皮革质量检测方法

摘要

本发明涉及一种皮革质量检测方法，检测的质量性能为安全性能、生态性能或耐用性能，所述检测方法包括如下步骤：(1)根据所述质量性能的参数对待测皮革进行测试，获取测试结果；(2)采用量化模型对所述测试结果进行处理，即得所述待测皮革在所述质量性能下的量化结果。通过依据质量性能参数对待测皮革进行测试并采用质量性能的量化模型对所述测试结果进行处理，由此可对皮革质量的安全性能、生态性能和耐用性能进行科学量化地测定，通过各测定结果的比对和积累，使数据具有产品间的可比性和质量参数积累价值，可以反映皮革质量性能的变化趋势，以及工艺的改进，改变了传统的“合格品”和“不合格品”等语言表达形式的模糊描述。

权利要求

1.一种皮革质量检测方法，其特征在于，包括如下步骤：根据安全性能参数，采用与安全性能参数对应的安全性能测试方法对待测皮革进行安全性能测试，获得安全性能测试结果；

根据生态性能参数，采用与生态性能参数对应的生态性能测试方法对待测皮革进行生态性能测试，获得生态性能测试结果；

根据耐用性能参数，采用与耐用性能参数对应的耐用性能测试方法对待测皮革进行耐用性能测试，获得耐用性能测试结果；

采用安全性能量化模型对所述安全性能测试结果进行处理，获得皮革质量的安全性能量化检测结果；

采用生态性能量化模型对所述生态性能测试结果进行处理，获得皮革质量的生态性能量化检测结果；

采用耐用性能量化模型对所述耐用性能测试结果进行处理，获得皮革质量的耐用性能量化检测结果；其中，所述安全性能量化模型如式(IV)和(V)所示：

Ws1＝∑Yjs1Hjs1±rs1  式(IV)，

Ws2＝∑Yjs2Hjs1±rs2  式(V)，

其中，Ws1和Ws2代表安全性能；Hjs1和Hjs2代表各安全性能参数；Yjs1和Yjs2代表安全性能判别系数；rs1和rs2代表安全性能校正因子，该安全性能量化模型通过如下方式得到：根据安全性能参数，采用与安全性能参数对应的安全性能测试方法对皮革样本进行安全性能测试，获得皮革样本的安全性能测试结果；

获取所述皮革样本的安全性能测试结果均小于所述安全性能参数的限量值的皮革样本作为合格组；

获取所述皮革样本的安全性能测试结果均大于或等于所述安全性能参数的限量值的皮革样本作为不合格组；

获取所述限量值±10％限量值的范围内的数值，或所述安全性能参数的极限值作为专家数据组；

依据所述合格组和不合格组的安全性能测试结果，以及所述专家数据组的数据建立所述安全性能量化模型；

所述生态性能量化模型如式(VI)和(VII)所示：

We1＝∑Yje1Hje1±re1  式(VI)，

We2＝∑Yje2Hje2±re2  式(VII)，其中，We1和We2代表生态性能；Hje1和Hje1代表各生态性能参数；Yje1和Yje2代表生态性能判别系数；re1和re2代表生态性能校正因子，该生态性能量化模型通过如下方式得到：根据生态性能参数，采用与生态性能参数对应的生态性能测试方法对皮革样本进行生态性能测试，获得皮革样本的生态性能测试结果；

获取所述皮革样本的生态性能测试结果均小于所述生态性能参数的限量值的皮革样本作为合格组；

获取所述皮革样本的生态性能测试结果均大于或等于所述生态性能参数的限量值的皮革样本作为不合格组；

获取所述限量值±10％限量值的范围内的数值，或所述生态性能参数的极限值作为专家数据组；

依据所述合格组和不合格组的生态性能测试结果，以及所述专家数据组的数据建立所述生态性能量化模型；

所述耐用性能量化模型如式(VIII)和(IX)所示：Wd1＝∑Yjd1Hjd1±rd1  式(VIII)，Wd2＝∑Yjd2Hjd2±rd2  式(IX)，

其中，Wd1和Wd2代表耐用性能；Hjd1和Hjd1代表各耐用性能参数；Yjd1和Yjd2代表耐用性能判别系数；rd1和rd2代表耐用性能校正因子，该耐用性能量化模型通过如下方式得到：根据耐用性能参数，采用与耐用性能参数对应的耐用性能测试方法对皮革样本进行耐用性能测试，获得皮革样本的耐用性能测试结果；

获取所述皮革样本的耐用性能测试结果均小于所述耐用性能参数的限量值的皮革样本作为合格组；

获取所述皮革样本的耐用性能测试结果均大于或等于所述耐用性能参数的限量值的皮革样本作为不合格组；

获取所述限量值±10％限量值的范围内的数值，或所述耐用性能参数的极限值作为专家数据组；

依据所述合格组和不合格组的耐用性能测试结果，以及所述专家数据组的数据建立所述耐用性能量化模型。

2.根据权利要求1所述的皮革质量检测方法，其特征在于，所述合格组和不合格组中皮革样本的数量与所述专家数据组中数据的数量相等，且均不少于30个。

3.根据权利要求1所述的皮革质量检测方法，其特征在于，所述安全性能量化模型、所述生态性能量化模型或所述耐用性能量化模型的建立分别采用全变量法和逐步判别法进行。

4.一种皮革质量检测方法，其特征在于，包括如下步骤：根据安全性能参数，采用与安全性能参数对应的安全性能测试方法对待测皮革进行安全性能测试，获得安全性能测试结果；

根据生态性能参数，采用与生态性能参数对应的生态性能测试方法对待测皮革进行生态性能测试，获得生态性能测试结果；

根据耐用性能参数，采用与耐用性能参数对应的耐用性能测试方法对待测皮革进行耐用性能测试，获得耐用性能测试结果；

采用安全性能量化模型对所述安全性能测试结果进行处理，获得皮革质量的安全性能量化检测结果；

采用生态性能量化模型对所述生态性能测试结果进行处理，获得皮革质量的生态性能量化检测结果；

采用耐用性能量化模型对所述耐用性能测试结果进行处理，获得皮革质量的耐用性能量化检测结果；其中，所述安全性能量化模型如式(I)所示：

Ws＝∑YjsHjs±rs  式(I)，

其中，Ws代表安全性能；Hjs代表各安全性能参数；Yjs代表安全性能判别系数；rs代表安全性能校正因子，该安全性能量化模型通过如下方式得到：根据安全性能参数，采用与安全性能参数对应的安全性能测试方法对皮革样本进行安全性能测试，获得皮革样本的安全性能测试结果；

