基于高光谱的黑色签字笔墨水种类鉴别方法研究

该文提出了高光谱成像技术结合机器学习快速无损鉴别黑色签字笔墨水种类的新方法。采集36支不同品牌型号的黑色签字笔笔迹的高光谱图像,对每支签字笔笔迹的高光谱图像选取18个感兴趣区域,共提取648个平均光谱作为样本集。对450～950 nm的原始光谱进行Savitzky－Golay平滑、Z－Score标准化和两种组合方法光谱预处理,使用线性判别分析（LDA）和随机子空间－线性判别分析（RSM－LDA）分别构建黑色签字笔墨水种类鉴别模型。实验结果表明：不同预处理方法对RSM－LDA模型的鉴别准确率影响较小,而对于LDA模型,组合预处理具有更优的鉴别准确率;相比LDA模型,RSM－LDA模型分类效果更佳,训练集的平均分类准确率达100%,交叉验证平均分类准确率达99.09%,测试集的平均分类准确率达90.70%,每类样本的准确率、精准率、召回率均高于LDA模型分类结果,模型的接受者操作特征曲线下方面积（AUC值）达0.998 3,模型性能良好。因此,采用高光谱成像技术结合RSM－LDA可实现不同品牌型号黑色签字笔墨水的快速无损鉴别。     

差分拉曼光谱结合聚类分析对塑料牙刷柄的检验研究

应用差分拉曼光谱技术对39个不同品牌的塑料牙刷柄样本进行检验,得到的塑料牙刷柄差分拉曼光谱无干扰峰,只保留纯净的拉曼峰,并且其特征峰差异显著,采集其特征峰的光谱数据并将其定量化,选择离差平方和法(ward)作为其类间距离,采用平方欧氏距离作为测量区间描述样本间的亲疏程度,对定量化的光谱数据进行系统聚类分析,成功将39个塑料牙刷柄样本分成了11类,同时通过K均值法以及判别分析法验证了系统聚类的可靠性和准确性,并且成功根据判别函数建立了预测模型。该方法操作简单、结果准确且无损检材,可为公安机关实际办案提供一定的帮助。     

拉曼光谱结合聚类分析法区分检验塑钢窗

应用拉曼光谱法并结合聚类分析对26种不同品牌、厂家、型号的塑钢窗进行了深入的检验研究。采用显微激光拉曼光谱分析技术分别对样品进行检测,得到在780nm激光光源的一阶导数扩展拉曼光谱中,塑钢窗的光谱形态差异显著,荧光背景干扰弱,重叠的谱峰得到有效的分离,可构建具有高鉴别能力的聚类分析模型,采集光谱数据将其定量化,选择离差平方和法作为类间距离,采用欧氏距离作为度量区间表征样品之间的亲疏程度,进行系统聚类分析,同时结合多种方法验证衡量聚类效果,成功将26种塑钢窗样本分为了18类,实现了基于全波段光谱信息结合系统聚类分析建立模型用于准确鉴定塑钢窗种类的目的,为现场物证的区分检验方法提供了一定的理论依据。     

差分拉曼光谱技术结合K-means聚类法对牙膏的快速分类

建立了差分拉曼光谱技术结合K-means聚类法对牙膏快速分类的方法。对37个牙膏样品编号,将其分别涂抹于载玻片上,晾干,使用差分拉曼光谱仪进行扫描。调用R语言软件中fpc、factoextra、cluster数据库中的na.omit和scale函数对37个牙膏样品的差分拉曼光谱数据进行标准化处理,利用手肘法和Gap Statistic算法优化聚类数。在最佳聚类数为4的条件下,通过K-means聚类法对牙膏样品进行分类,并使用层次聚类分析法进行验证。结果显示,37个牙膏样品被分为4类,并且两种方法的分类结果一致。     

