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。     

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。     

公共安全视域下精神药物光谱学无损分类

该文对苯二氮类和吩噻嗪类镇静安眠药样品的红外光谱数据进行采集,构建了不同数据分类模型并对比了不同波段光谱数据集对其分析准确率的影响。结果表明,借助贝叶斯判别分析的基于全波段数据集的二阶导数模型分类效果优于其他单一模型,对于苯二氮类和吩噻嗪类两个不同类型精神药物的总体分类准确率达92.7%。借助贝叶斯判别分析的基于全波段和指纹区融合数据集的二阶导数融合模型分类效果最佳,对苯二氮类和吩噻嗪类两个不同类型精神药物的总体分类准确率达到100%;对苯二氮类和吩噻嗪类中不同种类精神药物的总体分类准确率则分别达到96.7%和100%。该研究实现了不同类型及同一类型不同种类镇静安眠药的快速准确定性分析,为此类管制类药物走私案件的准确定性提供了一定的技术支持。     

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。     

差分拉曼光谱结合SVM对便签纸的鉴别分析

基于差分拉曼光谱技术与支持向量机(SVM)模型,提出了一种对便签纸类检材的快速可视化鉴别方法。实验获取了40组不同品牌便签纸样本的差分拉曼光谱数据,利用BP神经网络和差分技术完成谱图的除噪与基线校正后,借助F检验与主成分分析提取谱段信息,构建出SVM分类模型。实验结果表明,当设置Linear为SVM模型的核函数时,可以实现对样本测试集的完全准确划分,K折交叉验证的结果理想。相比于传统聚类分析手段,本方法可以在原始高维光谱数据中筛选出有效特征矩阵,且SVM模型兼具高效性和准确性,为公安实践中纸张类物证的区分鉴别提供一种新思路。     

基于高光谱成像的光敏印油种类区分实验

印油种类区分是法庭科学文件检验领域的重要一环,为研究无损高效区分光敏印油种类的方法。以33种不同品牌光敏印油的原始光谱数据当作对照组,对原始数据进行t-SNE降维和UMAP降维后,选择XGBoost、SVM和MLP三种分类算法,以1比4的比例确定测试集和训练集,对原始数据和降维后的数据进行分类,同时使用网格搜索和五倍交叉验证来优化模型的性能和泛化能力。结果表明,上述三种分类算法对降维后光谱数据区分的平均准确率高于对原始光谱数据区分的平均准确率,且UMAP-MLP分类模型的区分准确率最高,可达到98%。提出的分类模型可用于光敏印油种类的快速区分。     

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。     

常见食源性致病菌的光谱快速识别

利用拉曼光谱技术建立了4种常见食源性致病菌的分类鉴别方法。在600～1800 cm-1光谱范围内，对蜡样芽胞杆菌、副溶血性弧菌、小肠结肠炎耶尔森菌与金黄色葡萄球菌共186个单细菌进行光谱信息的采集。使用Savitzky-Golay卷积平滑算法与一阶导数对原始光谱数据进行预处理，采用主成分分析方法（PCA）并结合多层感知器（MLP）神经网络构建对4种致病菌的分类识别模型，探究了不同光谱预处理方法下的PCA-MLP模型预测效果，经平滑算法与一阶导数处理过的光谱数据训练集准确率为98.5%，测试集准确率为99.2%。本文建立的光谱技术结合PCA-MLP模型可实现对食品中常见致病菌的快速鉴别。     

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。