获取所述皮革样本的安全性能测试结果均小于所述安全性能参数的限量值的皮革样本作为合格组；

获取所述皮革样本的安全性能测试结果均大于或等于所述安全性能参数的限量值的皮革样本作为不合格组；

依据所述合格组和不合格组的安全性能测试结果建立所述安全性能量化模型；

所述生态性能量化模型如式(II)所示：

We＝∑YjeHje±re  式(II)，

其中，We代表生态性能；Hje代表各生态性能参数；Yje代表生态性能判别系数；re代表生态性能校正因子，该生态性能量化模型通过如下方式得到：根据生态性能参数，采用与生态性能参数对应的生态性能测试方法对皮革样本进行生态性能测试，获得皮革样本的生态性能测试结果；

获取所述皮革样本的生态性能测试结果均小于所述生态性能参数的限量值的皮革样本作为合格组；

获取所述皮革样本的生态性能测试结果均大于或等于所述生态性能参数的限量值的皮革样本作为不合格组；

依据所述合格组和不合格组的生态性能测试结果建立所述生态性能量化模型；

所述耐用性能量化模型如式(III)所示：

Wd＝∑YjdHjd±rd  式(III)，

其中，Wd代表耐用性能；Hjd代表各耐用性能参数；Yjd代表耐用性能判别系数；rd代表耐用性能校正因子，该耐用性能量化模型通过如下方式得到：根据耐用性能参数，采用与耐用性能参数对应的耐用性能测试方法对皮革样本进行耐用性能测试，获得皮革样本的耐用性能测试结果；

获取所述皮革样本的耐用性能测试结果均小于所述耐用性能参数的限量值的皮革样本作为合格组；

获取所述皮革样本的耐用性能测试结果均大于或等于所述耐用性能参数的限量值的皮革样本作为不合格组；

依据所述合格组和不合格组的耐用性能测试结果建立所述耐用性能量化模型。

5.根据权利要求4所述的皮革质量检测方法，其特征在于，所述合格组和不合格组中皮革样本的数量相等，且均不少于30个。

6.根据权利要求4所述的皮革质量检测方法，其特征在于，所述安全性能量化模型、所述生态性能量化模型或所述耐用性能量化模型的建立分别采用全变量法和逐步判别法进行。

7.根据权利要求1或4所述的皮革质量检测方法，其特征在于，所述安全性能参数选自：游离甲醛的浓度、可分解有害芳香胺的浓度、致敏染料的浓度、致癌染料的浓度、六价铬的浓度、富马酸二甲酯的浓度、五氯苯酚的浓度、有机锡化合物的浓度、增塑剂的浓度、可萃取重金属铅的浓度、可萃取重金属镍的浓度、可萃取重金属镉的浓度和pH值中的至少两种；

所述生态性能参数选自：游离甲醛的浓度、可分解有害芳香胺的浓度、致敏染料的浓度、致癌染料的浓度、六价铬的浓度、五氯苯酚的浓度、有机锡化合物的浓度、邻苯基苯酚的浓度、全氟辛烷磺酸盐的浓度，乙氧基烷基酚的浓度和短链氯化石蜡的浓度中的至少两种；

当所述皮革的种类为鞋面革时，所述耐用性能参数选自：撕裂力、规定负荷伸长率、摩擦色牢度、耐折牢度、崩裂高度和崩破强度中的至少两种；

当所述皮革的种类为家具革时，所述耐用性能参数选自：撕裂力、断裂伸长率、摩擦色牢度、耐折牢度、低温脆裂温度、涂层粘着牢度、耐光色牢度、耐磨性、耐水斑点色牢度和耐汗色牢度中的至少两种；

当所述皮革的种类为服装革时，所述耐用性能参数选自：撕裂力、规定负荷伸长率、摩擦色牢度、耐折牢度、低温脆裂、涂层粘着牢度、耐光色牢度、耐水斑点色牢度、耐汗色牢度、耐干洗溶剂色牢度和耐水色牢度中的至少两种。

8.根据权利要求7所述的皮革质量检测方法，其特征在于，所述安全性能参数选自：游离甲醛的浓度、可分解有害芳香胺的浓度、富马酸二甲酯的浓度、可萃取重金属镍Ni的浓度、可萃取重金属镉的浓度和六价铬的浓度中的至少两种；

所述生态性能参数选自：游离甲醛的浓度、可分解有害芳香胺的浓度、五氯苯酚的浓度、邻苯基苯酚的浓度和短链氯化石蜡的浓度中的至少两种；

当所述皮革的种类为鞋面革时，所述耐用性能参数选自：规定负荷伸长率、崩裂高度和崩破强度中的至少两种；

当所述皮革的种类为家具革时，所述耐用性能参数选自：撕裂力、涂层粘着牢度、耐光色牢度和耐磨性中的至少两种；

当所述皮革的种类为服装革时，所述耐用性能参数选自：撕裂力、耐光色牢度和耐水色牢度中的至少两种。

9.根据权利要求1-8任一项所述的皮革质量检测方法，其特征在于，还包括：采用皮革质量综合量化模型对所述安全性能测试结果、生态性能测试结果和耐用性能测试结果进行处理，获得皮革质量的综合量化检测结果。

说明书

皮革质量检测方法

技术领域

[0001] 本发明涉及皮革的质量检测，特别是涉及皮革质量检测方法。

背景技术

[0002] 皮革的质量性能是将理论与实践相结合，是人们认识皮革的本质和进一步改善皮革质量的手段与工具。皮革的质量是由多方面因素组成的，如感官性能，物理机械性能，卫生性能，安全性能和生态性能等，每种性能包含了众多的指标如外观，强度，有毒有害物质，色牢度等，且指标之间存在交叉，因此反映成品皮革质量性能的指标多，体系较为复杂，不同国家和不同的研究人员、学者，均从各自不同的应用和研究角度去衡量成品皮革质量的优劣。

