差分拉曼光谱结合化学计量学对白色购物纸袋的检验研究

目的建立差分拉曼光谱用于无损识别白色购物纸袋的方法。方法对收集到的60种不同品牌、不同规格的白色购物纸袋进行拉曼光谱测定,对样品的拉曼光谱图进行预处理,根据光谱图对样品进行初步分类,并结合化学计量方法对样品进行分组。应用Fisher判别分析方法对分类结果进行验证。最后应用RBF模型对未知样本进行分类判别。结果结合样品中所含的碳酸钙、滑石粉、硫酸钡的不同,可初步将白色购物纸袋样品分为五大类,采用K-均值聚类方法继续细分,通过Fisher判别方法对样品分结果进行验证,判别准确率为100%。应用神经网络RBF模型对未知样本进行判别分析,准确率达到89.48%。结论该方法简便易行,为白色购物纸袋的分类提供了科学的依据,也为公安基层工作的开展提供了便捷的办法。

基于差分拉曼光谱法和化学计量学的纸质快递文件袋的分类

利用纸质快递文件袋上涂漆填料的差异,采用差分拉曼光谱法和化学计量学建立了一种快速无损的纸质快递文件袋的分类方法。将63个样品剪成0.5 cm×0.5 cm的小片,采用差分拉曼光谱仪采集其拉曼光谱图,根据不同填料的差分特征拉曼峰对样品进行初步分类。对原始光谱数据进行Z-score标准化后,采用K-means算法对初步分类结果进行细分,费歇尔判别分析法对细分结果进行验证,留一交叉验证法检验判别结果。结果显示:通过差分拉曼光谱特征峰的差异可将63个样品分为4类,其中48个样品为第I类样品(以碳酸钙为主要填料)。K-means算法可将第I类样品分为3组,费歇尔判别分析法验证其分类准确率达93.6%,留一交叉验证法所得判定结果准确率达87.2%,说明提出的方法可用于纸质快递文件袋的快速、准确鉴别。

基于随机森林利用差分拉曼光谱对塑料食品包装瓶的分类研究

目的建立一种快速无损的检验塑料食品包装瓶的分析方法,提供一种快速分类模型。方法利用差分拉曼光谱对100个塑料食品包装瓶样品进行检验,根据样品的差分拉曼特征峰可以对样品进行分类,样品可被分成聚对苯二甲酸乙二醇酯和聚丙烯两大类,对其中数目较多的第I类继续根据样品中所含填料的不同进行分类。利用贝叶斯判别、多层感知器和随机森林算法分别构建分类模型对继续分类结果进行分析验证。结果第I类样本可继续被分为4类,贝叶斯判别结合留一交叉验证法分类正确率为71.7%,多层感知器神经网络分类模型的训练集和测试集分类正确率分别为100%和86.2%,随机森林分类模型的训练集和测试集分类正确率分别为100%和96.5%。通过比较发现,差分拉曼光谱与随机森林算法相结合可以对塑料食品包装瓶实现有效的分类。结论该方法简单快速,样品用量少且无损样品,可为塑料食品包装品的物证鉴定提供科学依据。

基于差分拉曼光谱对黄芪药材的快速检验分析

为建立一种快速准确的黄芪药材的分类方法,利用差分拉曼光谱仪,在光源使用双频输出(δλ≤1nm),单频激光输出功率为250 mw,波长为785 nm,光谱范围为180~2800 cm-1,积分时间为3秒的条件下,对88批次黄芪药材进行检验。根据拉曼谱峰的不同,比较样品的差分拉曼光谱发现样品可以分为四种;通过标准差标准化方法(Z-Score)对原始光谱进行预处理;利用判别分析模型进行训练,预测集和交叉验证下的准确率分别为95.5%、81.8%;建立的卷积神经网络模型中测试集的准确率达到了100%;为了更进一步确定特征波长对预测的重要性,使用相同的训练集和测试集建立随机森林算法模型,准确率分别为90.8%、85.0%。结果显示差分拉曼光谱能够对不同种类的黄芪药材进行检测,建立的通用预测模型方便快捷,对黄芪药材的快速检验分析奠定了基础。

差分拉曼光谱对眼药水塑料瓶的分类研究

目的建立一种便捷精准无损检验眼药水塑料瓶的方法。方法使用便携式差分拉曼光谱仪检测33个塑料眼药水瓶,根据获得的各样品数据,包括差分拉曼光谱图的峰位、峰数等对样品进行成分分析,并通过统计分析软件“统计产品与服务解决方案”(SPSS 26.0)对样品进行K均值聚类,利用轮廓系数优选K值。对分类结果中样品数目较多的一类样品进行填料分析,利用皮尔逊相关系数验证分析结果的准确性。结果样品主要成分为聚乙烯和聚对苯二甲酸乙二醇酯,利用轮廓系数优选K值为2,K均值聚类算法对样品的分类结果与成分分析结果能够相互印证。以聚乙烯类样品为例,根据填料不同可将其分为7组。皮尔逊相关系数计算结果能够证明上述分类分组结果可靠。结论利用该方法能够准确无损地检测眼药水塑料瓶,并对其进行分类研究。

