УДК 535.33
Мозохин Андрей Евгеньевич
Костромской государственный технологический университет
mozokhin@mail.ru
Колесникова Ирина Александровна
кандидат педагогических наук Костромской государственный университет им. Н.А. Некрасова
maly. s@ramЫer. ш
Дроздов Владимир Георгиевич
кандидат технических наук Костромской государственный технологический университет
mtdepart@kstu. edu.ru
ОБОСНОВАНИЕ ВОЗМОЖНОСТИ КОНТРОЛЯ СОДЕРЖАНИЯ ЛЬНЯНОГО ВОЛОКНА В ТРЕСТЕ МЕТОДОМ ИНФРАКРАСНОЙ СПЕКТРОМЕТРИИ
Анализ инфракрасных спектров позволяет осуществить бесконтактный контроль технологических параметров льняной тресты и льняного волокна, не нарушая целостность слоя. Взаимосвязь интенсивности отраженного или поглощенного инфракрасного излучения льнотрестой и её свойств объясняется наличием полос поглощения химических компонентов волокон и костры льна в ближнем инфракрасном диапазоне.
Ключевые слова: спектрометрия, ближняя инфракрасная область, длина волны, выход волокна, льняная треста.
Функциональные группы органических соединений, входящие в состав льняной тресты и волокна, позволяют оценить их технологические свойства при помощи бесконтактного и не разрушающего слой метода инфракрасной спектрометрии. Интенсивность поглощения или пропускания инфракрасного излучения на определенных длинах волн указывает на доминирующее влияние тех или иных функциональных групп веществ, которые, в свою очередь, взаимосвязаны с технологическими параметрами исследуемых образцов.
Ранее проведенные опыты подтвердили, что в ближнем инфракрасном спектре на частоте X = 4770 см"1 инфракрасное излучение поглощается функциональными группами молекул целлюлозы [4]. Сопоставление результатов спектрального и химического анализа на содержание пектина, лигнина, гемицеллюлозы и целлюлозы в различных сортах льняной тресты позволило установить корреляционную зависимость (коэффициент корреляции г = 0,81) между содержанием целлюлозы в льнотресте и величиной направленного пропускания инфракрасного излучения на частоте X = 4770 см-1.
Поскольку основными высокомолекулярными компонентами льнотресты являются полисахариды - целлюлозы (её содержание в стеблях льна в лубяной части 60-65%, а в древесной - 40-45%), гемицеллюлозы, пектины, то основными связями, проявляющимися в ближнем инфракрасном спектре льнотресты, являются СН и ОН группы этих высокомолекулярных соединений [3]. Поглощение инфракрасного излучения функциональными груп-
пами молекул целлюлозы на частоте 4770 см-1 позволяет, проанализировав спектры отражения, использовать для оценки содержания волокна в льняной тресте.
Для оценки содержания волокна в льняной тресте методом инфракрасной спектрометрии был проведен ряд опытов, включающих в себя подготовку проб льнотресты и определение выхода длинного трепаного волокна согласно ГОСТ Р 53143-2008 «Треста льняная. Требования при заготовке» [1]. Обработка инфракрасных спектров, полученных на спектрофотометре, производилась в соответствии с методикой, описанной в [2].
В качестве исследуемых образцов была выбрана льняная треста разных селекционных сортов урожая 2012 года: Томский 17, Могилевский, Даш-ковский, Мерелин. Образцы тресты имели нормальную степень вылежки, кондиционную влажность и были разделены на две группы. Одна из них предназначалась для определения выхода волокна согласно стандартной методике [1]. Вторая группа предназначалась для снятия инфракрасных спектров на спектрофотометре.
Образцы первой группы, подготовленные для опытов по определению выхода длинного трепаного волокна, обрабатывались на мяльно-трепальном агрегате АЛС-1. На АЛС-1 сырье обрабатывалось при частоте трепальных барабанов 275 мин-1. Результаты выхода волокна представлены в таблице 1. Также была проведена интервальная оценка полученных результатов эксперимента и рассчитаны доверительные интервалы по выходу волокна.
Таблица 1
Выход волокна на АЛС-1
Сорт Томский-17 Мерлин Могилевский Дашковский
Выход волокна, (%) 16,5 ± 0,6 25,4 ±0,6 22 ±0,5 11,5 ±0,6
© Мозохин А.Е., Колесникова И.А., Дроздов В.Г, 2013
Вестник КГУ им. Н.А. Некрасова ♦ № 6, 2013
11
25,4%
Волновое число, см-1
Рис. 1. Инфракрасные спектры образцов льняной тресты с различным содержание волокна в области 4770 см-1
Параллельно проводился спектральный анализ исследуемых образцов льнотресты. Эксперименты осуществлялись в лаборатории института нефти и газа им. И.М. Губкина. Съемка спектров проводилась на инфракрасном спектрометре МРА (Broker), оснащенном интегрирующей сферой и оптоволоконным датчиком, спектральный диапазон 3600-12500 см-1, разрешение 8 см-1, число сканов 32. Съемка спектров велась в геометрии диффузного отражения. Перед съемкой измельченные образ-
цы льнотресты (не более 10 мм каждый образец) были помещены в специальный вращающийся стакан. Обработанные спектры представляют пространственное усреднение всего материала. Для лучшего усреднения был использован вращающий стакан, куда помещался измельченный материал. Управление прибором, съёмка и обработка спектров, а также анализ полученной спектральной информации и построение калибровочных моделей проводились с помощью программы OPUS 5.5 «BRUKER».