[0003] 根据欧盟委员会的民调组织Eurobarometer的研究显示，当前消费者更为关注的皮革质量性能是皮革的生态性能和安全性能等：

[0004] (1)反映皮革生态性能优劣的方法主要包括限量值判定法、生态足迹和环境风险评估等，其中，生态足迹较为复杂，涵盖的周期和领域较广，虽然被较多的学者研究，但是也引起较多的争论，尤其是碳足迹，国际皮革组织至今对皮革碳足迹所覆盖的范畴仍未有一个定论，限量值判定法则是以限用物质，限制用量为基础，只能给予一个笼统的定论，却不能量化，而鉴于生态系统的复杂性，环境风险评估目前能够获得公认的研究生成过很少，因此，寻求一种实操性较强，全面量化皮革及其制品生态性能优劣的方法是非常有必要的；

[0005] (2)国内外对皮革及其制品的安全性能的测试方法主要是基于限量值评定法，即根据已有的相关技术法规、标准和技术规范进行测试，如中国的抽检准则，欧盟的REACH法规，美国的CPSIA法案和16cfr等，一项不合格，则判定为不合格，虽然直观的判定产品是否合格，但是却不能全面量化地反映产品安全性能的优劣，使结论具有可比性，风险评估法是目前评估消费品安全性能所推崇的一种较为科学的方法，国内主要是质监局通过专门对某一项产品的相关指标进行风险监测立项，从而确定产品的安全风险等级，对于多个安全性能指标，则选用最高风险等级作为产品的风险等级，而皮革及其制品的安全性能指标一般都存在多个，如果一概的只拿最高的风险等级判定，则有失公正，且该方法主观性较强，企业，对政府在实际操作中的难以运用，不同的安全性能指标其安全风险级别不同，在综合安全性能中的权重不同，贡献程度不一，综合判定其风险等级则比用最高值判定更为科学，因此，寻求一种实操性较强，全面量化皮革及其制品安全性能的优劣的方法是非常有必要的；

[0006] (3)随着科学技术的发展，交叉学科已被广泛的普及，“大数据”成为最近大热的词汇，近年来，在产品特性量化方法中，模糊数学、人工神经网络、判别分析法等统计学科的应用越来越广泛，其应用价值在皮革行业中也逐渐得到了体现，但是这些方法均是集中在感官性能的判定上，并未对皮革的其他性能有所涉及，且这些方法均有优劣，不能完全套用在皮革及其制品之上。

[0007] 综上可知，世界皮革行业在皮革的质量性能测试的实际工作中，尚无一种可以综合反映皮革质量的量化方法，而仅根据单一的指标数值来反映皮革质量，进行“一项否决制”，难以描述皮革多个指标对质量的影响，客观地综合量化表征皮革的各项性能；且皮革的质量判定通常给出的是“合格”或“不合格”等语言表达形式的模糊和定性描述，结论不可避免地带有一定的片面性，难以量化的产品质量的优劣，还造成样品之间的质量没有可比性，测试结果没有积累价值，难以科学量化地反映产品质量性能的变化趋势，以及工艺的改进方向。

发明内容

[0008] 基于此，有必要提供一种皮革质量检测方法。

[0009] 一种皮革质量检测方法，包括如下步骤：

[0010] 根据安全性能参数，采用与安全性能参数对应的安全性能测试方法对待测皮革进行安全性能测试，获得安全性能测试结果；

[0011] 根据生态性能参数，采用与生态性能参数对应的生态性能测试方法对待测皮革进行生态性能测试，获得生态性能测试结果；

[0012] 根据耐用性能参数，采用与耐用性能参数对应的耐用性能测试方法对待测皮革进行耐用性能测试，获得耐用性能测试结果；

[0013] 采用安全性能量化模型对所述安全性能测试结果进行处理，获得皮革质量的安全性能量化检测结果；

[0014] 采用生态性能量化模型对所述生态性能测试结果进行处理，获得皮革质量的生态性能量化检测结果；

[0015] 采用耐用性能量化模型对所述耐用性能测试结果进行处理，获得皮革质量的耐用性能量化检测结果。

[0016] 在其中一个实施例中，所述安全性能参数选自：游离甲醛的浓度、可分解有害芳香胺的浓度、致敏染料的浓度、致癌染料的浓度、六价铬的浓度、富马酸二甲酯的浓度、五氯苯酚的浓度、有机锡化合物(TBT、DBT)的浓度、增塑剂(DBP、BBP、DEHP、DINP、DNOP和DIDP)的浓度、可萃取重金属铅Pb的浓度、可萃取重金属镍Ni的浓度、可萃取重金属镉Cd的浓度和pH中的至少两种；

[0017] 所述生态性能参数选自：游离甲醛的浓度、可分解有害芳香胺的浓度、致敏染料的浓度、致癌染料的浓度、六价铬的浓度、五氯苯酚的浓度、有机锡化合物(TBT、DBT)的浓度、邻苯基苯酚的浓度、全氟辛烷磺酸盐的浓度，乙氧基烷基酚的浓度和短链氯化石蜡的浓度中的至少两种；

[0018] 当所述皮革的种类为鞋面革时，所述耐用性能参数选自：撕裂力、规定负荷伸长率、摩擦色牢度、耐折牢度、崩裂高度和崩破强度中的至少两种；

[0019] 当所述皮革的种类为家具革时，所述耐用性能参数选自：撕裂力、断裂伸长率、摩擦色牢度、耐折牢度、低温脆裂温度、涂层粘着牢度、耐光色牢度、耐磨性、耐水斑点色牢度和耐汗色牢度中的至少两种；

[0020] 当所述皮革的种类为服装革时，所述耐用性能参数选自：撕裂力、规定负荷伸长率、摩擦色牢度、耐折牢度、低温脆裂、涂层粘着牢度、耐光色牢度、耐水斑点色牢度、耐汗色牢度、耐干洗溶剂色牢度和耐水色牢度中的至少两种。

[0021] 在其中一个实施例中，所述安全性能参数选自：游离甲醛的浓度、可分解有害芳香胺的浓度、富马酸二甲酯的浓度、可萃取重金属镍Ni的浓度、可萃取重金属镉Cd的浓度和六价铬的浓度中的至少两种；

