[发明专利]一种基于光谱分析的皮革无损检测方法及其系统

说明书

技术领域

本发明涉及皮革鉴定技术领域，具体涉及一种基于光谱分析的皮革无损检测方法及其系统。

背景技术

皮革是经脱毛和鞣制等物理、化学加工所得到的已经变性不易腐烂的动物皮。皮革是由天然蛋白质纤维在三维空间紧密编织构成的，其表面有一种特殊的粒面层，具有自然的粒纹和光泽，手感舒适。皮革制品是生活中常见的日用品，箱、包袋、手套、票夹、皮带等，是人们生活中不可缺少的日常用品，鞋服、箱包、家具、汽配、装饰等等对皮革的需求量也是与日俱增。一般来讲，中、高档包、袋的面料以天然皮革材料为主，目前，在市面上皮革种类繁多，有真皮、人造皮、合成革、PU革等等。

当前，皮革市场上产品鱼龙混杂，越来越多的出现使用人造皮革制品冒充天然皮革，或者以次充好的情况。同时也有很多商家使用一些诱导性、欺骗性的宣传手段损害消费者利益。另一方面，皮革制品的生产加工工艺及材料的选用决定了其成品可能会产生一些化学危害,如富马酸二甲酯、六价铬、偶氮染料、甲醛、五氯苯酚等。目前我国现行的皮革产品中已规定了偶氮染料和甲醛的限量要求。

目前主要的皮革鉴别技术包括：

1)燃烧测试法：分别剪下一小片真皮革和人造革样品，在通风橱中点燃，真皮革燃烧时无火焰，在燃烧过程中不结硬疙瘩，并释放出燃烧蛋白质的气味；而人造革燃烧时散发出刺鼻的气味，且易结成疙瘩；

氢氧化钠测试法：在250mL带有冷凝器的烧瓶中倒入100mL质量分数为10％的氢氧化钠溶液，加入一小片样本(约0.2g)，在通风橱中煮30min；冷却后观察溶液中的样本，溶液中样本分散说明是天然皮革；

2)显微镜观察：显微镜下，剥掉表层的皮革的胶原蛋白纤维在外观上不同于非编织物，也不同于涂层的均匀聚合体和合成的代用品，通过显微镜能观察判别皮革的真伪。

3)触摸，鼻嗅等。

前两种方法都属于破坏性的检测鉴别方法，对样品进行不可恢复的破坏，导致在消费市场应用时形成较大的浪费，对于消费者在采购物品的时候的场景不可行，第二种方法由于显微设备不易便携，也无法应用于消费市场。而触摸，鼻嗅则强烈依赖于检测者的主观评价，对于经验的依赖度较高。

发明内容

本发明的目的在于提供一种基于光谱分析的皮革无损检测方法及其系统，用以解决现有皮革检测方法不能够快速准确地对皮革进行无损检测的问题。

为实现上述目的，本发明方法以光谱分析和机器学习算法，通过实时采集的皮革红外光谱图像与预先存储的皮革样品数据库进行比对，快速识别皮革信息。具体地，本发明提供了一种基于光谱分析的皮革无损检测方法，该方法包括如下步骤：

S101、建立光谱数据库：

预先采集皮革的样本光谱数据，并给每一组所述样本光谱数据设置属性标签信息，并且将所述样本光谱数据和对应的所述属性标签信息存储到光谱数据库；

S102、光谱数据预处理：

根据所述属性标签信息对所述光谱数据库的所述样本光谱数据进行分类，并获得皮革光谱模型，存储到皮革光谱模型库；

S103、皮革光谱实时检测：

采集所需要检测的皮革光谱数据，与所述皮革光谱模型进行比对，并输出所需要检测的皮革检测结果。

进一步的，所述步骤S101中，所述属性标签信息包括皮革种类、产地、制作时间、生产单位、物理参数、化学参数等等。

进一步的，所述步骤S102中，采用支持向量机(SVM)、贝叶斯决策法、最大似然估计法、BP神经网络、无监督学习和聚类等机器学习算法对所述样本光谱数据进行分类。如期刊《信息技术》2007年第5期发表的论文《应用SVM算法进行TM多光谱图像地物分类》提及了利用上述机器学习算法对光谱图像进行分类的方法。

所有采集到的光谱数据所属的标签包括产地类，材质类，制作时间类等。对于每一种分类都可以利用SVM算法产生出一个模型，用来预测在该种分类下光谱数据的标签值。例如，使用SVM算法获得一个预测皮革产地的光谱模型的具体过程如下：

第一，标签划分；按照皮革的产地标签把光谱数据划分成不同的部分。

第二，数据归一化；依次计算每一条光谱向量的最大值和最小值，然后根据最大值和最小值把光谱向量归一化到-1和+1之间。

第三，空间映射；选择多次方的多项式(或其他)核函数，将光谱训练样本数据映射到高维特征空间。