基于化学计量学的一次性塑料餐盒红外光谱分析

利用红外光谱法对35个一次性塑料餐盒样本进行了谱图的无损采集。经过前期Savitzky-Golay平滑、多元散射校正等数据预处理后,利用样本之间的余弦相似度进行初步分类。结合主成分分析法提取样本主成分,根据样本的主成分得分进行分类,利用相关性分析对于不同分类结果做出解释和取舍。最后利用Fisher判别分析对样本分类情况进行检验,通过分析各类别重心分布情况和类间距离考察分类效果,判别分析中留一交叉验证正确率为97.1%,证明判别模型分类效果良好,可为未知样本模式识别提供模型基础。提供了一种普遍性较强的模型分类方法,对于物证的模式识别有一定参考意义。     

显微共聚焦拉曼光谱结合群分析的黑色直液笔墨迹鉴别研究

黑色直液笔是一种新型书写工具,目前对该种笔墨迹的相关研究较少。为给文件检验工作中墨迹的分析提供新的参考依据,本实验使用显微共聚焦拉曼光谱技术,采集了30支不同品牌、型号的黑色直液笔墨迹光谱数据,进行Savitzky-Golay卷积平滑处理后,依据光谱图的拉曼位移及拉曼谱峰差异对墨迹进行初步分析。设置聚类方法为组间联接,区间距离测量方式为平方欧式距离,对采集的光谱数据进行群分析,将30支黑色直液笔墨迹样本分成了3类,并与品牌建立了相关联系;同时通过主成分分析验证了群分析的可靠性和准确性。研究表明,显微共聚焦拉曼光谱技术结合群分析方法可实现对黑色直液笔墨迹的无损分析及有效鉴别,该方法操作简便、结果准确,适用于法庭科学文件检验。     

基于主成分分析-Fisher判别分析的食品类塑料瓶物证差分拉曼光谱分类

食品类塑料瓶物证携带许多潜在证据信息,目前针对此类物证的检验研究尚处于探索阶段。利用差分拉曼光谱对46个食品类塑料瓶样品进行检验,依据样品材质及光谱特征峰可将样品分为三类。利用主成分分析（Principal component analysis, PCA）-Fisher判别分析,绘制主成分得分图,构建判别函数,建立分类模型。结果表明,食品类塑料瓶样品具有明显的聚类关系,原始分类与交叉验证分类准确率达到100 %。差分拉曼光谱结合PCA-Fisher判别分析,检验鉴别食品类塑料瓶物证具有一定的科学性。     

基于显微共聚焦拉曼技术对三种食源性致病菌的快速鉴别研究

采用显微共聚焦拉曼技术,建立了对三种常见食源性致病菌快速鉴别的检测方法。使用XploRA PLUS共聚焦拉曼光谱仪,在激光功率为5 mW、积分时间为30s、积分次数为1次的条件下,对德尔卑沙门氏菌、副溶血性弧菌和金黄色葡萄球菌进行了拉曼光谱数据的采集。对拉曼光谱采用多项式平滑算法和荧光背底扣除后,采用主成分分析法(PCA)对预处理后的数据进行降维,提取出前三个主成分的累计方差贡献率达到了95.4％,样本明显的聚为了3类。同时结合Fisher判别分析法(FLD)构建分类模型,对三种样本进行交叉验证,分类准确率达到了100％。结果表明,采用显微共聚焦拉曼技术与PCA-FLD方法结合可实现对三种食源性致病菌的快速准确鉴别且模型检测精度高,方法具有一定的实用性及参考价值。     

基于聚类分析对易燃液体塑料容器盖的光谱检验

将光谱分析方法与聚类方法相结合,对38个模拟案件环境的纵火现场助燃剂塑料容器盖样本进行X射线荧光光谱分析,根据元素种类将38个样本分为6组,建立了一种无损快速检验纵火现场物证的光谱分析方法。使用最短距离聚类法,以欧氏距离作为度量区间表示样本间亲疏关系,进行系统聚类分析,同时使用K-Means快速聚类法与t检验验证聚类效果。结果表明,38个样本分为6组时效果最好。并将各类的样本观测点在Fisher判别空间中的分布和位置情况绘出,与使用元素种类进行分类结果一致,为确定火灾案件性质,侦破案件线索提供了理论依据。     

