摘要 由于聚酯的疏水特性和低化学反应性，它需要一种高温高压（HTHP）染色工艺，这种工艺既耗能又耗资源。当处理聚酯-棉混纺时，这一挑战变得更加明显，因为它需要较长的染色时间，增加了操作复杂性，并增加了废水负荷。对此限制，本研究探讨了蛋白酶酶处理作为提高聚酯反应性和染色能力的一种方法。它结合了机器学习（ML），具体来说是XGBoost，来预测关键的表面和染色参数。实验结果表明，酶促水解成功引入了-OH和-COOH基团，经过FTIR验证。重要的是，处理并未显著影响织物的机械或热性能。XGBoost模型在所有染色标本的功能团和表面色彩强度方面表现出卓越的预测准确性（R² > 0.98）。Shapley加性解释（SHAP）分析识别出酶浓度是最重要的因素，其次是pH值、处理时间和温度。在所用染料中，CI Reactive Blue 4实现了最可靠的预测性能。然而，所有模型在平均绝对百分比误差低于3%的情况下显示出操作可靠性，暗示了聚酯染色中可持续过程控制的强大潜力。实验-基于机器学习的方法提供了一个朝着环保纺织加工的实用途径。
Chetal等（星期三）研究了这个问题。