文/郭瑾

随着科学技术的发展，纺织品也渐渐不再局限于简单的布料，而是加入了更多的功能性因子，这些功能性因子不仅能提升纺织品的美观度，还能实现防静电、抗干扰等功能。这些功能性纺织品给人们的生活带来了便利，也带动了科学技术的发展。目前，功能性纺织品类型有很多，例如运动、国防等，都有各自的专属用途，国际上对功能性纺织品的需求量也越来越大。导电纤维加入纺织品后可以消除纺织品中的静电，解决了人们的困扰。常见的导电纤维以涤纶和尼龙为基料，当导电纤维与不同成分的纤维混合时，可以通过化学方法进行定量分析，但常规的化学测定方法无法对导电纤维与其他纤维混纺纺织品进行检测，因此设计基于物理法的纺织品导电纤维含量测定方法。

1 基于物理法的纺织品导电纤维含量测定方法设计

1.1 筛选导电纤维检测原材料

导电纤维应用的范围较广，如抗静电、导电、电磁波屏蔽等，筛选导电纤维检测的原材料十分重要，导电纤维检测原材料的导电颗粒和基体聚合物需要具有更好的相容性。由于PET（聚对苯二甲酸类塑料）基团刚性高，熔点高，分子链结构立体化程度高，因此其能够紧密地聚集在一起。

采用PET作为导电颗粒的规整度高，不易实施，碳黑颗粒是大量碳黑微晶围绕中心密集聚集而成的颗粒状物质，在碳黑颗粒中，碳原子排列成与石墨相同的形状，形成碳黑准晶。在碳黑颗粒的准晶中，碳原子形成规则的六边形环网平面层，碳原子连接的结构称为碳黑微晶混沌层结构。

在结构层面上，这种混乱的碳黑微晶混沌层结构也被称为初级结构，具有初级结构的碳黑颗粒称为初级颗粒。球形颗粒是碳黑粒子的最小颗粒，不能与团块分离，只能通过化学键结合在一起，形成稳定的基本结构，其也是后续加工和使用过程中的最小单元，这些球形颗粒聚集形成葡萄状聚集体，聚集体堆积形成更多的聚集体。不同层次之间的力是范德华力，碳黑通常以块状存在，因此，本方法将碳黑粒子作为纤维检测的原材料。

1.2 基于物理法分析纺织品NIR反射光谱特征

由于不同类型样品的特性不同，通常需要不同的检测方法，近红外光谱检测方法是物理法中的一种，常常可以用来分析NIR反射光谱特征。由于从光源入射点到接收点的光路是恒定的，因此测得的吸光度必须严格符合光源定律。当样品表面发生漫反射时，由于样品的表面效应往往会发生散射，光的方向和路径不确定。漫反射检测可以适用于固体、粉末、液体等各种状态的样品，但大多数纺织品是薄而轻的，厚度不均匀。在传统的漫反射检测中，使用实验室光谱分析设备测量纺织品的近红外光谱时，大部分光要么直接透过样品，要么直接散射通过样品，由于检测探头接收到的织物漫反射光非常微弱，影响定量分析的准确性，因此，本文根据织物的轻薄设计了一种织物近红外光谱吸光度增强技术，此时的NIR反射光谱特征如图1所示。

图1 NIR光谱特征

由图1可知，载荷矩阵表示谱矩阵变化最大的方向，主要反映变量权重的变化规律。第三主成分因子对应的载荷向量主要反映了近红外光谱因详细信息而发生的变化，即频率振动结合两倍含氢基团引起的光谱峰强度变化。

1.3 建立纺织品纤维测量模型

近红外光谱采集到的光谱差异不仅受样品化学成分的影响，而且也会受到其他外部因素的影响。影响非化学成分光谱差异的主要因素有两个，即仪器的物理性能和纺织品样品性能。在纺织品NIR光谱采集中，纺织品NIR光谱受纺织品颜色和织造工艺等物理特性的影响。因此，校正处理方法尤为重要，通常采用光谱校正处理方法来减少或消除物理性质的影响。一阶和二阶导数可以减去纺织品近红外光谱的基线漂移量，从而校正光谱，提高光谱的有效性。差分校正处理可以放大有效信息，也可以放大噪声信号。因此，导数通常与平滑算法相结合，用于光谱校正，基于此建立的纤维测量模型如图2所示。