基于红外光谱多元分析的记号笔种类鉴别研究

借助衰减全反射红外光谱结合K近邻算法和层次聚类,建立记号笔墨水种类鉴别的分类模型,为记号笔的种类鉴别提供有效的新方法。研究基于记号笔墨水的外光谱矩阵数据,通过建立主成分和判别分析分析模型和K近邻算法分类模型,实现对模型性能的比较和对模型分类结果的验证。实验结果表明,以水性和油性作为分类标准,模型对样本的区分能力好,其正确率为100%。借助红外谱图进一步分析水性油性样本时,其最强峰与其对应溶剂相符合。借助K近邻算法进行验证性分析,按重要性加权特征给不同的样本施加不同的权重,运用训练样本即为测试样本的方法交互验证,选取K值为1,训练集∶保持集=3∶1,建立分类模型,模型总分类准确率达100%,区分效果良好,不同品牌的油性、水性样本能被聚类为一组。综上,衰减全反射红外光谱结合K近邻算法和层次聚类可作为记号笔墨水种类鉴别的一种快速准确的分析方法。     

基于多变量-系统聚类分析法区分蓝色圆珠笔色痕

综合应用不同的检验方法对110支不同产地、品牌的蓝色圆珠笔油墨进行检验及种类鉴定。采用气相色谱-质谱法和薄层色谱法分别研究了圆珠笔油墨中的溶剂组成和染料组成。通过数据预处理,分别建立了不同样品气相色谱法和薄层色谱法的共有谱图,采用二值法对特征数据进行提取,将定性信息数量化,将欧氏距离的平方作为样品之间差异的量度进行系统聚类分析,并将分类结果用于判别分析,建立相应的判别式函数。结果表明,基于多变量的系统聚类结果由于同时考察油墨的溶剂和染料在组成上的差异,将110支不同品牌、产地的蓝色圆珠笔分为了29类,可以达到品牌之间的区分和认定,较依据单一检验手段得到的分类结果更为精确、系统。尝试结合判别式函数对未知色痕进行分类,由于样本量较少,因此交叉验证得到的分类正确率仅为47.7%,但通过本实验将化学计量学中的相关算法引入到油墨种类的鉴别中,为添改文件、文件形成时间的检验提供了更加准确的结果,为建立油墨样本库提供了数据支持。     

高光谱结合多元统计分析鉴别一次性纸杯样品

为了快速、准确地对现场一次性纸杯物证进行鉴别,提出了一种基于高光谱技术结合PCA、K-Means聚类、Fisher判别分析的识别分类方法。利用高光谱仪对收集的40个不同来源、不同用途的一次性纸杯进行检验,采用主成分分析法对光谱数据进行预处理,从中提取出了11个主成分。借助K-Means算法将40个样品聚为5组,各组分间区分明显。利用Fisher判别分析构建了3组判别函数,经检验函数模型可排除污染客体干扰,分组准确率达100%。     

代谢组学研究中样本间区分度的简易评判方法

在代谢组学现有数据分析方法的基础上,引入了多元统计分析方法中的多元t检验、类间距计算、组内离差平方和计算等统计方法。结合4个代谢组学研究实例,演示了新引入的统计方法的应用。结果表明:多元t检验可以解答应激组和对照组的代谢组水平之间是否存在"系统差别",类间距可以提供差别大小,组内离差平方和可以提供离散程度等信息。这些新信息的获取能对模式识别分析所得出的得分图(Scores plot)作进一步的解释,并为后续实验设计提供参考。     

红外光谱结合贝叶斯判别对洗发用品的分类研究

建立一种基于红外光谱的快速无损地检验洗发用品的分析方法。利用傅里叶红外光谱对60个常见的洗发用品样品进行检验,分别采用Savitzky-Golay(S-G)平滑、快速傅里叶变换(FFT)、降噪等方法对光谱数据进行预处理,并结合主成分分析法对光谱数据进行降维处理。同时建立多层感知器神经网络和贝叶斯判别分析两种分类模型,对光谱数据进行分析验证。多层感知器神经网络对原始数据、经过S-G平滑、FFT、降噪后的分类准确率分别为86.67%、88.33%、80%、90%,贝叶斯判别的分类准确率为83.33%、85%、83.33%、95%。结果显示,降噪处理效果较佳,贝叶斯判别具有更高的准确率。该方法重现性好、样品用量少、无损样品,可为洗发用品类物证鉴定提供科学依据。     

