基于滤波器的动植物油光谱信号预处理方法比较及识别分类

为实现对动植物油的快速无损检验,探究滤波器在提高光谱分析模型区分能力方面的可行性,该研究借助衰减全反射-表面增强红外吸收光谱技术,采集了动物油(159份)和植物油(188份)共计347份样本的光谱信息数据,构建了Fisher判别分析、支持向量机和决策树3种分类模型。比较了希尔伯特变换、有限长单位脉冲响应滤波器、无限长冲激响应滤波器、快速傅里叶变换和小波变换5种滤波器对3种分类模型精度的影响,同时考察了滤波器窗函数(矩形窗、汉宁窗、海明窗、布莱克曼窗)、小波基函数(Morlet、Dgauss、Mexhat、Haar、Daubechies、Biorthogonal)、滤波方式(低通、高通、带通、带阻)在动植物油样本区分效果方面的差异性。结果发现,滤波器能显著提升光谱分析模型的准确性,低通和带阻滤波方式,矩形窗和布莱克曼窗函数能有效提升模型对样本的区分能力,相较于其他2种算法,支持向量机对各样本的识别区分能力最好。基于FIR低通/带阻滤波器处理后构建的SVM模型(RBF核函数)可作为动植物油样本识别的最佳模型,其对347份样本实现了100%的“类别-品牌”的两级准确区分。综上,滤波器可有效提升光谱分析模型的准确性,结合ATR-SEIRAS光谱信息数据,可准确区分不同的动植物油样本,这为包括动植物油在内的诸多样本的快速无损分析提供了一定参考,为滤波器在提升光谱分析模型方面的应用提供了一定借鉴。

基于数据融合策略植物油光谱模式的识别

为实现对不同植物油的快速无损分类识别,探究数据融合技术在提升光谱分类模型精度方面的可行性与应用价值,借助衰减全反射-傅里叶变换红外光谱技术、表面增强拉曼光谱技术结合多源数据融合技术,开展了对7种共计180份植物油样本的分类识别。基于单一光谱模型、数据层融合模型和特征层融合模型,比较了Bayes判别分析(BDA)和多层感知器神经网络(MLP)两种化学计量学方法在区分各样本时的差异,同时考察了主成分分析、广义最小平方、最大似然、主轴因式分解4种算法在特征提取方面的差异。结果表明,光谱数据融合在识别植物油方面具有显著的优势,BDA模型对各样本的区分能力强于MLP模型,相较于其他3种算法,主成分分析在油样特征提取方面展现了较为理想的结果。基于PCA特征提取的特征层融合BDA模型为最佳识别模型,以此实现了180份植物油样本100%的准确区分,同时对5种品牌花生油达到了100%的准确区分,实现了对各样本“种类-品牌”的两级识别分类工作。

基于连续分类策略的动物油红外光谱无损识别

为实现对市面上常见以及实际案件中出现的动物油样本进行快速无损识别,借助光谱分析技术和机器学习算法,基于连续分类策略,对不同动物油样本在种类及品牌/来源地方面进行区分和认定。收集了247份动物油样本(鸡油、牛油、鹅油、猪油、羊油、鸭油),对其进行红外光谱扫描,采用自动基线校正和峰面积归一化消除样本基线漂移和量纲不一致情况;再分别采用Savitzky-Golay平滑、二项式平滑、邻域平均法、FFT滤波、一阶导数和二阶导数对红外光谱进行预处理,比较了6种预处理方法在降噪方面的差异性,同时构建不同预处理方法下的随机森林、贝叶斯网络以及最小二乘支持向量机3种分类模型,开展各样本“种类—品牌/来源地”的连续分类工作。结果表明,相较于未预处理模型,经过预处理后,模型的识别能力均有提升,其中采用FFT滤波预处理结合随机森林模型可较好区分6种动物油,其对6种动物油样本品牌/来源地的识别准确率由高到低依次为鸡油、牛油、鹅油、猪油、羊油、鸭油;对实际案件中2份检材进行验证性分析,结果与实际情况相符合。红外光谱结合机器学习算法可应用于基于连续分类策略的动物油的快速无损识别。

