硝基漆品牌厂家红外光谱鉴别及预测模型建立

在法庭科学领域,硝基漆的检验鉴别是一项重要的工作。为提高检验工作效率,提高分析可靠性,提出一种基于中红外光谱结合化学计量学的硝基漆鉴别方法。实验采集并获取长颈鹿等6种品牌共计59个样本的红外光谱数据,借助主成分分析、K近邻模型和判别分析构建分类模型。结果表明,PCA模型和K近邻模型对59个样本的区分能力相对较弱,判别分析模型的区分能力较强,实现了96.6%的准确区分和归类,分类结果理想。该方法能够快速,准确,无损地鉴别硝基漆,可为其他物证的检验鉴别提供一定的借鉴和参考。     

轮胎橡胶颗粒红外光谱的多元分类研究

交通肇事现场轮胎橡胶颗粒的检验鉴别是一项常见的工作。为降低检验成本,提高检验效率,提出一种基于红外光谱及其化学模式研究的轮胎橡胶颗粒鉴别方法。实验采集并获取朝阳等4种品牌共计46个样本的红外光谱数据,预处理采用自动基线校正、峰面积归一化、多元散射校正、Savitzky-Golay 7点平滑,借助主成分分析和判别分析构建分类模型。结果表明,46个样本主要由丁苯橡胶、顺丁橡胶和异戊橡胶三种类型,PCA模型对46个样本的区分能力相对较弱,判别分析模型则实现了100%的准确区分和归类,分类结果理想,该方法快速、无损、准确,具有一定的普适性和借鉴意义。     

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。     

基于Bayes判别的手帕纸红外光谱鉴别

手帕纸是犯罪现场常见的物证之一,在法庭科学领域备受关注。为了实现对市场上手帕纸的快速分类鉴别的目的,本文采用了具有无损检验特点的傅里叶红外光谱,结合主成分分析(PCA)与Bayes判别对8种品牌96个手帕纸样本建立分类模型。结果表明,分别利用PCA和Bayes判别对样本进行分类的准确率并不理想,采用Bayes判别对PCA降维后的特征向量进行建模,分类准确率可达100%。采用傅里叶红外光谱结合Bayes判别实现了对手帕纸的精准分类,为实践中手帕纸的分类鉴别提供一定的参考和借鉴。     

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。     

K近邻算法结合红外光谱对轮胎橡胶颗粒的鉴别研究

在法庭科学领域,轮胎橡胶颗粒的检验鉴别对交通肇事和一些诉讼案件的侦破尤为重要,针对传统取样分析技术会破坏物证的问题和综合考察样本在多变量多维度上的差异性,提出基于红外光谱法结合K近邻算法无损识别轮胎橡胶的鉴别方法。采集不同品牌的样本,对其光谱进行自动基线校正和归一化操作,采用Savitsky-Golay算法平滑去噪,通过降维实现对840个原始特征到5个识别特征的高效筛选,运用训练样本为测试样本的方法进行交互验证,选取K值为1,"特征3"为主要自变量,"特征4"、"特征5"、"特征2"和"特征1"为协变量作为分类参数,按重要性加权特征进行计算样本之间的距离,建立分类模型,模型总分类准确率达83. 56%,区分效果良好,结合样本红外谱图展开进一步分析,最终成功将73类样本分为了10类。结果表明,利用红外光谱检测和K近邻算法可实现对轮胎橡胶颗粒的识别与分类,普适性和高效性较强,具有一定的借鉴和参考意义。     

K近邻算法结合红外光谱对轮胎橡胶颗粒的鉴别研究

在法庭科学领域,轮胎橡胶颗粒的检验鉴别对交通肇事和一些诉讼案件的侦破尤为重要,针对传统取样分析技术会破坏物证的问题和综合考察样本在多变量多维度上的差异性,提出基于红外光谱法结合K近邻算法无损识别轮胎橡胶的鉴别方法。采集不同品牌的样本,对其光谱进行自动基线校正和归一化操作,采用Savitsky-Golay算法平滑去噪,通过降维实现对840个原始特征到5个识别特征的高效筛选,运用训练样本为测试样本的方法进行交互验证,选取K值为1,"特征3"为主要自变量,"特征4"、"特征5"、"特征2"和"特征1"为协变量作为分类参数,按重要性加权特征进行计算样本之间的距离,建立分类模型,模型总分类准确率达83. 56%,区分效果良好,结合样本红外谱图展开进一步分析,最终成功将73类样本分为了10类。结果表明,利用红外光谱检测和K近邻算法可实现对轮胎橡胶颗粒的识别与分类,普适性和高效性较强,具有一定的借鉴和参考意义。     