Рис. 2. График модели линейной калибровки по выходу длинного волокна на мяльно-трепальном агрегате АЛС-1
12
Вестник КГУ им. Н.А. Некрасова ♦ № 6, 2013
Полученные инфракрасные спектры образцов льнотресты с различным содержанием волокна представлены на рисунке 1.
Как видно из рисунка 1, интегральная интенсивность линий в области 4770 см-1 пропорциональна изменению содержания волокна в тресте, что позволило построить линейные калибровочные модели для результатов по выходу на АЛС-1 (рис. 2).
Таким образом, высокий коэффициент корреляции для линейных моделей по выходу длинного волокна, характеризующему содержание волокна в тресте (г = 0,98, СКО = 0.82 для АЛС-1), подтверждает высокую достоверность полученных калибровочных моделей и возможность оценки (прогнозирования) содержания льняного волокна в тресте методом инфракрасной спектрометрии с высокой точностью.
Библиографический список
1. ГОСТ Р 53143-2008. «Треста льняная. Требования при заготовках». - М.: Изд-во Стандар-тинформ, 2009.
2. Дроздов В.Г., Мозохин В.Г. Оценка технологических параметров льняной тресты методом ближней инфракрасной Фурье-спектрометрии. -Кострома: Изд-во Костром. гос. технол. ун-та, 2013. - 24 с.
3. Катков А.А. Управление режимом работы мяльно-трепального агрегата в зависимости от влажности льнотресты: Дис. ... канд. техн. наук / Костромской гос. технол. ун-т. - Кострома, 2008. - 168 с.
4. Мозохин А.Е., ДроздовВ.Г., КолесниковаИ.А. Сопоставление химического и спектрального анализа разных сортов льняной тресты // Вестник КГТУ - 2012. - № 4. - С. 17-21.
УДК 004.8
Садыков Султан Сидыкович
доктор технических наук sadykovss@yandex.ru
Терехин Андрей Викторович
terehin_murom@mail. ш Муромский институт (филиал) Владимирского государственного университета им. А.Г и Н. Г. Столетовых
АЛГОРИТМ КЛАССИФИКАЦИИ ВЫПУКЛЫХ ФИГУР, С ИСПОЛЬЗОВАНИЕМ ДИАГОНАЛЬНЫХ ПРИЗНАКОВ ФОРМЫ
В статье описан алгоритм вычисления диагональных признаков формы, приводятся формулы для вычислений, предложен способ классификации выпуклых фигур по их форме, представлены результаты исследований. Ключевые слова: форма, признак, классификация, диагональный коэффициент формы, выпуклые фигуры.
Системы автоматического распознавания (САР) в настоящее время все больше находят применение в современном производстве на конвейерной сборке различных объектов из наборов деталей. Различные виды САР различаются между собой как техническим, так и программным оснащением, в зависимости от конкретно поставленной задачи. Объединяет их то, что для распознавания объектов в них используются наборы признаков, объединенные в векторы по определенным группам, при этом нормализованные определенным образом [1]. Значения векторов признаков для конкретных объектов формируются в эталоны.
Многие объекты, которые распознаются в современных САР, имеют проекции на плоскости, схожие по форме с выпуклыми геометрическими фигурами. Поэтому важным этапом при разработке САР является предварительная классификация геометрических фигур по признакам формы с целью уменьшения времени классификации и повышения точности идентификации.
Данную операцию можно осуществить с помощью геометрических признаков [2], таких как периметр, площадь, величина углов (кривизна). За-
частую их оказывается недостаточно, и возникает задача добавления новых характеристик [3].
Набор используемых признаков, для удобства вычислений, необходимо привести к нормированному виду. Данная необходимость вызвана тем, что значения признаков различных типов могут сильно отличаться между собой (одни могут иметь очень маленькие значения, другие - очень большие), что в свою очередь негативно влияет на графическое представление и анализ статистической информации при исследованиях. Так как в цифровом виде изображения представляются в виде наборов пикселей, то и геометрические характеристики объектов, присутствующих на них, будут зависеть от размеров изображения. Поэтому возникает необходимость в представлении характеристик в виде безразмерных коэффициентов, что делает соответствующие признаки невосприимчивыми к размеру рассматриваемого изображения и ориентации фигуры на изображении.
В данной статье предлагается способ классификации геометрических фигур по их форме с использованием набора признаков, нормализованных определенным образом и имеющих общий диапазон значений.
© Садыков С.С., Терехин А.В., 2013
Вестник КГУ им. Н.А. Некрасова ♦ № 6, 2013
13