1.一种便携式纺织品面料多组分纤维成分识别方法，其特征在于，包括：将已知纤维成分的面料放置在红外漫反射光环境中，信号采集单元多次获取待测面料正、反两面反射的光谱数据；

预处理采集的光谱数据，对预处理后的光谱数据进行聚类分析，获取训练数据集；

建立模型框架，通过训练数据集对构建的模型框架进行卷积训练，构建多组分纤维成分模型；

将构建的多组分纤维成分模型迁移部署到设备端，通过增量学习的方式再训练所述多组分纤维成分模型获得成熟的识别模型，并校准所述信号采集单元；

将未知纤维成分的面料置于漫反射红外光环境中，采集并传输红外光谱数据至主控器；

主控器将满足预设阈值范围的红外光谱数据传输至嵌入式端，嵌入式端调用相应设备端部署的所述识别模型对预处理后的红外光谱数据进行识别。

2.根据权利要求1所述的便携式纺织品面料多组分纤维成分识别方法，其特征在于，所述信号采集单元包括一对红外光谱传感器和光电信号检测模块，两个所述红外光谱传感器分别采集S波段和L波段的光谱数据，通过所述光电信号检测模块将所述光信号转换为光电流并传输至所述主控器；

其中，所述S波段光谱数据和所述L波段的波长衔接段部分重叠，S波段波长范围为

1500‑1900nm，L波段波长范围为1700‑2200nm；所述光谱数据的步长为5nm，每个光谱数据包括142特征值，重复的波长范围1700‑1900nm用于提供叠加的增强光谱信息。

3.根据权利要求2所述的便携式纺织品面料多组分纤维成分识别方法，其特征在于，所述红外光谱传感器在采集对应波段光信号的过程中，通过温度校准驱动对红外光谱传感器进行电压校准；

所述温度校准驱动基于温度与红外光谱传感器驱动电压拟合曲线，公式：；

式中，V表示红外光谱传感器的驱动电压，λ表示光谱峰值波长，ΔT为红外光谱传感器实时温度与常温20℃的温度差，常数 、、、、是多项式系数，由每个传感器做温度校准拟合得到，i和N为整数，取值区间为[1,5]。

4.根据权利要求2所述的便携式纺织品面料多组分纤维成分识别方法，其特征在于，选择神经网络框架，基于神经网络框架建立个性化深度学习模型，通过训练数据集训练构建的深度学习模型，并在深度学习模型中设置adam优化器，引入MSE损失函数和EcaNet通道注意力机制，以优化网络结构；

在设备端获得成熟的识别模型的内容为：

对待部署识别模型的设备进行红外光谱传感器驱动电压曲线校准，并将优化后的识别模型迁移部署到装置中；

选取具体产品应用范围的多种纤维成分的面料作为迁移学习样本，每台设备对迁移学习样本重新采样，进行针对化的模型增量学习，设备端的增量学习后的模型为成熟的识别模型，使得不同设备端对同一样本中纤维成分预测结果的台间差指标小于1%。

5.根据权利要求4所述的便携式纺织品面料多组分纤维成分识别方法，其特征在于，对预处理后的光谱数据进行聚类分析，获取训练数据集的方法为：采用共生距离算法与交叉验证对混纺织品的光谱数据集进行聚类分析；纺织品面料中各纤维含量设定为因变量（t），而相应的光谱归一化强度数据作为自变量（v），评价v变量的欧氏距离，计算公式如下：；

式中J表示光谱数据中的波段特征数量；

和 分别表示p和q两个样本在第j个波段上漫反射的归一化强度值，N为光谱样本的总数；

代表两个样本在v空间（光谱特征空间）的欧氏距离；

计算t空间（纤维含量的特征空间）欧氏距离的公式如下：

；

式中 和 分别表示p和q两个样本的纤维成分含量值。

6.根据权利要求5所述的便携式纺织品面料多组分纤维成分识别方法，其特征在于，通过训练数据集进行模型训练，构建多组分纤维成分模型：将两个波段的红外光谱数据分别作为一维输入，定义不规则形状初始化卷积核 和，拼接为一维可变核卷积Conv1d‑AK（Arbitrary Kernel），相应的第n个可变核 与的卷积操作可以表达为：；

其中 和 代表S和L两个波段的卷积参数， 和 分别为S和L波段的卷积核初始值， 与 分别为S和L波段的可变卷积核。

7.根据权利要求2所述的便携式纺织品面料多组分纤维成分识别方法，其特征在于，识别模型识别面料纤维成分后，主控器对光谱反演识别到的纤维成分数据进行异常判定，判定条件包括单次采集光谱数据超过阈值范围和多次采样定量反演纤维含量得到的统计方差阈值；

若判定识别异常，系统进行提示本次识别误差超出阈值范围；

若识别正常，则将数据传输反馈到显示屏以及上传到云端服务器，显示屏将纤维成分按照含量百分比顺序排列显示，并给出相应的纤维成分比例和置信区间；

其中，单次采集光谱数据的阈值区间为S和L波段。

8.根据权利要求1所述的便携式纺织品面料多组分纤维成分识别方法，其特征在于，数据预处理包括异常数据剔除，多元散射矫正和线性函数归一化，归一化范围映射到[0.01, 

1.01]。

9.一种便携式纺织品面料多组分纤维成分识别系统，用于实现权利要求1‑8任一项所述的便携式纺织品面料多组分纤维成分识别方法，其特征在于，该系统包括漫反射腔、红外光源、红外光谱传感器组、光电信号检测模块、主控器、嵌入端、显示屏；

所述红外光源发出的红外光通过所述漫反射腔，使红外光均匀照射到纺织品面料，面料纤维的漫反射光入射到所述红外光谱传感器组，所述光电信号检测模块采集红外光谱信号到主控MCU处理器，所述主控MCU处理器读取红外光谱信号数据并把数据传输到所述嵌入式Linux模块，所述嵌入式Linux模块调用已经部署的纺织品面料多组分纤维成分定量模型，对红外光谱数据进行分析，识别出纤维成分，识别结果传输到所述主控MCU处理器，所述主控MCU处理器进行识别异常判定，对超出正常预测范围的异常数据样本进行提示，将预测范围内的纤维成分数据排序后输出到显示屏。

10.根据权利要求9所述的便携式纺织品面料多组分纤维成分识别系统，其特征在于，红外光谱传感器组由2个红外光谱传感器组成，分为1500‑1900nm波段和1700‑2200nm波段，红外光谱传感器采用包括FPI干涉传感器、窄带滤波传感器、傅里叶变换干涉传感器、微型光栅光谱探测阵列中的其中一种。