基于光譜分類模型的保險杠物證無損研究
發(fā)布時間：2021-02-28 04:59
采用中紅外光譜結(jié)合化學計量學的方法對車用保險杠碎片進行鑒別,分別對52個車用保險杠碎片樣本的全波段光譜數(shù)據(jù)、指紋區(qū)光譜數(shù)據(jù)和主成分分析降維后的光譜數(shù)據(jù)建立Fisher判別分析和K近鄰算法2種分類模型,并對分類結(jié)果進行比較。結(jié)果表明,主成分分析提取特征變量后構(gòu)建的分類模型,分類的準確率更高,對聚丙烯（PP）、PP/滑石粉、PP/滑石粉/碳酸鈣（CaCO3）3種類型的樣本分類準確率達到92.3%,對PP/滑石粉類型中的10種品牌樣本分類準確率達到88.9%,分類結(jié)果理想;在構(gòu)建的2種分類模型中,Fisher判別分析模型的分類率遠高于K近鄰算法模型,分析認為K近鄰算法模型受到樣本不均衡的影響;中紅外光譜結(jié)合化學計量學可以實現(xiàn)對車用保險杠碎片的準確區(qū)分,且滿足快速、無損的檢驗要求。
【文章來源】：中國塑料. 2020,34(11)北大核心
【文章頁數(shù)】：7 頁
【圖文】：
樣本的FTIR譜圖
在KNN分類中，運用訓練樣本即為測試樣本的方法交互驗證[15]410。KNN模型中的K值選取對分類的結(jié)果會產(chǎn)生重大影響。在對樣品分類實際應用中，K值一般取一個比較小的數(shù)值，本實驗采用交叉驗證法來選擇最優(yōu)的K值。同樣以PCA+KNN為例，如圖2所示，模型分類的錯誤率隨著K值的增加不斷變化，在K=7之后錯誤率穩(wěn)定在0.291 7,K為1時錯誤率最低。如圖3所示，展示了提取的10個主成分在做出預測時的重要程度�？梢钥闯�，不同的變量對預測模型的貢獻率不同。因此，在計算距離時應當按重要性加權(quán)特征，以便于得到更好的預測效果。如表6所示分別對全波段、指紋區(qū)和PCA提取變量后光譜數(shù)據(jù)進行分析，獲得了相應的實驗數(shù)據(jù)。由表可知，在PCA+KNN模型中，實現(xiàn)了對PP/滑石粉的全部分類，分類率達到100%，而對PP和PP/滑石粉/Ca CO3的分類準確率較低，分別為50%和37.5%，影響了總體分類準確率（82.7%）；在指紋區(qū)結(jié)合KNN分類中，對PP/滑石粉類型的分類準確率較高，為88.9%，而PP類型的分類率為50%,PP/滑石粉/Ca CO3類型的分類率為12.5%，總體分類準確率為71.2%；在全波段結(jié)合KNN分類中，對PP/滑石粉類別的分類率為97.2%，分類效果理想，而PP和PP/滑石粉/Ca CO3類型的分類率均為50%，總體分類準確率為82.7%。分析認為，KNN模型的分類率較低的原因是受到樣本不均衡的影響，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[16]。在本實驗樣品中，PP/滑石粉類型存在36個樣本，而PP和PP/滑石粉/Ca CO3類型的樣本均僅有8個，使得在預測時樣本偏向于PP/滑石粉類型，從而導致誤判現(xiàn)象。因此，實驗認為相較于KNN分類模型，F(xiàn)DA分類模型更具有應用的普適性。在法庭科學領域，樣本的數(shù)量不可能總是保持均衡狀態(tài)，所以研究認為FDA分類模型更適合于車用保險杠的檢驗鑒定。
如表6所示分別對全波段、指紋區(qū)和PCA提取變量后光譜數(shù)據(jù)進行分析，獲得了相應的實驗數(shù)據(jù)。由表可知，在PCA+KNN模型中，實現(xiàn)了對PP/滑石粉的全部分類，分類率達到100%，而對PP和PP/滑石粉/Ca CO3的分類準確率較低，分別為50%和37.5%，影響了總體分類準確率（82.7%）；在指紋區(qū)結(jié)合KNN分類中，對PP/滑石粉類型的分類準確率較高，為88.9%，而PP類型的分類率為50%,PP/滑石粉/Ca CO3類型的分類率為12.5%，總體分類準確率為71.2%；在全波段結(jié)合KNN分類中，對PP/滑石粉類別的分類率為97.2%，分類效果理想，而PP和PP/滑石粉/Ca CO3類型的分類率均為50%，總體分類準確率為82.7%。分析認為，KNN模型的分類率較低的原因是受到樣本不均衡的影響，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[16]。