基于多阶导数拉曼光谱组合技术的矿物油模式分类

为了实现对法庭科学领域重质矿物油物证的快速、准确、无损的鉴定,该文基于光谱分析技术提出了一种多阶导数光谱数据组合分析的方法。收集了80种不同型号、不同厂家的重质矿物油样本,利用傅里叶变换拉曼光谱分析法采集样本的原始光谱数据和导数光谱数据,并通过结合化学计量学构建分类模型。在构建的主成分分析(PCA)结合径向基函数神经网络(RBF)分类模型中,对单独的原始光谱、一阶导数谱和二阶导数谱数据的训练集准确率分别为80.0%、86.7%和86.2%,测试集准确率分别为73.3%、80.0%和72.7%;对组合后的原始光谱+一阶导数谱、原始光谱+二阶导数谱和一阶导数谱+二阶导数谱数据的分类中,训练集准确率分别为97.0%、96.7%和100%,测试集准确率分别为85.7%、90.0%和100%。结果表明,对组合后的导数光谱与原始光谱构建分类模型,准确率更高。其中,基于一阶导数谱+二阶导数谱数据构建的PCA结合RBF分类模型的结果最为理想,准确率达100%。而K最近邻算法模型由于受到样本不均匀的影响,整体分类准确率均较低。利用组合的导数光谱与原始光谱数据构建分类模型能够实现对重质矿物油样本的快速、准确、无损鉴别,可为光谱组合技术在法庭科学及其他分析测试领域的应用提供一定的借鉴和参考。     

基于光谱融合-特征提取的海洛因及其添加剂无损分类研究

在近年来的多数治安案件中,有不少是由形形色色的毒品所引起的。为了提高检验的效率,降低检验成本,实现对海洛因样本主成分及添加剂的无损分类,提出了一种基于光谱融合,主成分分析和判别分析的鉴别方法。采集并获取了不同质量分数和添加剂共计45个海洛因样本的红外光谱,选择一阶求导、多元散射校正、Savitzky-Golay平滑和峰面积归一化开展预处理工作,并利用主成分分析进行特征变量提取和采用Fisher判别分析构建判别分类模型。实验对单独的原始光谱数据,一阶导数光谱数据和融合后的光谱数据进行比较。无论是对海洛因主成分的质量分数进行分类,还是对海洛因的添加剂分类,单一的分类模型都仅能实现66.7%～88.9%的准确区分。结果表明,基于融合的光谱数据构建的判别模型分类准确率更高,对主成分质量分数和海洛因添加剂的分类,均能达到100.0%。利用红外光谱数据融合技术结合主成分分析和判别分析达到了降低检验成本且无损的目的,能够最大程度的限制毒品的流动,对今后的毒品检测和维护社会治安稳定具有一定的贡献。     

红外光谱数据融合结合化学计量学无损检测汽车灯罩

汽车灯罩碎片是交通肇事案件现场经常出现的物证。为了实现对汽车灯罩物证的准确检验,该文提出一种将原始光谱与导数光谱相结合的光谱融合技术。收集不同类别和多种品牌的汽车灯罩共计44个,采用傅里叶变换红外光谱技术对样本进行分析,提取其原始光谱数据和一阶导数光谱数据,并结合化学计量学构建分类模型。在对汽车灯罩类别进行分类的Fisher判别分析模型中,单独的原始光谱数据和一阶导数光谱数据的分类准确率分别为86.40%和84.10%,融合后的光谱数据分类准确率达到93.20%,分类准确率明显提高。通过主成分分析优化模型后,融合光谱的分类准确率达到97.70%,且在进一步对汽车灯罩品牌进行分类时,分类准确率达到100.00%,实验结果理想。而在K近邻算法模型中,由于受到样本不均匀的影响,分类准确率较低。结果表明,基于原始光谱与导数光谱的光谱融合技术能够实现对汽车灯罩样本的准确分类,可以为光谱融合技术在分析检测领域的应用提供借鉴和参考。     

傅立叶变换拉曼光谱和红外光谱鉴别塑料

用傅立叶变换拉曼光谱、衰减全反射红外光谱和近红外光谱结合OPUS/Ident软件对添加不同填料、不同助剂的塑料进行鉴别分类。结果表明:分子光谱结合化学计量学鉴别塑料是一种快速可靠的方法。其中拉曼光谱和衰减全反射红外光谱能够直接区分样品,而近红外光谱非常类似,不能直接区分。但是用OPUS/Ident软件中的W ard算法处理这3种光谱后,得到的树形图能够将样品准确分类。     

