红外光谱结合多元统计学检验汽车前保险杠

在交通肇事逃逸和刑事案件中,常涉及对汽车前保险杠物证的检验鉴定,本实验采集了31款车型的汽车前保险杠碎片的红外光谱图,借助分类算法,结合多元统计学中的主成分分析法和判别分析法,建立数学模型,对光谱数据逐步展开了挖掘与分析,成功将31种汽车前保险杠样本分为了17类,分类正确率达92.5%,分类结果理想。本研究将现代仪器分析技术和多元统计法相结合实现了对汽车前保险杠碎片的分类和识别,为现场物证的检验提供了一定的理论依据。     

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。     

QuEChERS-超高效液相色谱-串联质谱法测定血液中4种乌头类生物碱

移取1.00mL血液样品,加入2mL乙腈和50mg氯化钠,振荡10min后,在-4℃下以8 000r·min~(-1)转速离心10min,取上清液,加入15mg N-丙基乙二胺和25mg十八烷基硅烷,振荡5min,重复上述离心操作,取上清液,过0.22μm有机微孔膜,采用超高效液相色谱-串联质谱法测定滤液中次乌头碱、新乌头碱、乌头碱和滇乌头碱等4种乌头类生物碱的含量。以Agilent ZORBAX Eclipse Plus C_(18)色谱柱为固定相,以不同体积比的0.1%(质量分数)氨水和甲醇的混合液为流动相进行梯度洗脱,串联质谱分析中采用电喷雾正离子源和多反应监测模式。4种乌头类生物碱的质量浓度在一定范围内与其对应的峰面积呈线性关系,方法的检出限(3S/N)为0.010～0.035μg·L~(-1)。以空白样品为基体进行加标回收试验,所得回收率为96.3%～109%,回收量的日内相对标准偏差(n=6)为2.3%～4.2%,日间相对标准偏差(n=6)为0.70%～6.7%。     

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。     

拉曼光谱结合系统聚类法检验汽车前保险杠

应用拉曼光谱法并结合聚类分析对44种不同型号的汽车前保险杠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532nm激光光源的拉曼光谱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,选择平均组间距离定义类间距离,采用平方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,通过验证衡量聚类效果,成功将44种汽车前保险杠样本分为了19类,分类正确率达94.8%,分类结果理想,实现了基于全波段光谱信息结合系统聚类分析建立的模型用于准确鉴定汽车前保险杠种类的目的,为现场物证的检验提供了一定的理论依据。     

基于拉曼光谱和多元统计学研究蓝色中性笔油墨

拉曼光谱作为一种无损检验的技术手段,近年来广泛用于文件检验领域中的书写材料种类检验。本实验采集了市面上收集到的28支蓝色中性笔油墨的拉曼光谱图,结合化学计量学中的相似度分析法和主成分分析法对谱图进行了分析,两种分析方法得到的分类结果基本一致,采用两种方法可以将28支蓝色中性笔油墨分为五类。实验结果表明,将拉曼光谱法得到的数据结合化学计量学分析方法进行数据分析,比直接比较谱图得到的分类结果更加客观、准确。     

基于多分类模型的记号笔墨水红外光谱分析

记号笔墨水的区分鉴别在相关案件的侦破和诉讼中具有重要意义。本实验采用红外光谱法(ATR-FTIR)获取记号笔的原始光谱,并对原始光谱分别进行自动基线校正、Savitzky-Golay平滑、峰面积归一化和小波阈值去噪四种预处理消除噪声等干扰因素并确定特征波长,同时结合判别分析(DA)、径向基函数神经网络(RBF)和K近邻算法(KNN)构建分类模型。结果表明,三种模型对黑色笔的分类最准确,均实现了100%的识别,对红蓝色笔区分能力次之,相比较DA和RBF,KNN模型的分类精度最高。采用ATR-FTIR结合DA-RBF-KNN法能为记号笔的类型准确检测提供新的分析手段,且模型检测精度高,方法具有普适性和一定的借鉴意义。     

傅里叶红外光谱法结合化学计量学方法区分鉴别塑钢窗北大核心CSCD

选取7家公司生产的42种塑钢窗成品,以品牌为单位将其分为7组。选取9号、17号、21号、32号样本作为待判定样本,其余38种样本作为分类鉴别研究对象。用傅里叶红外光谱法对上述样本进行检测,借助Spss统计分析软件,采用Z标准化方法并用系统聚类分析方法对所得光谱信息进行处理。将38种样本分为27类,以此为依据,选择典型判别分析对4种未知样本进行分类,分类正确率为94.6%。