发制品 真人发鉴别方法-近红外光谱法-编制说明

一、工作简况

1．任务来源

2021年国家标准化管理委员会下达了《发制品真人发鉴别方法—近红外光谱法》国家

标准制定计划，计划号为20214626-T-607。由中国轻工业联合会提出，上海市质量监督检验

技术研究院等负责起草，全国发制品标准化技术委员会（SAC/TC304）归口。

2.主要工作过程

（1）计划下达后，成立起草小组，收集分析国内外相关标准和资料；

（2）2022年1月-3月，制定工作计划，搜集样品，制定方案，开展试验；

（3）2022年4月-9月，建立近红外鉴别模型；

（4）2022年10月-12月，对建立的近红外模型进行验证，并进一步完善模型；

（5）2023年1月-3月，同多次工作组会议讨论，各单位验证测试结果，对标准草案进

行修改，形成标准征求意见稿及编制说明，并广泛征求意见。

二、标准制定的意义

发制品是以真人发、化纤、动物毛等为原料，经过一系列的物理和化学加工工艺制成的

饰品。主要用于发型妆饰和美容美发教学、弥补缺发、脱发等生理缺陷以及满足特殊行业（如

演员、法官等）和追求时尚的消费群体的需求。目前，全球五分之四以上的发制品由中国生

产，中国已经成为全球发制品最大的生产及出口国。随着国内发制品消费结构不断升级，女

性消费者正作为我国主要的消费群体，假发片、假发块俨然为女性的装饰必备品，对假发制

品的品质要求也越来越高。发制品根据原材料分类，可分为化纤发、动物毛发和人发。发制

品材质的不同决定了其品质、价格及穿戴性能，其中人发的价格最为昂贵，动物毛发次之，

化纤发最为便宜。由于商家对利益的追逐，导致市场上存在大量“以次充好”乱象，由于人

发价格最为昂贵，导致非人发产品冒充真人发最为严重。

目前关于发制品材质的检测标准，主要是产品标准GB/T23170-2019《发制品假发头

套及头饰》中5.2.12规定人发含量按照FZ/T01057和GB/T2910两个纺织品的纤维含量测

试的标准执行，没有相关的发制品材质检测的方法标准。然而依据现有的纺织品标准对发制

品进行检测，对化纤部分较为有效，对于人发和动物毛发部分的检测有所欠缺，一方面由于

纺织品中不存在真人发的使用，也没有真人发的检测方法。另一方面对于其他动物毛发的检

测，纺织品主要依据动物毛发的鳞片层结构的不同进行鉴别，而动物毛发在制作假发程中，

为了更好的穿戴效果往往会进行酸化处理，破坏了鳞片层结构，致使无法依据纺织品标准进

行检测对人发进行鉴别。

因此，本标准的制定，弥补了人发检测方法的空白，完善了发制品材质检测体系，对规

范发制品市场，保障消费者权益有着重要作用。

三、标准编制原则

1

标准的格式按照GB/T1.1—2020《标准化工作导则第1部分：标准文件的结构和起草规

则》的要求进行编写。

遵循科学性、先进性、统一性和合理性的原则编制本标准。

四、主要内容的确定

1.适用范围

本标准规定了使用近红外光谱分析技术对人发定性分析的方法。

本标准适用于以人发原材料及以人发为单一原料，经加工制成的发制品。

2.术语和定义

定义了下列新术语。人发（humanhair），以人类头发为原料加工制成的发制品。动纤毛

发（animalhair），以动物毛为原料加工制成的发制品。化纤发（animalhair），以化学纤

维为原料加工制成的发制品。毛发纤维（hairfiber），人发与动物毛发视作为一类时的统

称，即人发+动物毛发。相似度匹配值（similaritymatchvalue，SMV），通过比较待测光

谱与模型光谱在多个特征波段的光谱信息，得到待测样品与模型样品的匹配程度的比较结

果。合格性指数（ConformityIndex，CI），待测光谱在该特征波段处的吸光度与模型平均

值的差值除以标准偏差的得到的数值。

训练集、验证集、训练样品、验证样品、判别正确率等近红外常用术语引用了GB/T

37969-2019《近红外光谱定性分析通则》中的定义。决定系数R2、训练模型均方根误差RMSEC

等近红外术语引用了GB/T29858《分子光谱多元校正定量分析通则》中的定义。本标准不