[0022] 所述生态性能参数选自：游离甲醛的浓度、可分解有害芳香胺的浓度、五氯苯酚的浓度、邻苯基苯酚的浓度和短链氯化石蜡的浓度中的至少两种；

[0023] 当所述皮革的种类为鞋面革时，所述耐用性能参数选自：规定负荷伸长率、崩裂高度和崩破强度中的至少两种；

[0024] 当所述皮革的种类为家具革时，所述耐用性能参数选自：撕裂力、涂层粘着牢度、耐光色牢度和耐磨性中的至少两种；

[0025] 当所述皮革的种类为服装革时，所述耐用性能参数选自：撕裂力、耐光色牢度和耐水色牢度中的至少两种。

[0026] 在其中一个实施例中，所述安全性能量化模型如式(I)所示：

[0027] Ws＝∑YjsHjs±rs    式(I)，

[0028] 其中，Ws代表安全性能；Hjs代表各安全性能参数；Yjs代表安全性能判别系数；rs代表安全性能校正因子，该安全性能量化模型通过如下方式得到：

[0029] 根据安全性能参数，采用与安全性能参数对应的安全性能测试方法对皮革样本进行安全性能测试，获得皮革样本的安全性能测试结果；

[0030] 获取所述皮革样本的安全性能测试结果均小于所述安全性能参数的限量值的皮革样本作为合格组；

[0031] 获取所述皮革样本的安全性能测试结果均大于或等于所述安全性能参数的限量值的皮革样本作为不合格组；

[0032] 依据所述合格组和不合格组的安全性能测试结果建立所述安全性能量化模型；

[0033] 所述生态性能量化模型如式(II)所示：

[0034] We＝∑YjeHje±re    式(II)，

[0035] 其中，We代表生态性能；Hje代表各生态性能参数；Yje代表生态性能判别系数；re代表生态性能校正因子，该生态性能量化模型通过如下方式得到：

[0036] 根据生态性能参数，采用与生态性能参数对应的生态性能测试方法对皮革样本进行生态性能测试，获得皮革样本的生态性能测试结果；

[0037] 获取所述皮革样本的生态性能测试结果均小于所述生态性能参数的限量值的皮革样本作为合格组；

[0038] 获取所述皮革样本的生态性能测试结果均大于或等于所述生态性能参数的限量值的皮革样本作为不合格组；

[0039] 依据所述合格组和不合格组的生态性能测试结果建立所述生态性能量化模型；

[0040] 所述耐用性能量化模型如式(III)所示：

[0041] Wd＝∑YjdHjd±rd    式(III)，

[0042] 其中，Wd代表耐用性能；Hjd代表各耐用性能参数；Yjd代表耐用性能判别系数；rd代表耐用性能校正因子，该耐用性能量化模型通过如下方式得到：

[0043] 根据耐用性能参数，采用与耐用性能参数对应的耐用性能测试方法对皮革样本进行耐用性能测试，获得皮革样本的耐用性能测试结果；

[0044] 获取所述皮革样本的耐用性能测试结果均小于所述耐用性能参数的限量值的皮革样本作为合格组；

[0045] 获取所述皮革样本的耐用性能测试结果均大于或等于所述耐用性能参数的限量值的皮革样本作为不合格组；

[0046] 依据所述合格组和不合格组的耐用性能测试结果建立所述耐用性能量化模型。

[0047] 在其中一个实施例中，所述合格组和不合格组中样本的数量相等，且均不少于30个。

[0048] 在其中一个实施例中，所述安全性能量化模型、所述生态性能量化模型或所述耐用性能量化模型的建立分别采用全变量法和逐步判别法进行。

[0049] 在其中一个实施例中，所述安全性能量化模型如式(IV)和(V)所示：

[0050] Ws1＝∑Yjs1Hjs1±rs1    式(IV)，

[0051] Ws2＝∑Yjs2Hjs1±rs2    式(V)，

[0052] 其中，Ws1和Ws2代表安全性能；Hjs1和Hjs2代表各安全性能参数；Yjs1和Yjs2代表安全性能判别系数；rs1和rs2代表安全性能校正因子，该安全性能量化模型通过如下方式得到：

[0053] 根据安全性能参数，采用与安全性能参数对应的安全性能测试方法对皮革样本进行安全性能测试，获得皮革样本的安全性能测试结果；

[0054] 获取所述皮革样本的安全性能测试结果均小于所述安全性能参数的限量值的皮革样本作为合格组；

[0055] 获取所述皮革样本的安全性能测试结果均大于或等于所述安全性能参数的限量值的皮革样本作为不合格组；

[0056] 获取所述限量值±10％限量值的范围内的数值，或所述安全性能参数的极限值作为专家数据组；

[0057] 依据所述合格组和不合格组的安全性能测试结果，以及所述专家数据组的数据建立所述安全性能量化模型；

[0058] 所述生态性能量化模型如式(VI)和(VII)所示：

[0059] We1＝∑Yje1Hje1±re1    式(VI)，

[0060] We2＝∑Yje2Hje2±re2    式(VII)，

[0061] 其中，We1和We2代表生态性能；Hje1和Hje1代表各生态性能参数；Yje1和Yje2代表生态性能判别系数；re1和re2代表生态性能校正因子，该生态性能量化模型通过如下方式得到：

[0062] 根据生态性能参数，采用与生态性能参数对应的生态性能测试方法对皮革样本进行生态性能测试，获得皮革样本的生态性能测试结果；

[0063] 获取所述皮革样本的生态性能测试结果均小于所述生态性能参数的限量值的皮革样本作为合格组；

[0064] 获取所述皮革样本的生态性能测试结果均大于或等于所述生态性能参数的限量值的皮革样本作为不合格组；

[0065] 获取所述限量值±10％限量值的范围内的数值，或所述生态性能参数的极限值作为专家数据组；

[0066] 依据所述合格组和不合格组的生态性能测试结果，以及所述专家数据组的数据建立所述生态性能量化模型；

[0067] 所述耐用性能量化模型如式(VIII)和(IX)所示：

[0068] Wd1＝∑Yjd1Hjd1±rd1    式(VIII)，

[0069] Wd2＝∑Yjd2Hjd2±rd2    式(IX)，

[0070] 其中，Wd1和Wd2代表耐用性能；Hjd1和Hjd1代表各耐用性能参数；Yjd1和Yjd2代表耐用性能判别系数；rd1和rd2代表耐用性能校正因子，该耐用性能量化模型通过如下方式得到：

