基于BP神经网络识别汽车前保险杠方法

交通事故现场中经常发现破碎的汽车前保险杠塑料,如何快速准确地识别保险杠型号,是确定肇事车辆、分析案情发展的重要保障。提出了一种基于BP神经网络的汽车前保险杠塑料识别方法。该方法以汽车前保险杠塑料的近红外光谱数据为基础,通过标准差来分析数据在不同波段的差异程度,据此分为高、中、低差异度3类,使用主成分分析法对3类波段中的数据分别进行降维处理并构成三维数据,使其能够在三维空间内进行区分,提高鲁棒性,并利用该三维数据训练BP神经网络,实现了汽车前保险杠塑料的快速识别,其正确率达到了93.75%,为现场物证的检验提供一种全新、快速的方法。

超高效液相色谱-串联质谱法同时测定指纹中的4种磺酰脲类降糖药

分别使用棉签、滤纸采取指纹后,将棉签头剪下、滤纸剪碎,分别置于1.5mL塑料离心管,分别加入0.25,0.50mL甲醇,超声振荡3min,离心3min,上清液经0.22μm滤膜过滤后,采用ACQUITY UPLC HSS C18色谱柱(2.1mm×50mm,1.8μm)分离指纹中的格列本脲、格列美脲、格列吡嗪和格列齐,以乙腈-0.1%(φ)甲酸溶液为流动相进行梯度洗脱,质谱分析中采用电喷雾正离子源和多反应监测模式。4种磺酰脲类降糖药线性范围为0.25~250ng/swab(patch),检出限(3S/N)为0.125ng/swab(patch)。加标回收率在68.0%~123%之间,测定值的相对标准偏差(n=5)在1.2%~9.5%之间。

校园贷款的“冷思考”

校园网络贷款凭借其低门槛、手续简单、到账速度快等优势受到大学生的青睐。但还款时却常有纠纷,甚至引发不少极端案例,引起学校、社会的高度关注。课题组就此展开调查,在掌握资料的基础上,分析校园贷款的特征、不良贷款的危害,并对大学生、政府、学校、家庭提出一些对策与建议。

超高效液相色谱-三重四级杆串联质谱法同时测定血样中7种常见毒品

建立超高效液相色谱-三重四级杆串联质谱(UPLC-MS/MS)同时检测血样中甲卡西酮、右美托咪啶、甲苯噻嗪、氯胺酮、哌替啶、氟哌啶醇和丁丙诺啡7种常见毒品的方法。血样经Waters Oasis MCX固相萃取柱净化后,采用ACQUITY UPLCHSS C18色谱柱(150 mm×2. 1 mm,1. 8μm)分离,流动相为乙腈-水/甲酸/甲酸铵,梯度洗脱,电喷雾电离正离子模式(ESI+),多反应监测方式(MRM)检测。7种目标物在1~200ng·mL^(-1)范围内的线性关系良好,检出限和定量限分别为0. 05~0. 1 ng·mL^(-1)和0. 2~0. 5 ng·mL^(-1),回收率在83. 2%~115. 4%之间,相对标准偏差小于7. 9%。本文方法可以同时对血样中7种常见毒品进行检测,能够满足实际检案的要求。

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。