再对这些术语进行定义。

3.近红外光谱建模分析原理

近红外光谱（nearinfraredspectroscopy，简称NIR）定性分析方法是利用有机物中含有

C-H，O-H，N-H等化学键的泛频振动或转动，以漫反射方式获得在近红外区的吸收光谱，

通过现代化学计量学方法建立样品光谱与样品性质之间的相互关系，从而实现利用样品近红

外光谱信息对样品性质的定性分析。

3.1近红外光谱的形成

近红外区域按ASTM定义是指波长在780nm-2526nm范围内的电磁波。而在此区域内

分子振动产生的吸收光谱即为近红外光谱。近红外光谱的产生原理：当一束连续变化、不同

波长的红外线照射样品时，分子会选择性的吸收其中一部分光子转变为自身的振动能量，从

而使分子能级发生跃迁，进而产生吸收光谱。近红外光谱是物质分子对红外线的倍频和合频

的吸收结果。近红外区域习惯上又划分为短波近红外区（780nm-1100nm）和长波近红外区

（1100nm-2526nm）。该区域的光谱吸收程度较弱，主要的吸收带是含氢基团的伸缩振动产

生的一级倍频吸收，因此，与X-H官能团（含氢基团）有关的吸收谱带在近红外光谱区域

中占主导地位。此外，不同物质的分子中，原子间不同的相互作用也会产生新的特征吸收带，

从而反映出物质不同的物理性质。因此，近红外光谱同时包含了物质的理化信息，可反映物

质的理化性质。

3.2近红外光谱定性分析法

2

近红外光谱定性分析是利用已知类别的样品建立近红外光谱定性模型，再用该模型考察

未知样品是否属于该类物质的一种方法。其基本原理是：利用近红外光谱或其压缩的变量（如

主成分）组成一个多维变量空间，同类物质在该多维变量空间中位于相近的位置，而不同类

物质位于较远的位置，未知样品的分析过程就是考察其光谱是否位于某类物质所在的空间。

近红外光谱定性分析方法是依靠已知样品和未知样品谱图的比较来完成的。因此，在近红外

光谱定性分析中要注意：未知样品的光谱采集和处理过程必须和建模集样品完全相同，才能

保证分析的准确性。

3.3近红外光谱建模

通常建立近红外定性模型可分为4个阶段。1）收集代表性样品，建立训练集和验证集，

并采集样品的近红外光谱；2）确定要使用的建模方法，选择合适的预处理方法及特征变量

（建模波段）建立模型；3）根据验证样品的结果，评价模型，一旦模型达不到使用要求，

则重新选择预处理方法和建模波段等，重新建立模型，直至达到使用要求，形成最终的定性

模型；4）使用所建的模型测试未知样品。

本标准建立了毛发纤维近红外定性模型和人发近红外定性模型（人发和动物毛发判别模

型），先通过毛发纤维近红外定性模型初步确定待测样品是否属于毛发纤维，再通过人发和

动物毛发判别模型，进一步确定待测样品是否属于人发。通过两个模型的使用大大降低模型

应用过程中化纤发对判别结果的影响。毛发纤维近红外定性模型，可采用相似度匹配法和合

格性测试法(一致性检验)；人发近红外定性模型可采用PCA-DA法（主成分-判别分析）和

PLS-DA法(偏最小二乘-判别分析)。

4样品的选择

用于近红外建模的样品应具有代表性，种类越齐全，代表性越强，模型的准确度越高。

选取了具有代表性的人发247份，动物毛发247份（包含牦牛毛、羊毛、骆驼毛），化纤发

150份等。其中化纤发包含30份聚酯纤维PET、30份尼龙PA、30份聚氯乙烯PVC、30份

聚丙烯腈纤维PAN和30份聚丙烯纤维PP。

毛发纤维定性模型，训练样品最少不低20，验证样品，应包含毛发纤维与化纤发，应

具有代表性，其中毛发纤维不在训练集内，各自数量不低于10。

人发定性模型是人发与动物毛发的判别模型，训练样品和验证样品数量按照GB/T

37969-2019《近红外光谱定性分析通则》中所规定的执行。对于训练样品，PCA-DA法建立

模型，建模所需主成分数A，确定模型所需的训练样品，剔除异常样品后，训练样品数量应

不低于10A，人发与动物毛发各自的数量尽量接近。采用PLS-DA法建立模型，如果建模所

需的主成分数A>3，剔除异常样品后，羊毛和动物毛发各自的数量不低于6A，如果建模过