[0071] 根据耐用性能参数，采用与耐用性能参数对应的耐用性能测试方法对皮革样本进行耐用性能测试，获得皮革样本的耐用性能测试结果；

[0072] 获取所述皮革样本的耐用性能测试结果均小于所述耐用性能参数的限量值的皮革样本作为合格组；

[0073] 获取所述皮革样本的耐用性能测试结果均大于或等于所述耐用性能参数的限量值的皮革样本作为不合格组；

[0074] 获取所述限量值±10％限量值的范围内的数值，或所述耐用性能参数的极限值作为专家数据组；

[0075] 依据所述合格组和不合格组的耐用性能测试结果，以及所述专家数据组的数据建立所述耐用性能量化模型。

[0076] 所述极限值是指该测试中较少出现的极大值或极小值，可根据现有的测试结果进行获取。

[0077] 在其中一个实施例中，所述合格组和不合格组中样本的数量与所述专家数据组中数据的数量相等，且均不少于30个。

[0078] 在其中一个实施例中，所述安全性能量化模型、所述生态性能量化模型或所述耐用性能量化模型的建立分别采用全变量法和逐步判别法进行。

[0079] 在其中一个实施例中，还包括：采用皮革质量综合量化模型对所述安全性能测试结果、生态性能测试结果和耐用性能测试结果进行处理，获得皮革质量的综合量化检测结果。

[0080] 与现有技术相比，本发明具有以下有益效果：

[0081] (1)本发明所述皮革质量检测方法，通过依据质量性能参数对待测皮革进行测试并采用质量性能的量化模型对所述测试结果进行处理，由此可对皮革质量的安全性能、生态性能和耐用性能进行科学量化地测定，通过各测定结果的比对和积累，使数据具有产品间的可比性和质量参数积累价值，可以反映皮革质量性能的变化趋势，以及工艺的改进，改变了传统的“合格品”和“不合格品”等语言表达形式的模糊描述。

[0082] (2)本发明优选为采用两组判别和三组判别的方式构建得到的量化模型显著性较强，其中，三组判别的方式，通过将各测试项的限量值附近的数值或各测试项的极限值作为校正基准引入量化模型的构建，考核和验证模型的稳定性，可进一步有效提高量化模型的准确率。

[0083] (3)采用皮革质量综合量化模型对安全性能、生态性能和耐用性能进行综合表征，对影响皮革综合性能的测试结果进行了深入的研究。

附图说明

[0084] 图1为鞋面革安全性能量化中各参数的判别权重对比结果图；

[0085] 图2为鞋面革安全性能量化中各参数的结构系数对比结果图；

[0086] 图3为鞋面革安全性能量化中两组判别分析法的量化模型单独组图(第1组数据，全变量法)；

[0087] 图4为鞋面革安全性能量化中两组判别分析法的量化模型单独组图(第1组数据，逐步判别法)；

[0088] 图5为鞋面革安全性能量化中两组判别分析法的量化模型单独组图(第2组数据，全变量法)；

[0089] 图6为鞋面革安全性能量化中两组判别分析法的量化模型单独组图(第2组数据，逐步判别法)；

[0090] 图7为鞋面革安全性能量化中两组判别分析法的量化模型单独组图(第3组数据，全变量法)；

[0091] 图8为鞋面革安全性能量化中两组判别分析法的量化模型单独组图(第3组数据，逐步判别法)；

[0092] 图9为鞋面革安全性能量化中三组判别分析法的量化模型组图(全变量法)；

[0093] 图10为鞋面革安全性能量化中三组判别分析法的量化模型组图(逐步判别法)；

[0094] 图11为服装革安全性能量化中各参数的判别权重对比结果图；

[0095] 图12为服装革安全性能量化中各参数的结构系数对比结果图；

[0096] 图13为服装革生态性能量化中各参数的判别权重对比结果图；

[0097] 图14为服装革生态性能量化中各参数的结构系数对比结果图；

[0098] 图15为待测皮革的生态性能的量化检测的结果示意图；

[0099] 图16为鞋面革耐用性能量化中各参数的判别权重对比结果图；

[0100] 图17为鞋面革耐用性能量化中各参数的结构系数对比结果图；

[0101] 图18为家具革耐用性能量化中各参数的判别权重对比结果图；

[0102] 图19为家具革耐用性能量化中各参数的结构系数对比结果图；

[0103] 图20为服装革耐用性能量化中各参数的判别权重对比结果图；

[0104] 图21为服装革耐用性能量化中各参数的结构系数对比结果图。

具体实施方式

[0105] 以下结合具体实施例对本发明的皮革质量检测方法作进一步详细的说明。

[0106] 实施例1

[0107] 本实施例一种鞋面革安全性能的检测方法，具体包括如下步骤：

[0108] (1)获取鞋面革的安全性能参数以及相应的限量值如表1所示；

[0109] 表1

[0110]

[0111] (2)对100个皮革样本分别进行如表1中所示的参数测试，并依据各参数相应的限量值进行判别分组，获得表1中13个项目测试结果均小于相应限量值的样本即为合格组，反之则为不合格组，最终获得合格组样本33个，不合格组样本33个，另外设置专家数据组作为量化模型建立的校正基准，所述专家数据组的数据取自各参数的限量值附近的数值，或取自参数的极限值，数据数量为33个，合格组、不合格组以及专家数据组的数据如表2所示；

[0112] 表2

[0113]

[0114]

[0115]

[0116] 以各参数为自变量，记为Hj(j＝1,2，……，13,14)，以鞋面革的安全性能作为函数(因变量)，记为Ss，根据各类型革各指标变量参数的测试数值，通过限量值法进行组别判定。采用两组判别分析(采用合格组和不合格组数据)，三组判别分析法(采用合格组、不合格组以及专家数据组的数据)构建量化模型，探索各变量指标对鞋面革安全性能的影响以及各变量指标的组间相关性。由于安全性能的指标参数较多，为了提高模型的精度和稳定性，在保证显著性的基础上，采用了全变量法和逐步判别法分别进行计算，从而筛选出对安全性能贡献较大的变量指标。