利用拉曼光谱对塑料拖鞋鞋底样品的分类研究

为建立案件现场常见塑料拖鞋鞋底物证的分类方法,利用拉曼光谱对30个不同品牌、不同系列的塑料拖鞋鞋底样品进行了检验并进行分类。同时,结合多元统计学,分别利用系统聚类法、相关性分析法与主成分分析法对实验结果进行分析。结果表明,该方法简便快速、实验结果准确可靠,且无损检材,对样品的分类效果较好。     

基于红外指纹光谱结合判别分析的木器漆种类鉴别研究

木器漆碎片的检验鉴定是微量物证检验中一项重要工作,实验借助红外光谱分析技术和判别分析,对木器漆的品牌归属实现了高效、准确的鉴别。实验收集了北京梅菲特、天津裕北等18个品牌的78种木器漆样本的红外指纹光谱图,选择自动基线校正预处理谱图,分别对每一种品牌的全部样本数据进行降维处理,对原始数据与降维后数据进行判别分析建立分类模型。经降维处理后的样本数据判别准确率达100%,而仅使用Fisher判别的结果为81.8%,表明采用降维法对数据预先处理可以一定程度提高木器漆分类的准确性。结果表明,红外指纹光谱结合判别分析模型对不同品牌水性木器漆的样本进行识别是可行的,为水性木器漆种类的快速鉴别提供理论支持。     

显微激光拉曼光谱法鉴别红色签字笔种类的研究

目前,字迹的书写时间的鉴定已成为法庭科学中亟待解决的热点问题.区分书写材料的种类是其中关键的一个步骤.分析方法主要有紫外可见分光光度法、漫反射傅立叶变换红外光谱法[1]、薄层色谱法[2]、气相色谱法[3]、液相色谱法[4]、毛细管电泳法[5]、拉曼光谱法等.显微激光拉曼光谱技术是一种较新的、可靠的检测技术,可非破坏性进行物质鉴定、分子结构分析等方面的研究.目前,发达国家已将该项技术应用于法庭科学中.但有关激光拉曼光谱研究笔迹书写材料鉴定的文献并不多见[6],对于红色签字笔的研究更是鲜有报道,本研究利用激光拉曼光谱仪对红色签字笔字迹进行无损检验,为鉴别红色墨水材料提供了科学依据.     

手持式差分拉曼光谱对纸张物证的分类研究

为建立一种简单、快速、高效、无损的鉴别不同种类纸张物证的方法,利用手持式差分拉曼光谱对收集到的43个不同种类、不同用途的纸张物证进行检验。根据纸张物证中填料的拉曼特征峰对样品进行分类,并结合聚类分析对实验数据进行处理。结果表明:当组间距离为7时,样本可分为5类,分类效果较好。该方法简便快速,结果准确可靠,为公安实际工作中纸张物证的分类鉴别提供思路。     

X射线荧光光谱法结合多元统计学对热敏纸的检验研究

为建立一种快速且无损检验热敏纸的科学有效的方法,利用能量色散型X射线荧光光谱(XRF)对38个不同商家,不同规格的热敏纸样品进行检验,首先根据每个样品所测量得到的元素的不同,将38个样品分成四大类,同时采用SPSS25.0软件中的系统聚类法对38个样品的元素数据进行聚类分析处理,结果分成了12小组,再结合SPSS25.0软件中的判别分析法对上述结果进行验证,实现了基于X射线荧光光谱结合聚类分析建立数学模型用于区分热敏纸种类的目的,该方法简单易行,可以为案件侦破提供线索、指明方向。     

X射线荧光光谱法对橡胶鞋底的分类

为建立案件现场常见橡胶鞋底物证的分类方法,利用X射线荧光光谱,对40个不同品牌、不同系列的橡胶鞋底样品中的无机元素进行了检验。并结合多元统计学,分别选用主成分分析法、k均值聚类法及判别分析法等对实验结果进行分析。结果表明,该方法简便快速、结果准确可靠且无损检材,对样品的分类效果较好。利用该方法可以对橡胶鞋底物证进行分类。