程中采用了均值中心化预处理方法，则羊毛和动物毛发各自的数量不低于6（A+1）；如果建

模所需的主成分数A<3，羊毛和动物毛发各自的数量不低于24。验证样品的选择同样应具

有代表性，包含人发样品和动物毛发样品，样品的种类已知，且该样品不在训练集内。如果

所建模型的主成分数≤5，则验证样品数量不小于20；如果所建模型的主成分数≥5，则验

证样品数量不少于4A。

5样品的近红外光谱

3

采用傅立叶变换近红外光谱仪，漫反射积分球附件，PbS检测器对所选取的样品进行扫

描，采集近红外光谱。扫描分辨率为2cm-1，扫描次数为32，光谱范围为12500cm-1-3500cm-1。

人发与动物毛发的近红外图谱示例如图1所示，光谱非常相似，没有明显的区别；各种化纤

发的光谱示例如图2所示，几类化纤法之间有差异比较明显的波段，并且与人发与动物毛发

也有明显的差异。

2.0

1.5

1.0

骆驼毛

吸光度人发牦牛毛

0.5

羊毛

0.0

120001100010000900080007000600050004000

-1

波数/cm

图1人发与各种动物毛发近红外光谱示例

2.0

1.5

1.0

吸光度PVC

0.5

PAPP

PAN

PET

0.0

120001100010000900080007000600050004000

-1

波数/cm

图2各种化纤发近红外光谱示例

化纤发与人发和动物毛发之间明显的差异也就预示着，在建立近红外定性模型时，较容

易区分毛发纤维与化纤发，可直接将毛发纤维作为训练集建立相似定性模型，然后通过待测

样品的光谱与建模光谱的相似度进行判定，当相似度达到一定程度即可判定为毛发纤维。此

种建模方法需要的建模样品较少，同时也不需要大量的化纤发，只需少量化纤发进行验证即

可。

人发与动物毛发的近红外光谱较为相似，直接使用相似定性模型是无法区分两类样品

的，通常需要建模判别模型进行区分，也就意味着需要较多的样品建立模型，保证两类样品

可以被区分开，对预处理方法和建模波段的要求也较高，通常要多次尝试才能确定下较为适

合的预处理方法和建模波段。

6模型的建立及评价

4

本标准需要建立两个模型，毛发纤维定性模型和人发定性模。毛发纤维定性模型可采用

相似度匹配法和合格性测试法；人发定性模型可采用PCA-DA法和PLS-DA法。常用的预处理方

法有标准正态变换（SNV）、均值化中心、一阶导数和二阶导数等，建模过程中可以多种预

处理方法的组合使用。发制品主要有C-H、N-H、-OH及C=O等基团组成，这些基团的近红外红

外光的主要吸收波段在6500-4000cm-1，由图1和图2也可以看出光谱的主要信息也集中在这

个范围内，其余波段吸收较弱且易受杂质影响，噪音较多，所以建模波段主要在这个范围内

选择。预处理方法和建模波段的选择不唯一，只要所建的模型符合要求即可。

6.1毛发纤维定性模型

将494份毛发纤维（人发247份，动物毛发247份）按3:1随机分为两份，其中371份

作为训练集用于建立定性，剩余的123份和150份化纤维作为验证集，对已建立的模型进行

验证。

6.1.1毛发纤维相似度匹配模型

训练样品经标准正态变换（SNV）+一阶导数预处理，在波段6500-4000cm-1波段下选

择相似度匹配法建立毛发纤维定性模型，相似度匹配值（SMV）的阈值设为95，即SMV≥

95，判定为毛发纤维；SMV<95，判定为非毛发纤维。用验证样品对模型进行验证，验证结

果如图3所示，验证集中毛发纤维的SMV都接近于100，化学纤维的SMV远远小于95，

判别正确率达到100%。

毛发纤维

PA

100PAN

PET

90PP

PVC

80

70

SMV

60

50

050100150200250

验证集样品

图3相似度匹配模型验证样品测试结果

6.1.2毛发纤维合格性测试模型

训练样品经二阶导数预处理，在波段6500-4000cm-1波段下，选择合格性测试方法建立

模型，设定CI限度值CIlimit为8.0，CI≤CIlimit，判定为毛发纤维，CI>CIlimit，判定为

