型，將造成巨大的工作量和財力的浪費[32]。

（5）不能進行痕量檢測

被測樣品中各組分含量不得少于0.1%，組分含量過小會導致光譜圖變化較大，檢測結果有較大偏差。但氨綸是例外，氨綸吸收峰位置比較獨特，且吸光度峰值是其他纖維的兩倍，所以即使含量很少也可以鑒別出來。

（6）難以與洗護設備結合

結合目前市面上大多數(shù)洗護設備的價格來看，近紅外光譜儀器的成本較高，不具備與洗護設備結合大批量商品化應用的價值；目前近紅外光譜儀器的大小做到了集成在便攜式手持設備中，如果要實現(xiàn)內(nèi)置在洗護設備中，近紅外光譜儀器要向微型化進一步發(fā)展。

4.2 研究展望

目前，近紅外光譜技術在織物成分識別上的研究較多，儀器更新較快，技術也更加成熟，但是應用方面還沒有普及，想要進一步的發(fā)展需要更深入的研究。針對上述存在的問題，本文提出了以下幾點研究展望。

（1）織物近紅外識別技術

①數(shù)據(jù)庫的建立

近紅外光譜技術的檢測都建立在樣品的基礎上，因為樣品決定了建模的準確度，而建模決定了結果的準確度。近紅外光譜技術的實現(xiàn)是基于大量樣品數(shù)據(jù)以及樣品中各組分不同含量比例分布。雖然很難采集所有織物的光譜圖，但根據(jù)紡織品的市場占有率，選擇占有率高的纖維成分進行建模也能得到很好的應用。

②不同儀器間的模型轉移

未來要建立起織物成分識別的近紅外網(wǎng)絡，實現(xiàn)數(shù)據(jù)庫的共享，這些都要建立在模型能夠在不同儀器間平移的基礎上。通過完善儀器加工的標準化，提高儀器的信噪比和穩(wěn)定性，減少臺間差，使得不同儀器上的測量光譜盡可能一致，這在同一類型儀器之間是可行的，但是對于不同類型的儀器，比如光柵型儀器和傅里葉變換型儀器之間就無法實現(xiàn)[32]。模型傳遞方法的研究也很有必要性，隨著儀器硬件技術水平的提高，合適的模型傳遞方法會使不同分光類型儀器之間的模型平移變得更簡單和實用。

③微型化和專用型儀器的研制

目前新型的近紅外光譜儀器都應用了MEMS技術[33]，MEMS器件具有體積小、成本低、易批量生產(chǎn)的優(yōu)勢，近紅外光譜儀器朝向微型化發(fā)展具有巨大的市場前景。研制紡織品領域的專用型儀器也是一個發(fā)展方向，目前在織物成分識別上的研究多用通用性全光譜儀器，Hengqian Zhao等提取并比較了四種不同波長范圍內(nèi)天然纖維光譜特征，結果表明，在1850～2500 nm的波段內(nèi)纖維光譜特征表現(xiàn)出較大的組間差異和較小的組內(nèi)差異，更適合于纖維類型的識別[34]。研制出波段范圍更合適的專用型儀器能提高織物成分識別的準確性。

（2）在智能洗護領域的應用

智能洗衣機目前方向是實現(xiàn)智能洗護，可以智能感知衣物材質(zhì)，選擇不同洗滌程序，在高級階段實現(xiàn)智能聯(lián)動[35]。根據(jù)近紅外光譜技術的特性提出了在洗護領域的一些新應用：①隨著近紅外光譜儀器向微型化的進一步發(fā)展，使其能夠放置在洗護設備的內(nèi)部受保護的位置，光源發(fā)射出的光被待測樣品反射后由探測器接收，采集光譜信號，與后臺數(shù)據(jù)庫進行比對，實現(xiàn)織物成分識別和污漬識別等應用，使消費者的操作更加便捷；②通過監(jiān)測衣物上的細菌種類和含量，為用戶提供合適的除菌程序；③通過監(jiān)測洗衣機洗滌水中的微生物污染狀況，定期對洗衣機內(nèi)部結構進行清洗消毒；④通過衣物染料成分的識別，選擇合適的洗滌參數(shù)，同時對洗滌劑成分進行識別，智能投放相匹配的洗滌劑、護色劑及其他洗滌助劑，防止衣物掉色、褪色及串色現(xiàn)象的發(fā)生，達到消費者滿意的洗滌效果。

5 結論

目前，近紅外光譜技術在織物智能洗護領域的應用以織物成分識別為主，在染料識別、污漬識別和細菌識別上的應用極少。近紅外光譜技術在織物成分檢測上具有快速、無損、環(huán)保、準確等優(yōu)勢而逐漸受到重視，但存在樣本數(shù)據(jù)庫難建立、實驗環(huán)境要求高、模型轉移難度大以及難以與洗護設備結合等問題。隨著洗護行業(yè)的創(chuàng)新發(fā)展以及近紅外光譜技術的快速迭代，各大洗護設備的制造商可以加大對近紅外光譜技術與洗護設備結合及應用的研究力度，打造個性化、智能化的洗護產(chǎn)品。

隨著近紅外光譜技術在智能洗護領域的進一步發(fā)展，可在3個方向做重點突破：（1）通過感知衣物材質(zhì)及污漬成分，選擇合適的洗滌程序，智能投放洗滌劑；（2）在完成洗滌后給智能晾衣機發(fā)送信息，達成智能聯(lián)動，同時晾衣機可以通過聯(lián)動獲取衣物材質(zhì)信息進行烘干、風干、光除菌等操作；（3）用于洗衣機內(nèi)部環(huán)境的實時監(jiān)測和改善，滿足消費者對健康功能的需求。