基于滤波器-光谱数据降维的指甲地区识别

该文从实际案件中收集了5个地区共计204份指甲样本,运用希尔伯特变换滤波器对原始谱图进行降噪处理,然后采用主成分分析进行数据降维,借助朴素贝叶斯、随机森林以及偏最小二乘判别分析模型开展指甲地区的识别工作,并根据模型的识别率和相关指标筛选出最佳预处理方法和最优识别模型。结果表明,经预处理后的原始谱图识别率得到显著提升,希尔伯特变换滤波器结合主成分分析是最佳预处理方法,随机森林模型的稳定性和识别率均高于朴素贝叶斯和偏最小二乘判别分析模型,对最佳预处理方法的训练集识别率为94.88%,测试集识别率为93.47%。该方法能有效降低谱图的噪声,减少数据的冗余,提高模型的识别效果,为法庭科学中指甲地区的快速鉴定提供了参考。     

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。     

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PC...     

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。     

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。     

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。     

傅里叶变换红外光谱结合模式识别法快速鉴别食用油的真伪

采用傅里叶变换红外光谱(FTIR)结合簇类独立软模式识别技术(SIMCA)建立了真伪食用油的快速鉴别方法. 该方法依据FTIR 的指纹特性, 收集并分析了53 个合格食用油和13 个伪造食用油的FTIR 谱图; 通过对谱图取二阶导数和标准化处理, 主成分分析(PCA)提取特征变量; 采用SIMCA 方法分别随机选取43 个合格食用油和9 个伪食用油样品的FTIR 谱图组成训练集, 构建得到真伪食用油的SIMCA 分类模型. 该模型经过剩余10 个合格食用油和4 个伪食用油的验证, 正确识别率达到了100%. 说明FTIR 结合SIMCA 可能成为快速鉴别食用油真伪的一种新方法.     

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。     

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。     

傅里叶变换红外光声光谱在聚合物研究中应用——Ⅰ.苧麻结构

长期以来,纤维材料需要切成细微粉末才能测得红外光谱。1981年Teramae和Tana-ka采用傅里叶变换红外光声光谱(FTIR-PAS)获得棉花及尼龙纤维的红外光声光谱图,它与常规KBr制样得到的红外光谱图一致。该法不需要复杂制样,具有快速简便、无损样品的优点,所得的光谱图便于计算。其后,有人用此法研究了各种人造纤维和天然纤维性能     

光学相干层析技术在法庭科学中的新应用

光学影像技术是法庭科学物证检验分析的重要技术手段，具有无损、原位、快速等优势。近年来，随着光学影像技术的不断发展，一些新技术、新方法不断被引入法庭科学领域并付诸应用。光学相干层析技术（简称OCT技术）是一种光学断层成像技术，具有无损、高分辨、快速、断层成像的特点，特别是其可以无损地得到材料或生物组织内部的结构信息，突破了传统二维成像只能进行物质表面分析的局限，因此可成为一种很有前景的新型法庭科学光学影像技术。本文首先介绍了自主搭建的一套三维OCT成像系统，并着重介绍了基于该系统应用于法庭科学油漆物证检验、胶带指纹显现和毛囊特征分析等方面的研究。结果表明，OCT技术非常适合用于法庭科学物证检验分析，作为其他检验的先导技术手段，获取样品内部信息，提取新型光学特征参数。由于其采用光纤化技术，还有望实现便携化、小型化，在现场勘查中开展相关应用。     

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。     

基于小波和小波包变换的苯丙酮尿症傅里叶变换衰减全反射红外光谱筛查模型的研究

应用小波和小波包变换对傅里叶变换衰减全反射红外光谱(FTIR/ATR)进行去噪处理,以提高苯丙酮尿症(PKU)筛查模型的性能。首先优化小波和小波包变换的参数,然后分别对原始光谱(OS)、9点平滑光谱(9S)和一阶微分9点平滑光谱(1D9S)进行去噪处理,以均方根误差(RMSE)、平均相对误差(MRE)、预测准确率(Acc)等为指标,考察小波和小波包变换对模型性能的影响。结果与变换前相比,模型性能均有所提高,其中小波变换以1D9S+sym12处理结果为最优,而小波包变换以1D9S+sym1为最优;Acc全部提高为100%。     

光谱滤波法提高激光诱导击穿光谱对蔬菜中元素Pb的检测精度

激光诱导击穿光谱(Laser induced breakdown spectroscopy, LIBS)原始光谱中包含较多噪声信号, 为探究不同滤波方法对LIBS光谱预处理的影响, 本研究以实验室Pb污染处理的蔬菜为研究对象, 采集波长范围在400.45~410.98 nm的LIBS谱线信息, 分别利用相邻平均(Adjacent averaging)、Savitzky-Golay(S-G)滤波器、快速傅里叶变换(Fast Fourier transformation, FFT)对采集的LIBS光谱进行平滑、去噪, 并结合偏最小二乘法(PLS)定量分析模型对光谱处理效果进行评价.结果表明, S-G平滑效果最优, 当S-G滤波器窗口宽度为15, 拟合阶次为3时, PLS定量模型效果最佳, 其验证集均方根误差(RMSEP)为0.26、平均相对误差(ARE)为3.7%.结果表明, 选择适合的滤波方法有助于提高LIBS光谱质量以及检测模型的精度.     

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.     

基于近红外光谱分析技术的食品包装塑料的定性分析

该文基于近红外漫反射光谱分析技术对食品包装材料聚乙烯、聚丙烯进行定性判别试验研究,选取不同波段范围、采用不同光谱预处理方法,使用主成分分析法(Principal component analysis,PCA)结合SIMCA、贝叶斯判别、K-近邻3种模式识别方法建立定性预测模型,并根据正确识别率比较了各模型预测性能。结果表明：使用SIMCA方法、贝叶斯判别、K-近邻3种方法建立的定性校正模型均在1 050~1 550 nm波长范围内效果较好;采用矢量归一化、标准正态变量变换、中心化、滑动均值滤波、多项式平滑滤波、一阶微分6种光谱预处理方法和上述3种模式识别方法对塑料样品近红外光谱进行了数据处理,其中在1 050~1 550 nm范围内,主成分因子数为3,采用原始光谱建立的K-近邻定性校正模型较优,对样品校正集和预测集的正确识别率均为100%。可为食品包装材料聚乙烯、聚丙烯的快速鉴别研究提供参考。     

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。     

偏最小二乘法在红外光谱识别茶叶中的应用

采用漫反射傅立叶变换红外光谱(FTIR)法结合主成分分析(PCA)、偏最小二乘法(PLS)、簇类的独立软模式(SIMCA)识别法对十三种茶叶进行了分类判别研究。研究结果表明,通过多元散射校正(MSC)对原始光谱进行预处理,可以提高模式识别技术的分类判别效果。在此基础上,选取1 900~900 cm-1波长范围内的茶叶红外光谱建立识别模型,三种方法都得到了满意的分类判别效果。在对检验集中全部130个样本的判别中,PCA仅有两类样本无法判别,SIMCA的识别率和拒绝率都在90%以上,而PLS的识别效果最佳,全部样本都得到了正确的归类。这一研究结果表明傅立叶变换红外光谱法与化学计量学方法相结合可以实现茶叶品种的快速鉴别,这为茶叶的客观评审提供了一种新思路。