基于改进XGBoost与SPA算法的近红外光谱快速定性分析技术在羊绒/羊毛混纺含量检测中的应用研究

来自国内的研究团队针对纺织品成分检测领域，创新性地将改进的极端梯度提升算法(XGBoost)与连续投影算法(SPA)相结合，开发出基于近红外光谱(NIR)的羊绒/羊毛混纺含量快速检测技术。该研究突破了传统检测方法的局限性，实现了混合纤维含量的无损、高效分析，为纺织行业质量控制提供了新型智能检测方案。

　　

这项突破性研究将机器学习与光谱分析技术完美融合，开发出革命性的纺织品成分检测方案。科研人员巧妙改良了极端梯度提升算法(XGBoost)，结合连续投影算法(SPA)的特征选择优势，构建出高性能的近红外光谱(NIR)分析模型。该技术仅需90秒即可完成羊绒/羊毛混纺样品检测，准确率高达98.7%，较传统化学检测方法效率提升20倍。研究团队通过优化光谱预处理流程，成功解决了纤维混合体系光谱重叠的难题，建立的偏最小二乘判别分析(PLS-DA)模型特征波长数缩减至15个。这项技术突破不仅实现了纺织材料的绿色无损检测，其创新算法框架更为其他复杂混合体系的快速分析提供了重要技术参考。特别值得注意的是，该方法对羊绒含量在5-95%范围内的样品均表现出优异的预测性能，相对分析误差(RPD)值达8.63，显著优于国际现有检测标准。