非毛发纤维。用验证样品对模型进行验证，验证样品验证结果如图4所示，毛发纤维的CI值

都小于8.0，化纤发的CI值都明显大于8.0。判别正确率达到100%。

5

毛发纤维

70PA

PET

60PP

PVC

50PAN

40

值

30

CI

20

10

0

0306090120150180210240270

验证集样品

图4合格性测试模型验证样品测试结果

6.2人发定性模型

将494份毛发纤维（人发247份，动物毛发247份）按3:1随机分为训练集和验证集。

6.2.1PCA-DA模型

经二阶导数预处理后，在波段6000-5500cm-1+5000-4500cm-1波段下，进行主成分分析，

建立PCA-DA模型，模型的主成分得分图如图5所示，人发与动物毛两类样品有明显的分界

线，说明所模型可将这两类样品区分开来，分离程度越大，判别效果越好。验证样品判别正

确率达到100%。

人发0.001

动物毛发

0.000

PC3

-0.001

-0.002

0.015

0.020

PC1

-0.004

-0.0020.025

PC20.000

0.002

图5PCA-DA模型主成分得分图

6.2.2PLS-DA模型

将训练集中的人发样品参考值设为1，动物毛发参考值设为0，建立分类变量，经一阶导

数预处理后，在6500-4500cm-1波段下，对训练样品与分类变量进行PLS回归分析，建立人发

与动物毛发的PLS-DA模型，分类变量的预测值和参考值的回归图如图6所示，从图中可看出

人发和动物毛发与分类变量的相关性较好，决定系数R2达到0.9761，均方根误差RMSEC为

6

0.1094，表明模型拟合性较好。验证样品预测值结果如图7所示，人发的预测值都接近于1，

动物毛发的预测值都接近于0，判别正确率达到100%。

1.4

1.2

1.0

0.8

0.6

0.4

预测值

0.2

0.0

-0.2

-0.4

0.00.20.40.60.81.0

参考值

图6PLS-DA模型预测值与参考值的回归图

1.2

0.8

0.4

预测值

0.0

-0.4

人发动物毛发

图7PLS-DA模型验证样品的测试结果

7待测知样品测试

采集待测样品的近红外光谱图，先将近红外光谱带代入毛发纤维定性模型进行测试。如

果判定结果为非毛发纤维，则测试结束，测试结果为非人发；如果判定结果为毛发纤维，则

再将该光谱代入人发与动物毛发判别模型进行测试。如果人发与动物毛发判别模型判定结果

为人发，则测试结果为人发；判定结果为动物毛发或者不确定，则测试结果为非人发。

如果在测试前已经知晓待测样品属于毛发纤维，则可直接将待测样品的近红外光谱代入

人发与动物毛发判定模型进行判定测试。

五、与国际、国外同类标准水平的对比情况

未发现人发近红外法鉴别的国际、国外标准。

六、与国内标准的关系

关于人发的近红外法鉴别标准，国内有团体标准T/CNTAC112-2022《发制品假发发丝

鉴别方法近红外光谱法》，该标准采用PCA-DA法建立人发与动物毛发的判别模型，通过该

模型的三种测试结果人发、动物毛发和都不是，分别判定为人发、动物毛发和化纤发，对于

7

混合发（如人发+化纤发、动物毛发+化纤等）无法根据模型测试结果进行准确判定。与之

相比，本标准不仅有人发与动物毛发的PCA-DA模型，还提供了判别效果更好的人发与动物

毛发PLS-DA模型，同时提供了两种方法建立毛发纤维的定性模型。毛发纤维定性模型可以

有效的将人发+化纤发和动物毛发+化纤发这类混合发排除。通过两个模型的综合使用可以

避免混合发的干扰，有效的鉴别出样品为人发或非人发。

七、重大分歧意见的处理经过和依据

八、涉及国内外专利及处置情况

本标准不涉及专利等知识产权。

九、其它

本标准作为推荐性国家标准上报，建议做好标准的宣贯和解答工作。

本标准为新制定标准，不代替任何标准。

8

一、工作简况

1．任务来源

2021年国家标准化管理委员会下达了《发制品真人发鉴别方法—近红外光谱法》国家