[0117] 采用SPSS Statistic 22.0软件对各类型革的安全性能各变量指标参数的测试数据进行处理和分析，得到下列四种方法的量化模型。安全性能的量化模型中，两组判别分析中，函数Ss代表了皮革的安全性能数值在平面上的坐标；三组判别分析中，Ss1和Ss2代表了皮革的安全性能数值在各个维度上的坐标，通过这两个函数式计算出各样品观测值的具体位置。鞋面革安全性能量化模型如下所示：

[0118] 鞋面革安全性能量化模型的计算中共选择样本数量99个，每组分别33个。指标变量10个，为保证模型的显著性小于0.05，在逐步判别法中的向前选择法中选择的要输入变量的最小F值为2.1，删除变量的最大F值为1.80。

[0119] (a)两组判别分析

[0120] 全变量法:

[0121] Ss＝0.006H1+0.002H2+0.048H5+0.907H6+0.071H7+0.000H9－0.172H10+0.325H11－0.438H12－0.748H13+1.676        式(1-1)

[0122] 逐步判别法:

[0123] Ss＝0.006H1+0.002H2+1.019H6+0.290H11－0.643H12－1.485    式(1-2)[0124] (b)三组判别分析

[0125] 全变量法:

[0126] Ss1＝0.003H1+0.003H2+0.015H5+0.936H6－0.107H7+0.001H9+0.004H10+0.135H11+0.062H12+0.392H13－2.686        式(1-3)

[0127] Ss2＝－0.001H1+0.000H2+0.032H5－0.350H6－0.189H7+0.001H9+0.132H10－0.143H11+0.042H12+2.009H13－7.866        式(1-4)

[0128] 逐步判别法:

[0129] Ss1＝0.003H1+0.003H2+0.129H5+1.058H6+0.180H11+0.280H13－2.239

[0130]                            式(1-5)[0131] Ss2＝0.000H1+0.000H2－0.001H5－0.057H6－0.036H11+2.027H13－8.006[0132]                           式(1-6)[0133] 其中，未示出的Hj代表该参数的测试值为0，即未检出，其对安全性能的影响可忽略，根据上述量化模型中的判别系数即可计算得出相应参数的判别权重以及结构系数，从而得到各参数对鞋面革安全性能的贡献水平，对比结果如图1和2所示。

[0134] (3)根据表1各参数对待测鞋面革进行测试，获取测试结果并代入上述量化模型，即得待测鞋面革在安全性能下的量化检测结果。

[0135] (一)量化模型显著性检验

[0136] (1)采用Wilks的Lambda和卡方对上述量化模型进行显著性检验，结果如表3所示，各数学函数的判别效果均极为显著。

[0137] 表3

[0138]

[0139]

[0140] (2)量化模型组图表

[0141] ①两组判别分析法的量化模型单独组图

[0142] 根据量化模型，将第1组别(合格品)的33个样品进行降维，投影，如下图3和4所示。从图中可知，全变量法判别的33个样品判别值均小于0，准确率达到100％，逐步判别法中有
1个样品错判为第2组别。

[0143] 根据量化模型，将第2组别(不合格品)的33个样品进行降维，投影，如下图5和6所示。从图中可以看出，部分样品的判别值小于0，全变量法中有6个样品错判为第1组别，逐步判别法中有9个样品判别为第1组别。

[0144] 待判组别(第3组样品)是样品合格与不合格两组样品的边界值的集合，其中含有16个合格样品，17个不合格样品。根据量化模型，将待判未分组数据(第3组别)的33个样品进行降维，投影，如图7和8所示。从图中可以看出，待判样品的判别结果更偏重于第1组(合格样品)，这与实际结果相悖。全变量法，23个判别为第1组别，错判12个，10个判别为第2组别，错判5个；逐步判别法:25个判别为第1组别，错判13个。8个判别为第2组别，错判4个。

[0145] ②三组判别分析法的量化模型组图

[0146] 将三组判别分析中，三组别99个数据的投影点图组合到一张图中进行对比，可以更加直观地看出量化模型的显著性和有效性，如图9和10所示。

[0147] 从图中可以看出，三个组别被分开，但是，部分数据在三组中存在着交叉，而且第三组的质心更靠近第1组别。全变量法：第1组别，6个样品判别为第3组别，第2组别，6个样品错判为第1组别，4个样品判为第3组别，第3组别，4个样品判为第1组别，错判2个，2个个样品判为第2组别，错判1个，27个样品判为第3组别逐步判别法：第1组别，6个样品判别为第3组别；第2组别，6个样品错判为第1组别，4个样品判为第3组别；第3组别，2个样品判为第1组别，错判1个，2个个样品判为第2组别，错判1个，29个样品判为第3组别。

[0148] (二)鞋面革安全性能量化模型的验证

[0149] 通过初始验证回判和交叉验证，根据准确率来验证鞋面革安全性能量化模型的可靠性。将样本变量指标的测试结果(Hj)代入所建立的鞋面革安全性能的量化模型式(1-1)，(1-2)，(1-3)，(1-4)，(1-5)和(1-6)中，根据所得的Ss值、或(Ss1,Ss2)判定所属类别。Ss、或(Ss1,Ss2)离哪个组别的质心较近，则属于哪一组别。四种方法各组别的质心坐标参数具体见表4。在第1组别和第2组别准确率计算中，当组别判定的预测群组为第3组别，认为判别结果正确。第3组别中，当预测群组为其正确的组别时，认为其判别结果正确。准确率的具体判别结果见表5所示，并用优选的量化模型对鞋面革的100个样本数据进行判别。

[0150] 表4

[0151]

[0152] 表5

[0153]

[0154] 从表5中四种方法的准确率进行对比发现，两组判别分析的逐步判别法对组别判定的准确率明显低于其他三种方法。第1组别的准确率达到100％。第2组别略低，80％以上。但第3组判别的结果，三组判别分析法的明显优于两组判别分析，因此，三组判别分析法可以有效解决边界数值影响量化模型准确率的问题。并且三组判别分析中，逐步判别的准确性稍高于全变量法。通过三组判别分析法中的逐步量化模型回判本文测试的100个样本的数据，准确率达到94.0％。

[0155] 实施例2

[0156] 本实施例一种服装革安全性能的检测方法，具体包括如下步骤：

[0157] (1)获取服装革安全性能参数以及相应的限量值如表6所示；

[0158] 表6

[0159]