基于PCA-LDA的车用保险杠显微激光拉曼光谱模式分类

为实现对案发现场车用保险杠物证快速、无损、准确的分类与识别,提出了一种显微激光拉曼光谱分析技术结合多元建模用于车用保险杠模式分类方法。选择自动基线校正、峰面积归一化、Savitzky-Golay平滑(3次多项式,7点平滑)作为预处理方法,借助主成分分析和线性判别分析构建分类模型。结果表明,前27个主成分下,除了奥迪品牌的2个样本被误判在了广汽品牌的样本当中,其他不同品牌的样本均实现了100.00%的准确区分,总体分类准确率为95.24%,分类效果较为理想;针对实际案件中的未知样本,借助该方法确定其属于别克品牌,这与实际案件中物证信息相吻合;利用显微激光拉曼光谱分析技术多元建模分析可实现对不同品牌保险杠样本准确的识别与分类,可为微量物证鉴定方面的相关研究提供一定的思路与参考。

轮胎橡胶颗粒红外光谱的多元分类研究

交通肇事现场轮胎橡胶颗粒的检验鉴别是一项常见的工作。为降低检验成本,提高检验效率,提出一种基于红外光谱及其化学模式研究的轮胎橡胶颗粒鉴别方法。实验采集并获取朝阳等4种品牌共计46个样本的红外光谱数据,预处理采用自动基线校正、峰面积归一化、多元散射校正、Savitzky-Golay 7点平滑,借助主成分分析和判别分析构建分类模型。结果表明,46个样本主要由丁苯橡胶、顺丁橡胶和异戊橡胶三种类型,PCA模型对46个样本的区分能力相对较弱,判别分析模型则实现了100%的准确区分和归类,分类结果理想,该方法快速、无损、准确,具有一定的普适性和借鉴意义。

浅谈高校摄影教学中学生审美素养的有效培养

在高校摄影教学中,培养学生的审美素养,提高学生的审美能力,能够使学生捕捉到更多生活中的美,拍摄出更多有质量的照片,同时提高学生的艺术素养。本文对在高校摄影教学中如何有效培养学生的审美素养这一话题进行了论述。

数码时代高校商业摄影教学的改革探索

在数码技术日益普及之下,商业活动中不可缺少的就是商业摄影,人们的生活也随之而多姿多彩。在摄影技术快速地更新下,更新换代的相关摄影产品也加快了步伐,紧跟潮流。人们有时在操作之时有些没必要的麻烦,只因其不能及时地了解与掌握新的技术。解决这一矛盾,就很有必要在高等学校设置商业摄影的教学课程。虽然有许多的高校已经开设了这类课程教学,但是因为条件比较落后,跟不上商业摄影时尚的、快速发展的步伐。至此,高校应对商业摄影教学做出相应的改革,以便于紧跟时代的潮流,适应新时代的需求。

墙面涂料的显微共聚焦喇曼光谱无损鉴别

为了实现对墙面涂料物证的无损鉴别,提出了显微共聚焦喇曼光谱技术结合多元建模分析的无损鉴别墙面涂料方法。采用不同Savitzky-Golay(SG)平滑多项式次数及平滑点数对分类模型准确率的影响进行预处理,同时比较了不同分类模型的区分能力。结果表明,相较于径向基函数神经网络模型,多层感知器神经网络模型对各样本的区分能力更强,且经过SG平滑1次多项式结合平滑点数27点预处理后,多层感知器神经网络模型能够实现对梅菲特等3种不同品牌墙面涂料样本,以及梅菲特3种不同类型墙面涂料样本100%的准确区分。该方法提高了检验鉴定效率,降低了检验鉴定成本,具有一定的普适性。

刍议高校摄影选修课美育功能的实现策略

20世纪90年代以来，我国很多高等院校陆续开设了摄影专业课程，同时，很多高校也开设了面向非摄影专业学生的公共摄影课。如此一来，高校摄影教学呈现出欣欣向荣的局面。虽然高校摄影教学在普及摄影艺术、提高学生综合技能等方面产生了积极作用，但不可否认的是，教学中也存在着一些偏差。那么，我们应该如何充分发掘摄影课的美育潜力，使之真正成为高校美育的一个重要手段呢？笔者认为，可以从以下几个方面入手。

暗环境小型物证拍摄方法研究探析

本文力争通过介绍一些简单的数码拍摄技术探求暗环境下一些小型痕迹物证的拍摄方法,帮助一线公安人员完成现场特殊位置的一些细小痕迹物证的拍摄工作,固定遗留在昏暗环境中,用正常拍摄方法难以拍摄清楚的小型痕迹物证.帮助基层公安工作人员高质量,高效率,全面的拍摄到现场各个角落的痕迹物证,使其成为还原案件真相的有力证据,提高公安工作的效率.