标准制定计划，计划号为20214626-T-607。由中国轻工业联合会提出，上海市质量监督检验

技术研究院等负责起草，全国发制品标准化技术委员会（SAC/TC304）归口。

2.主要工作过程

（1）计划下达后，成立起草小组，收集分析国内外相关标准和资料；

（2）2022年1月-3月，制定工作计划，搜集样品，制定方案，开展试验；

（3）2022年4月-9月，建立近红外鉴别模型；

（4）2022年10月-12月，对建立的近红外模型进行验证，并进一步完善模型；

（5）2023年1月-3月，同多次工作组会议讨论，各单位验证测试结果，对标准草案进

行修改，形成标准征求意见稿及编制说明，并广泛征求意见。

二、标准制定的意义

发制品是以真人发、化纤、动物毛等为原料，经过一系列的物理和化学加工工艺制成的

饰品。主要用于发型妆饰和美容美发教学、弥补缺发、脱发等生理缺陷以及满足特殊行业（如

演员、法官等）和追求时尚的消费群体的需求。目前，全球五分之四以上的发制品由中国生

产，中国已经成为全球发制品最大的生产及出口国。随着国内发制品消费结构不断升级，女

性消费者正作为我国主要的消费群体，假发片、假发块俨然为女性的装饰必备品，对假发制

品的品质要求也越来越高。发制品根据原材料分类，可分为化纤发、动物毛发和人发。发制

品材质的不同决定了其品质、价格及穿戴性能，其中人发的价格最为昂贵，动物毛发次之，

化纤发最为便宜。由于商家对利益的追逐，导致市场上存在大量“以次充好”乱象，由于人

发价格最为昂贵，导致非人发产品冒充真人发最为严重。

目前关于发制品材质的检测标准，主要是产品标准GB/T23170-2019《发制品假发头

套及头饰》中5.2.12规定人发含量按照FZ/T01057和GB/T2910两个纺织品的纤维含量测

试的标准执行，没有相关的发制品材质检测的方法标准。然而依据现有的纺织品标准对发制

品进行检测，对化纤部分较为有效，对于人发和动物毛发部分的检测有所欠缺，一方面由于

纺织品中不存在真人发的使用，也没有真人发的检测方法。另一方面对于其他动物毛发的检

测，纺织品主要依据动物毛发的鳞片层结构的不同进行鉴别，而动物毛发在制作假发程中，

为了更好的穿戴效果往往会进行酸化处理，破坏了鳞片层结构，致使无法依据纺织品标准进

行检测对人发进行鉴别。

因此，本标准的制定，弥补了人发检测方法的空白，完善了发制品材质检测体系，对规

范发制品市场，保障消费者权益有着重要作用。

三、标准编制原则

1

标准的格式按照GB/T1.1—2020《标准化工作导则第1部分：标准文件的结构和起草规

则》的要求进行编写。

遵循科学性、先进性、统一性和合理性的原则编制本标准。

四、主要内容的确定

1.适用范围

本标准规定了使用近红外光谱分析技术对人发定性分析的方法。

本标准适用于以人发原材料及以人发为单一原料，经加工制成的发制品。

2.术语和定义

定义了下列新术语。人发（humanhair），以人类头发为原料加工制成的发制品。动纤毛

发（animalhair），以动物毛为原料加工制成的发制品。化纤发（animalhair），以化学纤

维为原料加工制成的发制品。毛发纤维（hairfiber），人发与动物毛发视作为一类时的统

称，即人发+动物毛发。相似度匹配值（similaritymatchvalue，SMV），通过比较待测光

谱与模型光谱在多个特征波段的光谱信息，得到待测样品与模型样品的匹配程度的比较结

果。合格性指数（ConformityIndex，CI），待测光谱在该特征波段处的吸光度与模型平均

值的差值除以标准偏差的得到的数值。

训练集、验证集、训练样品、验证样品、判别正确率等近红外常用术语引用了GB/T

37969-2019《近红外光谱定性分析通则》中的定义。决定系数R2、训练模型均方根误差RMSEC

等近红外术语引用了GB/T29858《分子光谱多元校正定量分析通则》中的定义。本标准不

再对这些术语进行定义。

3.近红外光谱建模分析原理

近红外光谱（nearinfraredspectroscopy，简称NIR）定性分析方法是利用有机物中含有

