為實現(xiàn)對現(xiàn)場車用保險杠物證快速無損準(zhǔn)確檢驗鑒定,提出了一種結(jié)合牛頓插值多項式、Savitzky—Golay平滑和Fisher判別分析的車用保險杠鑒別方法。實驗采集并獲取奧迪等5種品牌樣本的紅外光譜數(shù)據(jù),考察了牛頓插值多項式、Savitzky—Golay平滑兩種預(yù)處理方法對樣本分類結(jié)果的影響,同時借助判別分析構(gòu)建分類模型。結(jié)果表明,4次牛頓插值多項式結(jié)合Savitzky—Golay平滑3次多項式和33點平滑點數(shù)為最佳預(yù)處理方法,其能夠有效削弱噪聲和干擾信息的負(fù)面影響,同時提升模型的分類準(zhǔn)確率。在Fisher判別分析模型中,5類樣本均實現(xiàn)了100%的準(zhǔn)確區(qū)分和歸類,實驗結(jié)果較為理想�；贔isher判別分析的識別模型具有較高的預(yù)測精度,可作為一種可靠的保險杠物證鑒別方法,該方法快速、無損、準(zhǔn)確,具有一定的普適性和借鑒意義。 

【文章來源】：化學(xué)研究與應(yīng)用. 2020,32(09)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

不同牛頓插值多項式下樣本總體分類準(zhǔn)確率

圖1 不同牛頓插值多項式下樣本總體分類準(zhǔn)確率圖2為采用不同Savitzky-Golay平滑多項式(1次項～6次項)處理后各樣本的分類準(zhǔn)確率情況。由圖2可知,經(jīng)過3次平滑多項式處理后各樣本總體分類準(zhǔn)確率最高(72.5%),經(jīng)過4次平滑多項式處理后各樣本區(qū)分準(zhǔn)確率最低(45.5%)。相比較圖1,圖2中總體分類準(zhǔn)確率均有顯著提升,表明將牛頓插值多項式與Savitzky-Golay平滑多項式結(jié)合起來開展預(yù)處理工作是可行的,其能夠明顯削弱干擾噪聲帶來的影響,從而有效提升模型分類的精度。為考察Savitzky-Golay平滑點數(shù)變化對模型精度的影響,實驗在此基礎(chǔ)之上,比較了不同平滑點數(shù)對模型分類結(jié)果的影響,圖3為不同Savitzky-Golay平滑點數(shù)下樣本總體分類準(zhǔn)確率情況,由圖可知,隨著Savitzky-Golay平滑點數(shù)增加,樣本總體分類準(zhǔn)確率基本是呈上升趨勢,在平滑點數(shù)為33點時總體分類準(zhǔn)確率達到最高(77.3%),在平滑點數(shù)為35點時總體分類準(zhǔn)確率達到最低(40.9%)。由圖可知,平滑點數(shù)對模型分類的好壞有較大影響,平滑點數(shù)過少容易產(chǎn)生新誤差,點數(shù)過多則容易使包含信息的光譜數(shù)據(jù)磨光丟失,都會造成模型精度下降[21]。有關(guān)最優(yōu)平滑點數(shù)的選擇,部分文獻曾有報道,謝軍等[21]發(fā)現(xiàn)最優(yōu)平滑點數(shù)一般都不在25以內(nèi),這與本實驗結(jié)果相符合,本實驗中平滑點數(shù)在25點到33點之間時,模型總體分類準(zhǔn)確率處于較高水平。