图2 纤维测量模型

由图2可知，当输入变量为前三个主成分因子时，模型的正确判别率达到100%，但激活函数对模型的正确判别率没有明显影响。通过网格搜索方法优化模型的激活函数和隐藏层节点的数量。当隐藏层节点数为0～2时，正弦激活函数建立模型的准确判别率明显偏低。因此，使用S型激活函数和径向基激活函数，建立的模型比正弦激活函数要好得多。由于隐藏层节点数量的随机性，模型需要比传统神经网络更多的隐藏层节点，并且通过优化隐藏层节点数量，可以控制模型计算时间。

1.4 实现纺织品导电纤维含量测定

要实现纺织品中导电纤维含量测定，需要进行实际测试。首先检测到的混纺面料由两种成分组成，即棉和涤纶。根据测试标准，将浓硫酸用蒸馏水稀释成75%硫酸，冷却至室温，作为溶剂，溶解纺织品纤维。将纺织样品放入锥形瓶中并加入75%硫酸，纤维完全溶解后，用稀氨水作为中和溶液和蒸馏水分别洗涤剩余的纤维，然后通过四芯坩埚过滤。接下来，将剩余的纤维储存起来，使用恒温烘箱干燥至少16h。干燥完成后，将剩余纤维放入干燥盘中，冷却至室温，用称重分析天平称重，计算出纤维的比例，此时纺织品的纤维含量如表1所示。

表1 纺织品纤维含量

由表1可知，此时的混纺织物样品的纤维含量范围，也可得知此时的纤维含量平均值，为了正确划分建模集和预测集，建模集中纺织品样本的含纤维量范围包括预测集中纺织品样本的含纤维量，所有织物样本按含纤维量从高到低排序，在所有织物样本中，每4个样本被选为预测集，剩余的样本作为建模集，建模集与预测集的织物样本数比值

b

固定，其中，建模集有135个样本用于建立数学模型，其余织物样本作为预测集。

2 试验

为了检测本文设计的纺织品导电纤维含量测定方法的测定情况，将其与化学法进行对比，检测二者测定准确性，设计试验如下。

2.1 试验材料与仪器

试验材料为羊毛、涤纶纤维和导电涤纶纤维的混纺面料，以及羊毛、涤纶纤维和导电尼龙纤维的混纺面料。试剂为甘油和碱性次氯酸钠，测试设备为尼康E200纤维细度计、哈氏合金切片机、载玻片、盖玻片、显微镜。

2.2 试验方法

物理法：首先筛选出原材料，本方法使用的原材料为碳黑粒子，然后基于物理法分析纺织品NIR反射光谱特征，根据此时的特征建立纺织品纤维含量测定模型，调节此时的纤维焦距，将切片放到显微镜物架台，使用设计的模型分析此时纤维的数量，计算此时导电纤维的含量，如式（1）和式（2）所示。

式（1）和式（2）中，

P

代表纤维净干质量百分比，

D

代表导电纤维直径，

S

代表导电纤维直径标准差，ρ代表导电纤维密度，

N

代表导电纤维根数，

P

代表导电纤维净干质量总和，

P

代表导电纤维全部净干质量。

化学法：选取指定成分的纺织物，须为混纺，包含以羊毛、涤纶为基，加入具有导电性质的导电纤维等，根据纺织品化学分析标准进行成分测定，测出此时纺织物中导电纤维的总含量，依照检测结果可知此时的导电纤维主要是复合纤维混合物，因此可根据此时的纤维含量测定羊毛含量。

2.3 试验结果与讨论

分别使用物理法和化学法，对纺织品中的导电纤维含量进行测定，测定结果如表2所示。

表2 测定结果

由表2可知，使用化学法测得的导电纤维含量和使用物理法测得的导电纤维含量不同，物理法测定的偏差更小，因此物理法测定的精度更高。

3 结束语

综上所述，及时对纺织品中的纤维含量进行检测对纺织品的研究来说有重要意义，本文设计了基于物理法的导电纤维含量测定方法，试验证明，物理法测定的偏差更小，且物理法的试验过程不使用化学原料，能降低试剂对环境的污染，因此，物理法测定有一定的应用价值。