在法庭科學領(lǐng)域,硝基漆的檢驗鑒別是一項重要的工作。為提高檢驗工作效率,提高分析可靠性,提出一種基于中紅外光譜結(jié)合化學計量學的硝基漆鑒別方法。實驗采集并獲取長頸鹿等6種品牌共計59個樣本的紅外光譜數(shù)據(jù),借助主成分分析、K近鄰模型和判別分析構(gòu)建分類模型。結(jié)果表明,PCA模型和K近鄰模型對59個樣本的區(qū)分能力相對較弱,判別分析模型的區(qū)分能力較強,實現(xiàn)了96.6%的準確區(qū)分和歸類,分類結(jié)果理想。該方法能夠快速,準確,無損地鑒別硝基漆,可為其他物證的檢驗鑒別提供一定的借鑒和參考。 

【文章來源】：化學研究與應(yīng)用. 2020,32(08)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

59個樣本的紅外光譜圖

由圖2可知,六種類型的樣本被分在了不同的區(qū)域,其中長頸鹿,大孚,燈塔,紅峰品牌硝基漆的樣本分布分散,紫荊花,真諦品牌的樣本分布較為集中,這表明PCA模型對紫荊花,真諦品牌樣本的分類能力強,對長頸鹿,大孚,燈塔,紅峰等品牌樣本區(qū)分能力較弱。相比較PCA2;PCA3判別軸,紫荊花品牌的樣本在PCA1判別軸上區(qū)分更為明顯,只有2個樣本誤判;長頸鹿,大孚,燈塔,紅峰等品牌的樣本之間分布均十分接近,PCA模型對各個樣本的分類結(jié)果如下(見表3)。紫荊花品牌樣本的分類準確率最高(66.7%),其次為燈塔品牌樣本(50.1%),長頸鹿品牌樣本(33.3%),紅峰品牌樣本(25.0%),大孚和真諦品牌樣本的分類準確率為0.0%�？梢娫谥鞒煞址治瞿Ｐ椭�,六種品牌的樣本彼此間區(qū)分并不明顯,為進一步實現(xiàn)對樣本明顯的分類和歸屬,實驗借助K近鄰分析和判別分析進行建模分析。表3 各個樣本的分類結(jié)果Table 3 The details of all samples 品牌 長頸鹿 大孚 燈塔 紅峰 真諦 紫荊花 分類準確率(%) 33.3 0.0 50.1 25.0 0.0 66.7

K近鄰算法的三個基本要素是K值的選擇,距離度量和分類決策規(guī)則。在建立K近鄰分析的模型時,主要考慮的基本要素是K的取值。如果K值較小,容易發(fā)生擬合,K值較大時會增大學習的近似誤差。圖3為K選擇錯誤統(tǒng)計圖,從圖3可知,模型分類的錯誤率呈整體遞增趨勢,當K為1時錯誤率最低,模型能較大程度實現(xiàn)樣本間的區(qū)分;當K為10時錯誤率最高,模型區(qū)分各樣本的能力較弱。實驗選擇K為1的條件下構(gòu)建分類模型,得到了各樣本分類結(jié)果(見表4)。由表4可知,K近鄰模型對大孚和紅峰品牌的樣本區(qū)分準確率較高(66.7%),其次為燈塔品牌的樣本(63.6%),對真諦品牌樣本的區(qū)分效果不理想�？傮w來看,K近鄰模型對各樣本區(qū)分效果依然不是十分理想,分析認為這與樣本不均勻情況有關(guān),即有些類別的樣本數(shù)量多,而其他樣本的數(shù)量少時容易發(fā)生誤判現(xiàn)象。本實驗中,不同品牌樣本數(shù)量不一致,如紅峰品牌樣本有16個,真諦品牌樣本有7個,大孚品牌樣本有10個,樣本數(shù)不均勻的影響使得模型分類準確率較低。為驗證這一假設(shè),每種品牌樣本隨機抽選6個,進行實驗驗證,發(fā)現(xiàn)各樣本分類準確率均有明顯提升,其中長頸鹿、大孚和紅峰樣本的分類準確率為80%,燈塔和真諦樣本的分類準確率分別為60%和20%,紫荊花樣本分類準確率為0%,分析認為是樣本數(shù)較少所致,使得模型在計算過程中無法很好地保持在一個較高的精度。何亞[26]在用K近鄰分析鑒別分類記號筆的實驗中,在對水性筆和油性筆的鑒別分類中實現(xiàn)100%的準確分類,然而在進一步的水性筆和油性筆的品牌鑒定分類時,卻沒有達到一個理想的分類結(jié)果。分析原因也是訓練樣本少,不能很好的體現(xiàn)模型的統(tǒng)計特性。表4 各個樣本的分類結(jié)果Table 4 The details of all samples 品牌 長頸鹿 大孚 燈塔 紅峰 真諦 紫荊花 分類準確率(%) 25.0 66.7 63.6 66.7 0 33.0

【參考文獻】：
期刊論文
[1]輪胎橡膠顆粒紅外光譜的多元分類研究[J]. 邱薇綸,穆義龍.  化學研究與應(yīng)用. 2019(11)
[2]掃描電鏡/能譜儀法分析車漆成分[J]. 張美多.  化工設(shè)計通訊. 2019(10)
[3]艦船甲板油漆紅外指紋圖譜的無損鑒別[J]. 何欣龍,王繼芬,韓育林,梁震龍,張玉龍.  兵器材料科學與工程. 2019(06)
[4]基于多層感知器-Fisher判別分析的車用保險杠紅外光譜鑒別[J]. 何欣龍,王繼芬,李青山,何亞,姜曉佳,李超,彭山珊.  中國測試. 2019(05)
[5]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.  化學研究與應(yīng)用. 2019(01)
[6]紅外光譜結(jié)合神經(jīng)元網(wǎng)絡(luò)測定改性瀝青SBS含量[J]. 王康.  化學研究與應(yīng)用. 2018(12)
[7]傅里葉紅外光譜法結(jié)合化學計量學方法區(qū)分鑒別塑鋼窗[J]. 何欣龍,王繼芬,劉騰飛,張宇,牛凡,余靜.  理化檢驗(化學分冊). 2018(11)
[8]透明膨脹型氨基樹脂基阻燃涂料的研究進展及趨勢[J]. 李佳朋,劉寧,王奉強,王清文.  涂料工業(yè). 2018(01)
[9]紅外光譜結(jié)合多元統(tǒng)計學檢驗汽車前保險杠[J]. 何欣龍,劉文浩,王繼芬.  光散射學報. 2018(01)
[10]基于拉曼光譜和多元統(tǒng)計學研究藍色中性筆油墨[J]. 牛凡,黃建同,張云,何欣龍,王艷芳.  光散射學報. 2017(03)



本文編號：3311254