在本實驗樣品中，PP/滑石粉類型存在36個樣本，而PP和PP/滑石粉/Ca CO3類型的樣本均僅有8個，使得在預測時樣本偏向于PP/滑石粉類型，從而導致誤判現(xiàn)象。因此，實驗認為相較于KNN分類模型，F(xiàn)DA分類模型更具有應用的普適性。在法庭科學領域，樣本的數(shù)量不可能總是保持均衡狀態(tài)，所以研究認為FDA分類模型更適合于車用保險杠的檢驗鑒定�；诖�，實驗對PP/滑石粉類型中的10種品牌進行區(qū)分，獲得了表7所示的實驗數(shù)據(jù)。從表中可知，在PCA+FDA的分類模型中，對東風、福特、奇瑞、雪佛蘭、別克、現(xiàn)代6種品牌均實現(xiàn)了100%的準確分類，總體分類準確率達到88.9%，實驗結(jié)果較為理想。與直接進行品牌的分類相比，分類率明顯提高，驗證了同種品牌間由于技術(shù)革新帶來的差異對分類結(jié)果的影響。在指紋區(qū)結(jié)合FDA和全波段結(jié)合FDA的分類中，總體分類準確率均為69.4%，相較于PCA+FDA分類結(jié)果較差；在KNN的分類模型中，PCA+KNN、指紋區(qū)結(jié)合KNN和全波段結(jié)合KNN的分類結(jié)果分別為47.2%、22.2%和33.3%。實驗驗證了PCA提取特征變量后的分類結(jié)果更佳和FDA模型優(yōu)于KNN模型的分析結(jié)果。
【參考文獻】：
期刊論文
[1]二階導數(shù)紅外光譜快速鑒別輪胎橡膠顆粒[J]. 何欣龍,王繼芬,王飛,蘭薪康,羅鑫. 中國測試. 2019(09)
[2]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)
[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]改性聚丙烯汽車保險杠的應用及發(fā)展前景[J]. 王怡明,朱娟,朱雪華,王濤,徐志斌. 廣東化工. 2018(22)
[5]基于K近鄰算法的塑鋼窗拉曼光譜分析[J]. 何欣龍,陳利波,王繼芬,桑國通. 激光與光電子學進展. 2018(05)
[6]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)
[7]汽車保險杠、儀表盤及門板專用料的研制[J]. 劉喜軍,賈宏革,唐萬俠,胡玉潔,李青山. 齊齊哈爾大學學報. 2001(01)
[8]汽車保險杠用剛性粒子增韌聚丙烯材料的研制[J]. 孫衛(wèi)健. 汽車技術(shù). 2000(10)
本文編號：3055357
【文章來源】：中國塑料. 2020,34(11)北大核心
【文章頁數(shù)】：7 頁
【圖文】：
樣本的FTIR譜圖
在KNN分類中，運用訓練樣本即為測試樣本的方法交互驗證[15]410。KNN模型中的K值選取對分類的結(jié)果會產(chǎn)生重大影響。在對樣品分類實際應用中，K值一般取一個比較小的數(shù)值，本實驗采用交叉驗證法來選擇最優(yōu)的K值。同樣以PCA+KNN為例，如圖2所示，模型分類的錯誤率隨著K值的增加不斷變化，在K=7之后錯誤率穩(wěn)定在0.291 7,K為1時錯誤率最低。如圖3所示，展示了提取的10個主成分在做出預測時的重要程度�？梢钥闯�，不同的變量對預測模型的貢獻率不同。因此，在計算距離時應當按重要性加權(quán)特征，以便于得到更好的預測效果。如表6所示分別對全波段、指紋區(qū)和PCA提取變量后光譜數(shù)據(jù)進行分析，獲得了相應的實驗數(shù)據(jù)。由表可知，在PCA+KNN模型中，實現(xiàn)了對PP/滑石粉的全部分類，分類率達到100%，而對PP和PP/滑石粉/Ca CO3的分類準確率較低，分別為50%和37.5%，影響了總體分類準確率（82.7%）；在指紋區(qū)結(jié)合KNN分類中，對PP/滑石粉類型的分類準確率較高，為88.9%，而PP類型的分類率為50%,PP/滑石粉/Ca CO3類型的分類率為12.5%，總體分類準確率為71.2%；在全波段結(jié)合KNN分類中，對PP/滑石粉類別的分類率為97.2%，分類效果理想，而PP和PP/滑石粉/Ca CO3類型的分類率均為50%，總體分類準確率為82.7%。分析認為，KNN模型的分類率較低的原因是受到樣本不均衡的影響，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[16]。在本實驗樣品中，PP/滑石粉類型存在36個樣本，而PP和PP/滑石粉/Ca CO3類型的樣本均僅有8個，使得在預測時樣本偏向于PP/滑石粉類型，從而導致誤判現(xiàn)象。因此，實驗認為相較于KNN分類模型，F(xiàn)DA分類模型更具有應用的普適性。在法庭科學領域，樣本的數(shù)量不可能總是保持均衡狀態(tài)，所以研究認為FDA分類模型更適合于車用保險杠的檢驗鑒定。