C-H，O-H，N-H等化学键的泛频振动或转动，以漫反射方式获得在近红外区的吸收光谱，

通过现代化学计量学方法建立样品光谱与样品性质之间的相互关系，从而实现利用样品近红

外光谱信息对样品性质的定性分析。

3.1近红外光谱的形成

近红外区域按ASTM定义是指波长在780nm-2526nm范围内的电磁波。而在此区域内

分子振动产生的吸收光谱即为近红外光谱。近红外光谱的产生原理：当一束连续变化、不同

波长的红外线照射样品时，分子会选择性的吸收其中一部分光子转变为自身的振动能量，从

而使分子能级发生跃迁，进而产生吸收光谱。近红外光谱是物质分子对红外线的倍频和合频

的吸收结果。近红外区域习惯上又划分为短波近红外区（780nm-1100nm）和长波近红外区

（1100nm-2526nm）。该区域的光谱吸收程度较弱，主要的吸收带是含氢基团的伸缩振动产

生的一级倍频吸收，因此，与X-H官能团（含氢基团）有关的吸收谱带在近红外光谱区域

中占主导地位。此外，不同物质的分子中，原子间不同的相互作用也会产生新的特征吸收带，

从而反映出物质不同的物理性质。因此，近红外光谱同时包含了物质的理化信息，可反映物

质的理化性质。

3.2近红外光谱定性分析法

2

近红外光谱定性分析是利用已知类别的样品建立近红外光谱定性模型，再用该模型考察

未知样品是否属于该类物质的一种方法。其基本原理是：利用近红外光谱或其压缩的变量（如

主成分）组成一个多维变量空间，同类物质在该多维变量空间中位于相近的位置，而不同类

物质位于较远的位置，未知样品的分析过程就是考察其光谱是否位于某类物质所在的空间。

近红外光谱定性分析方法是依靠已知样品和未知样品谱图的比较来完成的。因此，在近红外

光谱定性分析中要注意：未知样品的光谱采集和处理过程必须和建模集样品完全相同，才能

保证分析的准确性。

3.3近红外光谱建模

通常建立近红外定性模型可分为4个阶段。1）收集代表性样品，建立训练集和验证集，

并采集样品的近红外光谱；2）确定要使用的建模方法，选择合适的预处理方法及特征变量

（建模波段）建立模型；3）根据验证样品的结果，评价模型，一旦模型达不到使用要求，

则重新选择预处理方法和建模波段等，重新建立模型，直至达到使用要求，形成最终的定性

模型；4）使用所建的模型测试未知样品。

本标准建立了毛发纤维近红外定性模型和人发近红外定性模型（人发和动物毛发判别模

型），先通过毛发纤维近红外定性模型初步确定待测样品是否属于毛发纤维，再通过人发和

动物毛发判别模型，进一步确定待测样品是否属于人发。通过两个模型的使用大大降低模型

应用过程中化纤发对判别结果的影响。毛发纤维近红外定性模型，可采用相似度匹配法和合

格性测试法(一致性检验)；人发近红外定性模型可采用PCA-DA法（主成分-判别分析）和

PLS-DA法(偏最小二乘-判别分析)。

4样品的选择

用于近红外建模的样品应具有代表性，种类越齐全，代表性越强，模型的准确度越高。

选取了具有代表性的人发247份，动物毛发247份（包含牦牛毛、羊毛、骆驼毛），化纤发

150份等。其中化纤发包含30份聚酯纤维PET、30份尼龙PA、30份聚氯乙烯PVC、30份

聚丙烯腈纤维PAN和30份聚丙烯纤维PP。

毛发纤维定性模型，训练样品最少不低20，验证样品，应包含毛发纤维与化纤发，应

具有代表性，其中毛发纤维不在训练集内，各自数量不低于10。

人发定性模型是人发与动物毛发的判别模型，训练样品和验证样品数量按照GB/T

37969-2019《近红外光谱定性分析通则》中所规定的执行。对于训练样品，PCA-DA法建立

模型，建模所需主成分数A，确定模型所需的训练样品，剔除异常样品后，训练样品数量应

不低于10A，人发与动物毛发各自的数量尽量接近。采用PLS-DA法建立模型，如果建模所

需的主成分数A>3，剔除异常样品后，羊毛和动物毛发各自的数量不低于6A，如果建模过

程中采用了均值中心化预处理方法，则羊毛和动物毛发各自的数量不低于6（A+1）；如果建

模所需的主成分数A<3，羊毛和动物毛发各自的数量不低于24。验证样品的选择同样应具

有代表性