[0160] (2)量化模型建立过程同实施例1，服装革量化模型的计算中共选择样本数量90个，每组分别30个。指标变量14个，为保证模型的显著性小于0.01，在逐步判别法中的向前选择法中选择的要输入变量的最小F值为2.5，删除变量的最大F值为2.0。

[0161] (a)两组判别分析

[0162] 全变量法：

[0163] Sg＝0.019H1+0.004H2+0.114H3+0.071H4+0.166H5+0.872H6+0.747H7+2.016H8+0.001H9+1.003H10－0.324H11－0.180H12－0.363H13+0.014H14－1.812       式(2-1)[0164] 逐步判别法：

[0165] Sg＝0.023H1+0.003H2+0.103H3+0.105H5+0.544H7+0.001H9+0.762H10－2.937 式(2-2)[0166] (b)三组判别分析

[0167] 全变量法：

[0168] Sg1＝0.020H1+0.004H2+0.092H3+0.007H4+0.074H5+0.822H6+0.301H7－0.615H8+0.001H9+0.302H10+0.075H11+0.320H12－0.072H13－0.025H14－1.215        式(2-3)[0169] Sg2＝－0.007H1+0.004H2+0.038H3+0.085H4+0.033H5+0.988H6+0.292H7+0.329H8－
0.001H9+0.751H10－0.251H11+0.312H12+0.287H13+0.029H14－1.71        式(2-4)[0170] 逐步判别法：

[0171] Sg1＝0.020H1+0.005H2+0.080H3+0.322H7－0.487H8+0.002H9－0.024H14－1.427 式(2-5)[0172] Sg2＝－0.005H1+0.004H2+0.041H3+0.269H7+0.526H8－0.001H9+0.029H14－0.519 式(2-6)[0173] 其中，未示出的Hj代表该参数的测试值为0，即未检出，其对安全性能的影响可忽略，根据上述量化模型中的判别系数即可计算得出相应参数的判别权重以及结构系数，从而得到各参数对服装革安全性能的贡献水平，对比结果如图11和12所示。

[0174] (3)根据表6各参数对待测服装革进行测试，获取测试结果并代入上述量化模型，即得待测服装革在安全性能下的量化检测结果。

[0175] 实施例3

[0176] 本实施例一种服装革生态性能的检测方法，具体包括如下步骤：

[0177] (1)获取服装革生态性能参数以及相应的限量值如表7所示；

[0178] 表7

[0179]

[0180] (2)量化模型建立过程同实施例1，服装革量化模型的计算中共选择样本数量90个，为保证组别的加权一致，每组分别30个。指标变量14个，为保证模型的显著性小于0.01，在逐步判别法中的向前选择法中选择的要输入变量的最小F值为2.1，删除变量的最大F值为1.8。

[0181] (a)两组判别分析

[0182] 全变量模型法：

[0183] Zg＝0.014E1+0.004E2+0.013E3+0.068E4+0.032E5+0.397E6－0.750E7+0.007E8+0.001E9+0.001E10+0.098E11－2.350        式(3-1)

[0184] 逐步判别法：

[0185] Zg＝0.016E1+0.005E2+0.413E6+0.006E8+0.002E10－2.214    式(3-2)[0186] (b)三组判别分析

[0187] 全变量法：

[0188] Zg1＝0.014E1+0.004E2+0.012E3－0.027E4－0.022E5－0.004E6－0.689E7+0.007E8+0.001E9+0.001E10+0.047E11－1.712        式(3-3)

[0189] Zg2＝0.000E1+0.003E2+0.008E3+0.126E4+0.097E5+0.335E6+0.288E7+0.005E8－0.002E9+0.000E10+0.440E11－0.191        式(3-4)

[0190] 逐步判别法：

[0191] Zg1＝0.014E1+0.005E2－0.016E5－0.683E7+0.009E8+0.001E9－1.652

[0192]                           式(3-5)[0193] Zg2＝0.006E1+0.004E2+0.450E5+0.529E7+0.003E8－0.002E9－0.158

[0194]                           式(3-6)[0195] 其中，未示出的Ej代表该参数的测试值为0，即未检出，其对生态性能的影响可忽略，根据上述量化模型中的判别系数即可计算得出相应参数的判别权重以及结构系数，从而得到各参数对服装革生态性能的贡献水平，对比结果如图13和14所示。

[0196] (3)利用上述量化模型进行待测皮革的生态性能的量化检验：

[0197] 从120张羊皮服装革生态性能测试数据中，随机抽取6个样品的数据，将这6个样品的数据代入量化模型(3-5)和(3-6)中，可以得出这6个样品的Ef1和Ef2，组成(Ef1，Ef2)的质心坐标，如图15所示。黑色代表组别质心的位置，橙色代表样品质心的位置。根据距离的大小基本从图上可以看出他们归属的组别，这6个点分别对应组别的马氏距离平方值如表8所示。从表7中可以看出，第1组别，D-2优于D-1优于D-3，第2组别，D-6优于D-5优于D-4，由此得到样品在生态性能下的量化结果。

[0198] 表8

[0199]

[0200]

[0201] 实施例4

[0202] 本实施例一种鞋面革耐用性能的检测方法，具体包括如下步骤：

[0203] (1)获取鞋面革耐用性能参数以及相应的限量值如表9所示；

[0204] 表9

[0205]

[0206] (2)量化模型建立过程同实施例1，鞋面革耐用性能量化模型的计算中共选择样本数量90个，为保持组别的加权一致，每组样本的数量为30个。指标变量7个，为保证模型的显著性小于0.01，在逐步判别法中的向前选择法中选择的要输入变量的最小F值为2.5，删除变量的最大F值为2.0。

[0207] (a)两组判别分析

[0208] 全变量模型法：

[0209] Us＝－0.023D2+0.327D3+1.024D4+0.702D5+0.152D6+0.007D7－7.310 式(4-1)[0210] 逐步判别法：

[0211] Us＝1.436D4+0.010D7－7.6243        式(4-2)

[0212] (b)三组判别分析

[0213] 全变量法：

[0214] Us1＝－0.001D1－0.022D2+0.506D3+1.005D4+0.331D5+0.250D6+0.008D7－8.707 式(4-3)Us2＝0.007D1+0.053D2+0.401D3－0.261D4+0.686D5+0.199D6－0.009D7－2.827[0215]                         式(4-4)[0216] 逐步判别法：

