針對(duì)法庭科學(xué)領(lǐng)域?qū)ξ镒C快速、無(wú)損、準(zhǔn)確的檢驗(yàn)需求,采用紅外光譜原始數(shù)據(jù)和導(dǎo)數(shù)數(shù)據(jù)相結(jié)合的光譜數(shù)據(jù)融合技術(shù)對(duì)汽車(chē)燈罩樣本進(jìn)行分析。對(duì)收集的44個(gè)汽車(chē)燈罩樣本采集紅外譜圖,采用自動(dòng)基線校正、峰面積歸一化、Savitzky-Golay算法平滑對(duì)譜圖進(jìn)行預(yù)處理,并對(duì)處理后的數(shù)據(jù)進(jìn)行一階求導(dǎo),結(jié)合人工神經(jīng)網(wǎng)絡(luò)（ANN）算法構(gòu)建分類(lèi)模型。在徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBF）模型中,結(jié)合主成分分析對(duì)光譜原始數(shù)據(jù)、一階導(dǎo)數(shù)數(shù)據(jù)和融合的數(shù)據(jù)進(jìn)行分類(lèi),分類(lèi)準(zhǔn)確率分別為81.2%、84.1%和90.9%;在多層感知器神經(jīng)網(wǎng)絡(luò)（MLP）模型中,結(jié)合主成分分析對(duì)光譜原始數(shù)據(jù)、一階導(dǎo)數(shù)數(shù)據(jù)和融合的數(shù)據(jù)進(jìn)行分類(lèi),分類(lèi)準(zhǔn)確率分別為84.1%、86.4%和97.7%,且在對(duì)44個(gè)汽車(chē)燈罩樣本的12種品牌進(jìn)行分類(lèi)時(shí),分類(lèi)準(zhǔn)確率也達(dá)到97.7%,實(shí)驗(yàn)結(jié)果理想。結(jié)果表明,基于紅外光譜原始數(shù)據(jù)和導(dǎo)數(shù)數(shù)據(jù)相結(jié)合的光譜數(shù)據(jù)融合技術(shù)能夠?qū)崿F(xiàn)對(duì)汽車(chē)燈罩樣本的準(zhǔn)確分析,且滿足快速、無(wú)損、準(zhǔn)確的檢驗(yàn)要求,可以為光譜融合技術(shù)在法庭科學(xué)領(lǐng)域中物證的檢驗(yàn)提供一定參考。 

【文章來(lái)源】：中國(guó)塑料. 2020,34(12)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

部分主成分分析結(jié)果圖

如表3所示，記錄了在原始數(shù)據(jù)、一階導(dǎo)數(shù)數(shù)據(jù)和融合的數(shù)據(jù)下分別構(gòu)建RBF和PCA+RBF兩種分類(lèi)模型的分類(lèi)結(jié)果。對(duì)PC、PS和PMMA 3種類(lèi)別的汽車(chē)燈罩樣本的分類(lèi)準(zhǔn)確率進(jìn)行比較，發(fā)現(xiàn)無(wú)論是RBF模型，還是PCA+RBF模型，PC類(lèi)別樣本的分類(lèi)準(zhǔn)確率均高于PS和PMMA兩種樣本。分析認(rèn)為，相較于PS和PMMA兩種類(lèi)型的樣本，PC類(lèi)別樣本的樣本數(shù)較多，所以包含的信息更多，訓(xùn)練效果更好；對(duì)基于原始數(shù)據(jù)、一階導(dǎo)數(shù)數(shù)據(jù)和融合的數(shù)據(jù)構(gòu)建的分類(lèi)模型的分類(lèi)效果進(jìn)行比較，發(fā)現(xiàn)對(duì)融合的數(shù)據(jù)構(gòu)建分類(lèi)模型的分類(lèi)效果更好，在RBF模型中的總體分類(lèi)準(zhǔn)確率達(dá)到81.8%，在PCA+RBF模型中的總體分類(lèi)準(zhǔn)確率達(dá)到90.9%。分析認(rèn)為融合的數(shù)據(jù)可以更多的反應(yīng)汽車(chē)燈罩樣本的信息，為分類(lèi)模型的構(gòu)建提供了更加優(yōu)良的數(shù)據(jù)條件；對(duì)RBF和PCA+RBF兩種模型的分類(lèi)準(zhǔn)確率進(jìn)行比較，發(fā)現(xiàn)PCA+RBF模型的分類(lèi)準(zhǔn)確率更高，對(duì)原始數(shù)據(jù)、一階導(dǎo)數(shù)數(shù)據(jù)和融合的數(shù)據(jù)分類(lèi)準(zhǔn)確率分別達(dá)到81.8%、84.1%和90.9%。分析認(rèn)為，利用PCA對(duì)數(shù)據(jù)進(jìn)行處理，可以消除原有數(shù)據(jù)之間的線性相關(guān)性，提取出最主要的數(shù)據(jù)信息，從而達(dá)到優(yōu)化數(shù)據(jù)結(jié)構(gòu)和提高模型分類(lèi)效果的目的。2.3 MLP分析

