基于衰减全反射-中红外光谱与化学计量学联用的纸张纤维成分快速鉴别与表征新策略

本研究针对纸张纤维成分传统鉴别方法存在的操作繁琐、耗时较长等问题，开发了ATR-MIR光谱结合化学计量学（PCA、HCA、LDA、SIMCA）的快速鉴别技术。通过对26份不同纤维来源的纸张样本进行分析，成功实现了95%的准确分类，为纸张无损检测提供了高效可靠的新方案，显著提升了检测效率和实用性。

　　

在纸张制造与质量控制领域，准确鉴别纸张的纤维成分一直是行业关注的重点课题。传统鉴别方法往往需要依赖复杂的化学分析或破坏性检测手段，不仅操作繁琐、耗时较长，还对操作人员的专业水平有较高要求。随着纸张应用领域的不断扩大和环保要求的日益提高，开发一种快速、无损且准确的纸张纤维成分鉴别技术显得尤为迫切。

近日发表于《International Journal of Polymer Analysis and Characterization》的一项研究，为这一难题提供了创新性的解决方案。由Birol üner、Fatma Nur Arslan、?ükriye Nihan Karuk Elmas、?brahim Y?lmaz和Hakan Demirel组成的研究团队，成功将衰减全反射-中红外光谱（ATR-MIR）技术与化学计量学方法相结合，建立了一套高效的纸张纤维成分快速鉴别体系。

研究团队采用ATR-MIR光谱技术结合主成分分析（PCA）、层次聚类分析（HCA）、线性判别分析（LDA）和软独立建模分类法（SIMCA）等多种化学计量学方法，对26份来自不同纤维原料（长纤维、短纤维和脱墨纤维）的纸张样本进行了系统分析。样本队列包含三种不同纤维来源的工业用纸，研究同时测定了样品的重量（g）、定量（g·m^?2）、厚度（mm）、抗张指数（N·m·g^?1）、断裂长（km）、吸湿率（%）、亮度（R457）、白度和黄度（E313）等力学特性参数。

光谱特征分析

研究人员在4000-650 cm^?1波数范围内获得了样本的光谱数据，识别出多达30个与纸张成分相关的特征波数区域。通过化学计量学分析发现，不同纤维来源的纸张在光谱特征上存在显著差异，这为后续的分类鉴别提供了理论基础。

分类模型构建与验证

研究构建的SIMCA分类模型实现了100%的样本正确分类，准确率达到95%；LDA模型也取得了94.87%的分类准确率，准确率同样为95%。这表明所建立的化学计量学模型具有优异的鉴别能力和可靠性。

力学特性关联分析

通过对样本力学特性的测定和分析，研究发现不同纤维成分的纸张在力学性能上存在明显差异，这些差异与光谱分析结果呈现出良好的相关性，进一步验证了所建立方法的科学性。

该研究的成功开展标志着纸张纤维成分鉴别技术取得了重要突破。所开发的ATR-MIR结合化学计量学的方法不仅显著提高了检测效率，更重要的是实现了无损检测，减少甚至避免了对样本的破坏。该方法对操作人员专业技能要求较低，易于在实际生产中推广应用，为解决传统标准方法中遇到的诸多难题提供了有效途径。

这项技术的推广应用将极大地促进纸张质量控制、产品溯源和回收利用等领域的发展，为造纸行业的可持续发展提供有力的技术支撑。特别是在当前倡导循环经济和绿色制造的背景下，这种快速、准确的鉴别方法具有重要的现实意义和广阔的应用前景。