table des matières
restez à jour à propos de Neospectra
Présentation
Les textiles sont des matériaux importants utilisés dans la vie quotidienne, avec un large éventail d'applications. Selon l'origine de la matière première, les textiles peuvent être naturels (coton, soie, laine, cachemire, etc.) ou synthétiques (acryliques, polyamides, polyesters, etc.). Les clients sont aujourd'hui plus conscients que jamais de la corrélation entre le prix et la qualité des textiles qu'ils achètent. Cependant, en raison de la hausse des prix et des variations de types et de qualité, les produits textiles contrefaits sont de plus en plus courants. Qu'il s'agisse de vêtements ou de tapis, les gens se font arnaquer en se voyant proposer des matières synthétiques ou de la laine sous forme de soie véritable à des prix exagérés.
Vue d'ensemble
Un outil simple permettant de tester rapidement l'identité correcte de l'article textile concerné constituerait une avancée significative en matière de protection des consommateurs. Cet outil doit être portable, abordable et devrait permettre aux utilisateurs d'analyser leurs textiles cibles sans détruire leurs produits. La miniaturisation des spectromètres dans le proche infrarouge (NIR) a progressé au point que les instruments portatifs pourraient fournir des moyens fiables et abordables pour atteindre cet objectif. Dans cette note d'application, nous démontrons la possibilité d'utiliser les capteurs spectraux NeoSpectra pour l'analyse de différents types de textiles.
Authentification des tapis en soie
La mercerisation de la laine confère au produit final une brillance qui, à l'œil nu, peut ressembler beaucoup à celle de la soie. Cette similitude est exploitée par des fabricants de tapis peu fiables pour vendre ces tapis à un client crédule en tant que produit en soie pour un prix irréaliste.
La figure 1 montre que le tracé des spectres NIR correspondant à chaque type de tapis permet de distinguer facilement et rapidement les tapis en soie des tapis en laine mercerisée. Cela montre que les capteurs spectraux NeoSpectra peuvent être utilisés pour faire la distinction entre les tapis en soie authentiques et contrefaits, même par des non-experts, grâce à la simple visualisation des spectres NIR correspondants. Dans des situations plus complexes, des algorithmes d'évaluation spécifiques aux matériaux peuvent être développés pour qualifier et/ou classer différents types de textiles.
(b) : authentification du tapis en soie (premier plan) par comparaison visuelle avec un spectre de référence en soie
(c) : identification du tapis en laine mercerisée (arrière-plan) par comparaison visuelle avec un tapis (non mercerisé)
Classification des matières premières
Afin de démontrer la capacité des capteurs spectraux NeoSpectra à identifier et/ou à classer les différents types de textiles couramment présents dans les produits textiles de consommation, distinction de neuf classes différentes de matériaux textiles naturels et synthétiques (coton, laine/cachemire, soie, Kevlar, Nomex, polyacrylonitrile/acryliques, élasthanes, polyamide 6 (PA6) /polyamide 66 (PA66) et polyéthylène téréphtalate (PET))) sur la base de leurs spectres NIR par réflexion diffuse.
Sets d'échantillons :
• Total de 72 échantillons : 48 échantillons d'étalonnage, 24 échantillons de test
•Les échantillons et les spectres ont été enregistrés en trois exemplaires
Conditions de mesure :
o Gamme de longueurs d'onde : 1298 - 2606 nm.
o Contexte : 99 % Spectralon™ (un standard de réflexion avec une réponse spectrale presque plate dans le NIR).
o Toutes les mesures ont été effectuées à température ambiante.
Certains processus de traitement des données standard et simples ont été effectués sur les spectres mesurés.
o Pour chaque échantillon, les échantillons de spectres en triple exemplaire ont été moyennés
o L'échelle de longueur d'onde a été convertie en nombres d'ondes et en 7504 —4001 cm-1
o Les spectres ont été prétraités par une dérivée secondaire avec une procédure de lissage Savitzky/Golay de 5 points de données et un polynôme du 2e ordre.
o La procédure à variables normales standard (SNV) a été appliquée pour corriger les effets de diffusion.
Dans la figure 2, les spectres NIR de représentants exemplaires des neuf classes de textiles sont présentés avant (a) et après (b) le prétraitement spectral.
Évaluation des données
Des modèles PCA 5 (analyse en composantes principales) ont été développés à partir des spectres des échantillons d'étalonnage des neuf classes de textiles et leurs performances d'identification ont été vérifiées à l'aide des spectres des échantillons du kit de test. Après l'application du PCA, le nombre de PC est inférieur aux variables d'origine et cette réduction du nombre de PC permet de visualiser et d'analyser facilement les modèles des données. Dans la figure 3a, le graphique du score PCA basé sur les trois premiers PC est présenté pour les échantillons d'étalonnage des neuf classes de textiles. La figure 3b représente le même diagramme de score, y compris les échantillons de test. Ainsi, les neuf classes textiles peuvent être clairement distinguées dans leur diagramme de score et les échantillons d'essai sont correctement affectés aux groupes respectifs.
L'analyse SIMCA 5 (modélisation indépendante souple des analogies de classe) a été utilisée pour tester la capacité d'identification des spectres des échantillons de l'ensemble de test. SIMCA est une méthode de classification analysant les similarités en utilisant les modèles PCA développés pour les spectres de différentes classes afin d'évaluer à quelle classe appartient un échantillon inconnu. Les résultats de la classification sont représentés dans ce que l'on appelle les diagrammes de Coomans 5 et, dans le cas présent, l'identité des espèces textiles est obtenue si les spectres des échantillons testés sont affectés au quadrant pertinent défini par le modèle SIMCA.
À titre d'exemple, pour toutes les paires de classes textiles possibles, le diagramme de Coomans (signification de 5 %) représentant la discrimination entre la laine, le cachemire et la soie est illustré à la Figure 4. Alors que les symboles bleus et noirs représentent respectivement les spectres d'étalonnage de la laine, du cachemire et de la soie, les losanges rouges appartiennent aux spectres d'essai des neuf classes de textiles. Parmi ces échantillons de test, les classes. Par analogie, l'analyse SIMCA des autres paires de textiles a correctement attribué les échantillons d'essai à leurs classes respectives.
Conclusions
Les études démontrent clairement que les spectres des matériaux textiles les plus courants mesurés à l'aide du capteur spectral NeoSpectra fournissent des données analytiques appropriées et rapidement disponibles pour l'identification correcte d'échantillons textiles inconnus. Dans un premier temps, le PCA appliqué aux spectres d'étalonnage de neuf classes textiles différentes a permis d'établir une séparation claire en groupes et les spectres des échantillons testés ont été correctement identifiés. En outre, les analyses SIMCA basées sur les PCA de toutes les paires de classes textiles possibles ont permis une identification parfaite de l'échantillon à tester.
