红外光谱结合统计学方法对纸质包装盒的检验研究

目的建立一种高效准确的红外光谱检验纸质包装盒的研究方法。方法利用傅里叶变换红外光谱仪测得了56个不同类型不同来源的纸质包装盒的红外光谱数据;根据纸盒主要填料的不同,将样品初步分为三大类;利用主成分分析对初步分类后的数据降维,提取出4个主成分,再利用系统聚类将样品最终分为6组,使用K-means聚类算法结合Pearson卡方检验进行验证,与最终分类的结果基本吻合。基于该分组,训练朴素贝叶斯分类、随机森林模型、XGBoost分类3种判别模型,实现对新样品组别的分类预测。结果56个快递包装纸盒样品被分为3类,而后进一步细分为6组,3种判别预测模型均有较高的准确率,其中随机森林模型的准确率最高。结论该方法快速方便地实现了对样品的区分,并且可以实现无损检验,为犯罪现场纸质包装盒的鉴别提供依据,从而为公安侦查工作的开展提供帮助。

基于双曲面弯晶技术的X射线荧光光谱仪对塑料快递袋检验分类

目的解决部分塑料快递袋轻元素占比高、元素种类少、常规X射线荧光光谱难以有效区分的缺点。方法利用红外光谱和基于双曲面弯晶技术的X射线荧光光谱仪对7个快递公司,不同地区、不同批次共36个样品进行成分分析和元素含量分析。首先,利用红外光谱对样品基体进行区分,然后再根据元素含量进行组内细分,最后将分类结果作为定类带入梯度提升树模型中,并进行模型稳健性验证。结果样品被红外光谱分为2组,再根据钛元素与硫元素含量将2组细分为5类,梯度提升树模型经过参数优选后准确率为94.2%。结论该方法能够根据样品基体与填料的差异性快速分类并预测所属种类,填补常规X射线荧光光谱检验的空缺,为未知塑料快递袋溯源分类提供了一种新的侦查思路和技术手段。