[發(fā)明專利]一種基于光譜分析的皮革無損檢測方法及其系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710339817.5
• 申請日: 2017-05-15
• 公開（公告）號: CN107014770A
• 公開（公告）日: 2017-08-04
• 發(fā)明（設計）人: 崔哲;李偉平
• 申請（專利權）人: 崔哲
• 主分類號: G01N21/3563
• 分類號: G01N21/3563;G06K9/62
• 代理公司: 北京創(chuàng)遇知識產(chǎn)權代理有限公司11577
• 代理人: 李芙蓉,馮建基

技術領域

本發(fā)明涉及皮革鑒定技術領域，具體涉及一種基于光譜分析的皮革無損檢測方法及其系統(tǒng)。

背景技術

皮革是經(jīng)脫毛和鞣制等物理、化學加工所得到的已經(jīng)變性不易腐爛的動物皮。皮革是由天然蛋白質(zhì)纖維在三維空間緊密編織構成的，其表面有一種特殊的粒面層，具有自然的粒紋和光澤，手感舒適。皮革制品是生活中常見的日用品，箱、包袋、手套、票夾、皮帶等，是人們生活中不可缺少的日常用品，鞋服、箱包、家具、汽配、裝飾等等對皮革的需求量也是與日俱增。一般來講，中、高檔包、袋的面料以天然皮革材料為主，目前，在市面上皮革種類繁多，有真皮、人造皮、合成革、PU革等等。

當前，皮革市場上產(chǎn)品魚龍混雜，越來越多的出現(xiàn)使用人造皮革制品冒充天然皮革，或者以次充好的情況。同時也有很多商家使用一些誘導性、欺騙性的宣傳手段損害消費者利益。另一方面，皮革制品的生產(chǎn)加工工藝及材料的選用決定了其成品可能會產(chǎn)生一些化學危害,如富馬酸二甲酯、六價鉻、偶氮染料、甲醛、五氯苯酚等。目前我國現(xiàn)行的皮革產(chǎn)品中已規(guī)定了偶氮染料和甲醛的限量要求。

目前主要的皮革鑒別技術包括：

1)燃燒測試法：分別剪下一小片真皮革和人造革樣品，在通風櫥中點燃，真皮革燃燒時無火焰，在燃燒過程中不結硬疙瘩，并釋放出燃燒蛋白質(zhì)的氣味；而人造革燃燒時散發(fā)出刺鼻的氣味，且易結成疙瘩；

氫氧化鈉測試法：在250mL帶有冷凝器的燒瓶中倒入100mL質(zhì)量分數(shù)為10％的氫氧化鈉溶液，加入一小片樣本(約0.2g)，在通風櫥中煮30min；冷卻后觀察溶液中的樣本，溶液中樣本分散說明是天然皮革；

2)顯微鏡觀察：顯微鏡下，剝掉表層的皮革的膠原蛋白纖維在外觀上不同于非編織物，也不同于涂層的均勻聚合體和合成的代用品，通過顯微鏡能觀察判別皮革的真?zhèn)巍?/p>

3)觸摸，鼻嗅等。

前兩種方法都屬于破壞性的檢測鑒別方法，對樣品進行不可恢復的破壞，導致在消費市場應用時形成較大的浪費，對于消費者在采購物品的時候的場景不可行，第二種方法由于顯微設備不易便攜，也無法應用于消費市場。而觸摸，鼻嗅則強烈依賴于檢測者的主觀評價，對于經(jīng)驗的依賴度較高。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于光譜分析的皮革無損檢測方法及其系統(tǒng)，用以解決現(xiàn)有皮革檢測方法不能夠快速準確地對皮革進行無損檢測的問題。

為實現(xiàn)上述目的，本發(fā)明方法以光譜分析和機器學習算法，通過實時采集的皮革紅外光譜圖像與預先存儲的皮革樣品數(shù)據(jù)庫進行比對，快速識別皮革信息。具體地，本發(fā)明提供了一種基于光譜分析的皮革無損檢測方法，該方法包括如下步驟：

S101、建立光譜數(shù)據(jù)庫：

預先采集皮革的樣本光譜數(shù)據(jù)，并給每一組所述樣本光譜數(shù)據(jù)設置屬性標簽信息，并且將所述樣本光譜數(shù)據(jù)和對應的所述屬性標簽信息存儲到光譜數(shù)據(jù)庫；

S102、光譜數(shù)據(jù)預處理：

根據(jù)所述屬性標簽信息對所述光譜數(shù)據(jù)庫的所述樣本光譜數(shù)據(jù)進行分類，并獲得皮革光譜模型，存儲到皮革光譜模型庫；

S103、皮革光譜實時檢測：

采集所需要檢測的皮革光譜數(shù)據(jù)，與所述皮革光譜模型進行比對，并輸出所需要檢測的皮革檢測結果。

進一步的，所述步驟S101中，所述屬性標簽信息包括皮革種類、產(chǎn)地、制作時間、生產(chǎn)單位、物理參數(shù)、化學參數(shù)等等。

進一步的，所述步驟S102中，采用支持向量機(SVM)、貝葉斯決策法、最大似然估計法、BP神經(jīng)網(wǎng)絡、無監(jiān)督學習和聚類等機器學習算法對所述樣本光譜數(shù)據(jù)進行分類。如期刊《信息技術》2007年第5期發(fā)表的論文《應用SVM算法進行TM多光譜圖像地物分類》提及了利用上述機器學習算法對光譜圖像進行分類的方法。

所有采集到的光譜數(shù)據(jù)所屬的標簽包括產(chǎn)地類，材質(zhì)類，制作時間類等。對于每一種分類都可以利用SVM算法產(chǎn)生出一個模型，用來預測在該種分類下光譜數(shù)據(jù)的標簽值。例如，使用SVM算法獲得一個預測皮革產(chǎn)地的光譜模型的具體過程如下：

第一，標簽劃分；按照皮革的產(chǎn)地標簽把光譜數(shù)據(jù)劃分成不同的部分。

第二，數(shù)據(jù)歸一化；依次計算每一條光譜向量的最大值和最小值，然后根據(jù)最大值和最小值把光譜向量歸一化到-1和+1之間。

第三，空間映射；選擇多次方的多項式(或其他)核函數(shù)，將光譜訓練樣本數(shù)據(jù)映射到高維特征空間。