如圖3所示，對(duì)結(jié)合PCA的RBF和MLP模型在原始數(shù)據(jù)、一階導(dǎo)數(shù)數(shù)據(jù)和融合的數(shù)據(jù)下對(duì)汽車(chē)燈罩樣本的分類(lèi)準(zhǔn)確率進(jìn)行比較。圖中可以直觀地看出，一方面，無(wú)論是PCA+RBF模型還是PCA+MLP模型，基于融合數(shù)據(jù)構(gòu)建模型的分類(lèi)準(zhǔn)確率顯著高于單獨(dú)的原始數(shù)據(jù)和一階導(dǎo)數(shù)數(shù)據(jù)；另一方面，在本實(shí)驗(yàn)中的44個(gè)汽車(chē)燈罩樣本數(shù)據(jù)條件下，MLP模型的分類(lèi)準(zhǔn)確率高于RBF模型。分析認(rèn)為，由于兩種ANN所依據(jù)的算法不一致，對(duì)不同的實(shí)驗(yàn)樣本分類(lèi)效果也有所差別，即分類(lèi)結(jié)果的優(yōu)劣取決于不同的樣本材料。因此，實(shí)驗(yàn)采用融合的數(shù)據(jù)構(gòu)建MLP+PCA模型，對(duì)汽車(chē)燈罩樣本的不同品牌進(jìn)行分類(lèi)，得到了如表5所示的分類(lèi)結(jié)果。從表5中可以看出，基于融合數(shù)據(jù)構(gòu)建的MLP+PCA模型在對(duì)汽車(chē)燈罩品牌的分類(lèi)中，對(duì)11種品牌實(shí)現(xiàn)了準(zhǔn)確分類(lèi)，分類(lèi)準(zhǔn)確率均達(dá)到100.0%。僅對(duì)其中一種品牌，即海馬品牌的汽車(chē)燈罩誤判1個(gè)樣本，總體分類(lèi)準(zhǔn)確率達(dá)到97.7%，實(shí)驗(yàn)結(jié)果理想。

【參考文獻(xiàn)】：
期刊論文
[1]基于近紅外光譜兩種植物油過(guò)氧化值通用模型研究[J]. 彭丹,李林青,劉亞麗,畢艷蘭,楊國(guó)龍.  光譜學(xué)與光譜分析. 2020(06)
[2]基于人工神經(jīng)網(wǎng)絡(luò)的邊坡新多點(diǎn)監(jiān)控模型[J]. 余曉露,鄭東健.  人民黃河. 2020(06)
[3]基于中紅外光譜技術(shù)的甘氨酸鐵螯合物判別研究[J]. 石曉妮,田靜,賈錚,徐思遠(yuǎn),樊霞.  食品安全質(zhì)量檢測(cè)學(xué)報(bào). 2020(09)
[4]青磚茶茶湯滋味品質(zhì)的近紅外快速無(wú)損評(píng)價(jià)[J]. 王勝鵬,鄭鵬程,龔自明,劉盼盼,高士偉,滕靖,桂安輝,王雪萍,葉飛,鄭琳.  華中農(nóng)業(yè)大學(xué)學(xué)報(bào). 2020(03)
[5]基于偏最小二乘法的新疆杏可溶性固形物含量的無(wú)損檢測(cè)[J]. 姜萌微,丁文文,王蕊,楊嘉玲,郭玲.  江蘇農(nóng)業(yè)科學(xué). 2020(09)
[6]高光三色汽車(chē)尾燈燈罩注塑工藝參數(shù)優(yōu)化[J]. 雷繼梅,倪君杰,黃瑤,王釗.  現(xiàn)代塑料加工應(yīng)用. 2020(01)
[7]基于近紅外高光譜技術(shù)快速檢測(cè)冷鮮豬肉酸價(jià)[J]. 何鴻舉,王魏,王洋洋,馬漢軍,陳復(fù)生,朱明明,趙圣明,康壯麗.  食品與發(fā)酵工業(yè). 2020(10)
[8]基于人工神經(jīng)網(wǎng)絡(luò)的機(jī)器人路徑規(guī)劃研究[J]. 陳麒瑞,杜少華,趙騰飛,宋瑩.  電腦知識(shí)與技術(shù). 2020(03)
[9]汽車(chē)前燈罩注塑工藝及模具設(shè)計(jì)[J]. 洪慎章.  橡塑技術(shù)與裝備. 2019(23)
[10]牛頓插值多項(xiàng)式-導(dǎo)數(shù)光譜無(wú)損檢測(cè)車(chē)用保險(xiǎn)杠[J]. 何欣龍,王繼芬.  激光技術(shù). 2020(03)



本文編號(hào)：3099932