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。     

红外光谱结合X射线荧光光谱检验塑料 打包带(绳)的研究

建立简便快捷的检验塑料打包带(绳)的光谱分析方法。利用傅里叶变换红外光谱仪和X射线荧光光谱仪,对33个不同来源的塑料打包带(绳)样品进行检验分析。结合红外光谱成分填料分析与XRF元素比例分析,达到对塑料打包带(绳)样品准确区分的目的。该方法简便快速,准确可靠且无损检材,可应用于鉴定塑料打包带(绳)物证。     

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。     

基于非接触式拉曼光谱分析人血与犬血的PCA-LDA鉴别方法

将拉曼光谱分析法与数理统计方法有机结合,构建人血与犬血种属判别模型,实现了不同种属血液样本的高效无损鉴别.采用拉曼光谱的无损测试模式对血液样本进行测试,考察了抗凝管管材、聚焦位置及曝光时间等对血液样本拉曼光谱的影响,在激发波长为632.8 nm,光谱扫描范围为200~1800 cm-1,功率衰减率50%,曝光时间5 s及累加次数为2次的优化条件下,获得了无损检测条件下的血液样本拉曼光谱图.针对血液样本组分复杂、拉曼光谱信号基底背景高等问题,提出了基于小波变换去噪,进行分段多项式基线校正的预处理方法,有效解决了血液样本拉曼光谱谱图的高噪音和基线漂移问题.实验选择30例正常人血和33例比格犬血为样本训练集,5例正常人血和5例比格犬血为测试集,基于主成分分析法(PCA)联合线性判别法(LDA)模型,训练集分类正确率达到95.23%,盲测集分类正确率达90.00%.这种基于非接触式血液样本拉曼光谱和PCA-LDA判断模型的测试方法在进出口检验检疫等涉及血液无损鉴别的领域具有广泛的应用价值和前景.     

红外光谱及Bayes信息融合技术的葡萄酒鉴别研究

建立了将检出限不同的近红外透射光谱技术和中红外衰减全反射光谱技术进行Bayes信息融合后用于葡萄酒鉴别的方法。分别采集3种品种和3种陈酿方式的干红葡萄酒的近红外透射光谱和中红外衰减全反射光谱,用PLS-DA法分别建立基于近红外光谱和中红外光谱的判别模型,用Bayes方法实现两种判别结果的融合修正。信息融合后的结果为:葡萄酒品种鉴别模型的建模集准确率为95.08%,检验集准确率为94.68%,葡萄酒陈酿方式鉴别模型的建模集准确率为98.91%,检验集准确率为98.75%;均优于单独采用一种光谱技术的判别结果。实验表明,信息融合技术有助于模型判别效果的提高,采用Bayes信息融合技术对葡萄酒品种和陈酿方式进行快速识别是可行的。     

基于近红外光谱技术与化学计量学的绿茶无损鉴别方法研究

该文利用近红外光谱技术结合化学计量学方法开发了不同品种绿茶的无损鉴别方法。通过近红外光谱技术得到了8个品种绿茶样品的近红外光谱,比较了单一以及优化组合光谱预处理方法对光谱的影响,利用无监督的主成分分析(PCA)与有监督的线性判别分析方法(LDA)分别构建了茶叶品种鉴别模型。结果表明：对比单一预处理方法,优化组合预处理具有更优的鉴别准确性。标准正态变量变换预处理消除了茶叶样品大小不均造成的光谱散射影响,一阶导数预处理实现了变动背景的消除,减少了基线漂移的影响,突出了图谱中的有效信息,采用二者相结合的预处理方式并结合无监督的主成分分析法可实现较为准确的绿茶样品种类鉴别分析,准确率达75.0%。此外,采用有监督的线性判别分析方法处理原始光谱数据,可达到100%的鉴别准确率,但该方法需提供类别的先验知识。因此,采用近红外光谱技术和化学计量学相结合的手段可实现不同品种绿茶的快速无损鉴别。     

常见黑色玉石的红外反射光谱测试及鉴定

红外光谱检测技术具有准确、快速、简便、无损等优点,广泛应用于不同领域.在宝石学领域,对于宝玉石的鉴定具有重要意义.本文以市场上常见的六种黑色玉石为实验测试样品,除常规检测外,采用红外反射光谱方法,得出对应的红外反射光谱图,分析比较它们的差异不同,达到有针对性的快速区分鉴定宝玉石种属的目的.     

蓝色圆珠笔字迹色痕傅里叶变换显微红外光谱法的无损分析

利用傅里叶变换显微红外光谱法中的微区衰减全反射采样技术无损测定了纸张上圆珠笔油墨所形成的字迹色痕,获得了１０种不同圆珠笔字迹的显微红外光谱图。结果表明,笔迹色痕的微区衰减全反射谱图可明显地识别色料和溶剂的结构组成;快速地分辨各生产厂家油墨的差异。同时,纸张的不同,字迹书写的深浅均可快速,准确地进行无损分析。