[0217] Us1＝－0.027D2+1.552D4+0.260D6+0.009D7－8.296        式(4-5)

[0218] Us2＝0.061D2+0.411D4+0.266D6－0.008D7－2.827        式(4-6)

[0219] 其中，未示出的Dj代表参数的测试值为0，即未检出，其对鞋面革耐用性能的影响可忽略，根据上述量化模型中的判别系数即可计算得出相应参数的判别权重以及结构系数，从而得到各参数对鞋面革耐用性能的贡献水平，对比结果如图16和17所示。

[0220] (3)根据表9各参数对待测鞋面皮进行测试，获取测试结果并代入上述量化模型，即得待测鞋面革在耐用性能下的量化结果。

[0221] 实施例5

[0222] 本实施例一种家具革耐用性能的检测方法，具体包括如下步骤：

[0223] (1)获取家具革耐用性能的参数以及相应的限量值如表10所示；

[0224] 表10

[0225]

[0226] (2)量化模型建立过程同实施例1，家具革耐用性能量化模型的计算中共选择样本数量90个，为保持组别的加权一致，每组样本的数量为30个。指标变量13个，为保证模型的显著性小于0.01，在逐步判别法中的向前选择法中选择的要输入变量的最小F值为2.5，删除变量的最大F值为2.0。

[0227] (a)两组判别分析

[0228] 全变量模型法：

[0229] Uf＝0.039D1－0.006D2+0.033D3－0.156D4+0.617D5+0.077D6+0.324D7+1.775D8+1.241D9－0.367D10－0.651D11－8.721        式(5-1)

[0230] 逐步判别法：

[0231] Uf＝0.040D1+0.380D7+1.621D8+1.492D9－0.792D11－8.174        式(5-2)[0232] (b)三组判别分析

[0233] 全变量法：

[0234] Uf1＝0.059D1－0.012D2+0.039D3+0.326D4－0.387D5+0.110D6+0.652D7+1.048D8－0.712D9+0.455D10－0.077D11－11.771        式(5-3)

[0235] Uf2＝0.012D1+0.012D2－0.216D3－0.470D4+1.099D5－0.046D6+0.039D7+1.802D8+1.608D9－0.908D10－0.807D11－1.637        式(5-4)

[0236] 逐步判别法：

[0237] Uf1＝0.056D1－0.253D5+0.113D6+0.629D7+1.301D8－0.674D9+0.389D10－0.034D11－12.081        式(5-5)

[0238] Uf2＝0.011D1+1.047D5－0.063D6+0.022D7+1.462D8+1.875D9－0.957D10－0.971D11－1.163        式(5-6)

[0239] 其中，未示出的Dj代表该参数的测试值为0，即未检出，其对家具革耐用性能的影响可忽略，根据上述量化模型中的判别系数即可计算得出相应参数的判别权重以及结构系数，从而得到各参数对家具革耐用性能的贡献水平，对比结果如图18和19所示。

[0240] (3)根据表9各参数对待测家具革进行测试，获取测试结果并代入上述量化模型，即得待测家具革在安全性能下的量化结果。

[0241] 实施例6

[0242] 本实施例一种服装革耐用性能的检测方法，具体包括如下步骤：

[0243] (1)获取服装革耐用性能参数以及相应的限量值如表11所示；

[0244] 表11

[0245]

[0246] (2)量化模型建立过程同实施例1，服装革耐用性能量化模型的计算中共选择样本数量90个，为保持组别的加权一致，每组样本的数量为30个。指标变量14个，为保证模型的显著性小于0.01，在逐步判别法中的向前选择法中选择的要输入变量的最小F值为2.5，删除变量的最大F值为2.0。

[0247] (a)两组判别分析

[0248] 全变量模型法：

[0249] Ug＝0.099D1－0.002D2+1.161D3+0.211D4+0.896D5+0.008D6－0.059D7+0.969D8－0.864D9+0.246D10+0.165D11+1.117D12－12.287        式6-1)

[0250] 逐步判别法：

[0251] Ug＝0.106D1+1.211D3+1.213D8－0.709D9+1.333D12－12.130    式(6-2)[0252] (b)三组判别分析

[0253] 全变量法：

[0254] Ug1＝0.074D1－0.007D2+1.040D3+0.449D4－1.892D5+0.570D6+0.104D7+0.552D8－0.560D9+0.821D10－1.014D11+0.420D12－12.931        式(6-3)

[0255] Ug2＝0.121D1+0.005D2+0.838D3+0.143D4+1.019D5－0.233D6－0.112D7+1.087D8－0.929D9+0.004D10+0.650D11+1.186D12－8.935        式(6-4)

[0256] 逐步判别法：

[0257] Ug1＝0.243D1+0.578D3－0.663D5+1.043D6+0.289D7+0.257D8－0.281D9+0.465D10－0.440D11－13.58        式(6-5)

[0258] Ug2＝0.573D1+0.377D3+0.353D5－0.430D6－0.319D7+0.465D8－0.461D9+0.001D10+0.292D11－8.90        式(6-6)

[0259] 其中，未示出的Dj代表该参数的测试值为0，即未检出，其对服装革耐用性能的影响可忽略，根据上述量化模型中的判别系数即可计算得出相应参数的判别权重以及结构系数，从而得到各参数对服装革耐用性能的贡献水平，对比结果如图20和21所示。

[0260] (3)根据表1各参数对待测服装革进行测试，获取测试结果并代入上述量化模型，即得待测服装革在安全性能下的量化结果。

[0261] 实施例7

[0262] 本实施例一种服装革质量性能的综合量化方法，包括如下步骤：

[0263] (i)以服装革安全性能、生态性能和耐用性能作为参数，采用层次分析法和模糊数学法建立服装革综合性能的数学模型；

[0264] (ii)将实施例2建立的服装革安全性能量化模型(2-5)和(2-6)，实施例3建立的服装革生态性能量化模型(3-5)和(3-6)和实施例6建立的服装革耐用性能量化模型(6-5)和(6-6)带入所述数学模型，建立皮革质量综合量化模型，将实施例2待测6个样品的数据带入所述皮革质量综合量化模型，即得待测服装皮革在所述综合性能下的量化结果。

[0265] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0266] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。