Poin -poin penting
- Para peneliti mengembangkan sistem spektroskopi NIR portabel yang dapat secara akurat membedakan serat chashmite yang dipahat asli dari wol palsu, yang menawarkan alternatif alternatif yang cepat, laboratorium, dan alternatif yang menguntungkan untuk metode tradisional berbasis laboratorium.
- Menggunakan algoritma chemometrik canggih, termasuk PLS-DA dan 1D-CNN, sistem portabel mencapai akurasi klasifikasi 100% dalam pengujian, menyaingi dengan instrumen bank kinerja.
- Teknologi memiliki implikasi penting bagi industri tekstil, otentikasi serat yang menjanjikan secara real time secara real time untuk memerangi penipuan, mengurangi kelebihan beban dan meningkatkan efisiensi rantai pasokan.
Dalam sebuah studi baru -baru ini yang dipimpin oleh tim peneliti dari beberapa lembaga Cina, metode baru dikembangkan yang dapat membedakan antara serat serat asli serat wol yang lebih murah. Studi ini, diterbitkan di Majalah MicrochemistryIni menunjukkan sistem spektroskopi baru dekat -infrared (NIR) yang secara signifikan dapat meningkatkan kontrol kualitas di pasar buku buku global, di mana produk yang dipalsukan yang terbuat dari wol terus mengikis kepercayaan konsumen dan mengganggu perdagangan yang sah (1).
Minta Riwayat Tekstur | Kredit Gambar: © Goldnetz – Stock.adobe.com
Apa itu Kashmir?
Bagian belakang adalah jenis wol kambing asli ke Asia Tengah (2). Ini dianggap sebagai salah satu jenis wol paling lembut dan paling mewah di pasar global (2). Saya biasa melakukan banyak tim musim dingin, termasuk jaket dan sweater, Kashmir populer di kalangan konsumen. Akibatnya, ini telah menyebabkan peningkatan asshering palsu, yang sering dibuat dengan wol domba berkualitas lebih rendah (1).
Apa yang dilakukan para peneliti dalam studi mereka?
Dalam studinya, tim peneliti menguji metode baru yang melebihi hambatan metode tradisional, yang membutuhkan banyak waktu dan membutuhkan instrumentasi yang mahal. Para peneliti mengumpulkan total 416 sampel serat, yang terdiri dari 208 penggosokan dan 208 sampel scrubbing. Untuk menganalisis sampel-sampel ini, para peneliti menggunakan perangkat NIR tangan dan spektrometer transformasi Fourier Benchtop (FT-NIR) untuk menangkap data spektral (1). Data ini kemudian diproses menggunakan algoritma chimiometrik lanjut, termasuk analisis komponen utama (PCA), analisis parsial minimum diskriminatif (PLS-DA) dan jaringan neuron konvolusioner unidimensional (1D-CNN) (1). Untuk meningkatkan ketepatan model, tim menerapkan adaptif adaptif kompetitif (CARS) adaptif untuk memilih fitur paling kritis untuk diferensiasi (1).
Apa hasil penelitian ini?
Para peneliti menemukan bahwa sistem tangan NIR menunjukkan presisi prediksi yang mirip dengan model benchtop. Secara khusus, model PLS-DA memberikan akurasi 100% untuk membedakan antara kasmir dan wol menggunakan data portabel (1). Di antara model analitik yang diuji, PLS-DA melebihi 1D-CNN dalam efisiensi klasifikasi, yang merupakan pengamatan penting mengingat set data yang relatif terbatas. Meskipun metode pembelajaran yang mendalam seperti 1D-CNN menjanjikan set data besar, algoritma tradisional seperti PLS-DA tetap lebih efektif dalam studi skala kecil (1).
Apa implikasi untuk penelitian ini?
Studi ini memiliki beberapa implikasi ekonomi untuk industri tekstil. Penggunaan perangkat portabel, seperti sistem NIR tangan yang dijelaskan dalam penelitian ini, membantu produsen mempertahankan biaya produksi yang lebih rendah. Ini juga membantu mereka melakukan verifikasi serat lebih cepat, yang memiliki eksternalitas positif, termasuk efisiensi operasional yang lebih besar dan kepercayaan konsumen (1).
Selain itu, penelitian ini menggarisbawahi bagaimana pendekatan portabel dapat mengubah perusahaan dengan memberikan hasil waktu nyata. Sebelumnya, sampel harus dikirim ke laboratorium untuk memverifikasi, menunda persetujuan pengiriman dan meningkatkan biaya umum (1). Sekarang, perusahaan dapat melakukan deteksi yang tepat dalam hitungan detik, yang mengarah pada pengambilan keputusan yang lebih cepat dan logistik yang disederhanakan (1).
Namun, Wenxin dan timnya juga mengakui beberapa keterbatasan dalam penelitian ini. Ketepatan prediktif dari model dapat dipengaruhi oleh kondisi lingkungan seperti suhu dan kelembaban, serta karakteristik sampel seperti spesies hewan, warna dan tingkat pemrosesan serat (1). Untuk mengatasi variabel -variabel ini, para peneliti menyarankan bahwa penelitian di masa depan dapat memeriksa integrasi sensor lingkungan dan basis data serat yang lebih beragam untuk membangun model yang lebih kuat dan mudah beradaptasi (1).
Studi ini, oleh karena itu, menunjukkan metode baru yang dapat meningkatkan otentikasi serat. Keberhasilan yang ditunjukkan dari perangkat tangan NIR, terutama bila dikombinasikan dengan algoritma chimiometrik yang benar, merupakan solusi yang dapat diskalakan dan siap untuk lapangan untuk mendeteksi tekstil anak anjing yang dipalsukan (1). Industri tekstil saat ini menghadapi tantangan melawan produk penipuan yang merusak industrinya. Saat menggunakan sistem NIR tangan ini, para peneliti menyajikan solusi potensial yang tepat waktu dan selaras dengan meningkatnya permintaan untuk kecepatan, presisi, dan portabilitas dalam jaminan kualitas (1).
Referensi
- Ping, G.; Yuchao, F.; Peiling, W.; et al. Identifikasi cepat serat protein beku yang menggunakan spektroskopi inframerah dekat dengan pembelajaran otomatis: perbandingan perangkat tangan dan konten. Microchema J. 2025, 208112398. Doi: 10.1016/j.microc.2024.112398
- Peralatan Dukungan Sewport, apa itu Cashmere Manufacture: Properties, bagaimana hal itu dilakukan dan di mana. Sewport. Tersedia di: https://sewport.com/fabrics-directory/cashmere-fabric (Diakses 2025-06-12).