如表6所示分別對全波段、指紋區(qū)和PCA提取變量后光譜數(shù)據(jù)進行分析，獲得了相應的實驗數(shù)據(jù)。由表可知，在PCA+KNN模型中，實現(xiàn)了對PP/滑石粉的全部分類，分類率達到100%，而對PP和PP/滑石粉/Ca CO3的分類準確率較低，分別為50%和37.5%，影響了總體分類準確率（82.7%）；在指紋區(qū)結(jié)合KNN分類中，對PP/滑石粉類型的分類準確率較高，為88.9%，而PP類型的分類率為50%,PP/滑石粉/Ca CO3類型的分類率為12.5%，總體分類準確率為71.2%；在全波段結(jié)合KNN分類中，對PP/滑石粉類別的分類率為97.2%，分類效果理想，而PP和PP/滑石粉/Ca CO3類型的分類率均為50%，總體分類準確率為82.7%。分析認為，KNN模型的分類率較低的原因是受到樣本不均衡的影響，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[16]。在本實驗樣品中，PP/滑石粉類型存在36個樣本，而PP和PP/滑石粉/Ca CO3類型的樣本均僅有8個，使得在預測時樣本偏向于PP/滑石粉類型，從而導致誤判現(xiàn)象。因此，實驗認為相較于KNN分類模型，F(xiàn)DA分類模型更具有應用的普適性。在法庭科學領域，樣本的數(shù)量不可能總是保持均衡狀態(tài)，所以研究認為FDA分類模型更適合于車用保險杠的檢驗鑒定�；诖�，實驗對PP/滑石粉類型中的10種品牌進行區(qū)分，獲得了表7所示的實驗數(shù)據(jù)。從表中可知，在PCA+FDA的分類模型中，對東風、福特、奇瑞、雪佛蘭、別克、現(xiàn)代6種品牌均實現(xiàn)了100%的準確分類，總體分類準確率達到88.9%，實驗結(jié)果較為理想。與直接進行品牌的分類相比，分類率明顯提高，驗證了同種品牌間由于技術(shù)革新帶來的差異對分類結(jié)果的影響。在指紋區(qū)結(jié)合FDA和全波段結(jié)合FDA的分類中，總體分類準確率均為69.4%，相較于PCA+FDA分類結(jié)果較差；在KNN的分類模型中，PCA+KNN、指紋區(qū)結(jié)合KNN和全波段結(jié)合KNN的分類結(jié)果分別為47.2%、22.2%和33.3%。實驗驗證了PCA提取特征變量后的分類結(jié)果更佳和FDA模型優(yōu)于KNN模型的分析結(jié)果。
【參考文獻】：
期刊論文
[1]二階導數(shù)紅外光譜快速鑒別輪胎橡膠顆粒[J]. 何欣龍,王繼芬,王飛,蘭薪康,羅鑫. 中國測試. 2019(09)
[2]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)
[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]改性聚丙烯汽車保險杠的應用及發(fā)展前景[J]. 王怡明,朱娟,朱雪華,王濤,徐志斌. 廣東化工. 2018(22)
[5]基于K近鄰算法的塑鋼窗拉曼光譜分析[J]. 何欣龍,陳利波,王繼芬,桑國通. 激光與光電子學進展. 2018(05)
[6]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)
[7]汽車保險杠、儀表盤及門板專用料的研制[J]. 劉喜軍,賈宏革,唐萬俠,胡玉潔,李青山. 齊齊哈爾大學學報. 2001(01)
[8]汽車保險杠用剛性粒子增韌聚丙烯材料的研制[J]. 孫衛(wèi)健. 汽車技術(shù). 2000(10)
本文編號：3055357
本文鏈接：http://sikaile.net/kejilunwen/jiaotonggongchenglunwen/3055357.html