圖2為采用不同Savitzky-Golay平滑多項式(1次項～6次項)處理后各樣本的分類準(zhǔn)確率情況。由圖2可知,經(jīng)過3次平滑多項式處理后各樣本總體分類準(zhǔn)確率最高(72.5%),經(jīng)過4次平滑多項式處理后各樣本區(qū)分準(zhǔn)確率最低(45.5%)。相比較圖1,圖2中總體分類準(zhǔn)確率均有顯著提升,表明將牛頓插值多項式與Savitzky-Golay平滑多項式結(jié)合起來開展預(yù)處理工作是可行的,其能夠明顯削弱干擾噪聲帶來的影響,從而有效提升模型分類的精度。為考察Savitzky-Golay平滑點數(shù)變化對模型精度的影響,實驗在此基礎(chǔ)之上,比較了不同平滑點數(shù)對模型分類結(jié)果的影響,圖3為不同Savitzky-Golay平滑點數(shù)下樣本總體分類準(zhǔn)確率情況,由圖可知,隨著Savitzky-Golay平滑點數(shù)增加,樣本總體分類準(zhǔn)確率基本是呈上升趨勢,在平滑點數(shù)為33點時總體分類準(zhǔn)確率達到最高(77.3%),在平滑點數(shù)為35點時總體分類準(zhǔn)確率達到最低(40.9%)。由圖可知,平滑點數(shù)對模型分類的好壞有較大影響,平滑點數(shù)過少容易產(chǎn)生新誤差,點數(shù)過多則容易使包含信息的光譜數(shù)據(jù)磨光丟失,都會造成模型精度下降[21]。有關(guān)最優(yōu)平滑點數(shù)的選擇,部分文獻曾有報道,謝軍等[21]發(fā)現(xiàn)最優(yōu)平滑點數(shù)一般都不在25以內(nèi),這與本實驗結(jié)果相符合,本實驗中平滑點數(shù)在25點到33點之間時,模型總體分類準(zhǔn)確率處于較高水平。實驗選擇三次樣條插值[22,23]處理各樣本的光譜數(shù)據(jù)并借助Fisher判別分析開展對各樣本的分類工作,得到了5種品牌樣本的總體分類準(zhǔn)確率(76.8%)。相比較Savitzky-Golay平滑,其對各樣本的區(qū)分準(zhǔn)確度相對略低一點。而經(jīng)Savitzky-Golay平滑處理后的樣本數(shù)據(jù)借助Fisher判別分析進行分類時,準(zhǔn)確率相對略高一點。綜上,實驗選擇4次牛頓插值多項式+3次Savitzky-Golay平滑多項式+33點Savitzky—Golay平滑點數(shù)作為預(yù)處理方法,用于構(gòu)建分類模型。

【參考文獻】：
期刊論文
[1]采用卡方檢驗和牛頓插值的抗差卡爾曼濾波新算法[J]. 蔡保杰,邵雷,李正杰.  空軍工程大學(xué)學(xué)報(自然科學(xué)版). 2020(01)
[2]Bayes判別的塑鋼窗紅外光譜快速識別[J]. 何欣龍,王繼芬,何亞,黑海,杜秋瑤,穆成成,全永志.  激光雜志. 2019(11)
[3]輪胎橡膠顆粒紅外光譜的多元分類研究[J]. 邱薇綸,穆義龍.  化學(xué)研究與應(yīng)用. 2019(11)
[4]不同插值方法對GPS時間序列的影響分析[J]. 楊登科.  全球定位系統(tǒng). 2019(05)
[5]光譜預(yù)處理方法選擇研究[J]. 第五鵬瑤,卞�；�,王姿方,劉巍.  光譜學(xué)與光譜分析. 2019(09)
[6]鞋底材料的中紅外光譜可視化快速鑒別[J]. 王繼芬,高春芳,徐佰祺,董澤,何欣龍.  中國塑料. 2019(08)
[7]車用保險杠的中紅外光譜定性與定量快速檢測[J]. 何欣龍,馬云,王繼芬,李卓容,劉林,龐松穎,何亞.  工程塑料應(yīng)用. 2019(05)
[8]基于紅外光譜多元分析的記號筆種類鑒別研究[J]. 何亞,王繼芬,何欣龍,鐘世豪,李超,彭山珊.  化學(xué)研究與應(yīng)用. 2019(01)
[9]松香及其改性產(chǎn)品的紅外光譜法快速鑒別[J]. 莫啟進,卓梅芳,李浩.  化學(xué)研究與應(yīng)用. 2018(12)
[10]汽車塑料保險杠蒙皮多目標(biāo)拓?fù)鋬?yōu)化[J]. 王鎮(zhèn)江,何造,林廣誼,龔世海,李健.  塑性工程學(xué)報. 2018(01)



本文編號：3401540