差分拉曼光谱检验7种芬太尼类新精神活性物质

对7种芬太尼类物质进行差分拉曼光谱分析,建立一种快速、无损、准确检验芬太尼类物质的新方法。利用差分拉曼光谱仪在激光光源785~786 nm,激光功率200 mW,积分时间1 s的实验条件下对7种芬太尼类物质进行分析并测得其差分拉曼光谱图。提取7种芬太尼类物质的特征峰,并将特征峰与7种样品的物质结构进行归属,7种样品可以根据特征峰的不同进行区分。该方法无损检材,高效便捷,可以为公安机关识别检验芬太尼类物质提供技术支持。

基于消荧光差分拉曼光谱技术预测食用油复热时长

为实现食用油复热时长的快速测量,选取4种常用的植物油(大豆油、花生油、玉米油、葵花籽油)进行不同时长的加热,基于自主研制的消荧光差分拉曼光谱仪完成样品的原始拉曼光谱及差分拉曼光谱测试。首先,分析植物油的拉曼光谱特征峰归属及复热时长对拉曼光谱的影响,并对原始拉曼光谱及差分拉曼光谱进行主成分对比分析。其次,基于差分拉曼光谱及经小波变换去除荧光干扰的原始拉曼光谱,分别建立食用油复热时长定量模型,并对比分析试验结果。结果表明,与经小波变换去除荧光干扰的原始拉曼光谱相比,基于差分拉曼光谱的食用油复热时长定量模型,玉米油、花生油、葵花籽油、大豆油的验证集R^(2)分别从0.976 9、0.973 1、0.980 9、0.984 2升至0.996 4、0.996 4、0.994 6、0.991 2;验证集均方根误差从1.248 9、1.348 0、1.134 0、1.031 1降至0.494 6、0.491 0、0.606 1、0.768 5。由此表明,利用差分拉曼光谱技术提高了食用油复热时长定量模型的稳定性和精确度。本研究结果为植物油复热时长定量快速检测提供了一种可行的方法。

差分拉曼光谱对香水样品的分类研究

为建立一种快速检验香水样品的方法,利用SERDS Portable Base型差分拉曼光谱仪对26个香水样品进行无损检测分析。首先,根据1044 cm^(-1),1274 cm^(-1),1454 cm^(-1)三处差分拉曼光谱特征峰差异可将样品归为4个类别,利用Pearson系数进行相关性分析验证分类的准确性。最后,通过主成分分析(PCA)对差分拉曼光谱数据进行降维,并根据提取出的前三个主成分构建径向基函数(RBF)神经网络,选取80.8%的样本用于训练,19.2%的样本用于测试集,分类准确率达100%。结果表明,PCA-RBF模型结合可以为香水物证鉴别研究提供依据,该方法无损检材且准确度高。

吲哚类合成大麻素的差分拉曼光谱分析

建立一种简便快速、准确可靠、无损检材的检验合成大麻素类新精神活性物质的方法-差分拉曼光谱法。利用手持式差分拉曼光谱仪,在激光光源785 nm,激光功率200 mW,积分时间1 s,扫描范围为2400~200 cm^(–1)的条件下,对17种吲哚类合成大麻素标准品进行检验。首先对样本进行人工分类,利用系统聚类法将17个样本分为4组,与人工分类结果较为一致。再运用Fisher判别分析构建4个判别函数对样本分类结果进行验证,准确率为94.1%。可以根据差分拉曼光谱的数据对17种合成大麻素类物质进行区分。利用该方法可以对吲哚类合成大麻素进行快速无损的检验,并可用于公安机关实际办案。

基于系统聚类-神经网络的塑料饮料瓶差分拉曼光谱检验

建立塑料饮料瓶物证快速准确检验鉴别方法。利用差分拉曼光谱法检验42个塑料饮料瓶样品,优化积分时间并进行重现性检验。在40 s最优积分时间条件下采集光谱,任选41个样品作为建立模型的数据集,剩余样品作为盲样,对41个样品材质初步定性分为聚对苯二甲酸乙二醇酯(PET)和聚乙烯(PE)两类。建立基于系统聚类(HCA)、多层感知器神经网络和径向基神经网络的PET样品鉴别模型,确定最优鉴别模型及样品最佳分类。结果表明,系统聚类-多层感知器神经网络为最优鉴别模型,PET样品最佳分类为2类。差分拉曼光谱法结合系统聚类和神经网络可实现塑料饮料瓶有效鉴别。

差分拉曼光谱法对复印纸的检验研究

为建立一种简单、快速、高效、无损的检验不同种类复印纸的方法。采用便携式差分拉曼光谱对收集到的70张不同种类、不同品牌的市面上常见的复印纸样品进行检验研究。首先根据纸张样品的拉曼特征峰数对样品进行分类,其次再根据峰位的不同对同一类样品进行分组,最后可以根据相对峰高比的不同对同一组的样品进行区分。根据复印纸样品的峰数、峰位和相对峰高比的不同,可以将不同种类的复印纸样品进行区分,效果较好。利用差分拉曼光谱法检验复印纸样本简便快速,结果准确可靠,可为司法鉴定实践提供重要的科学支撑。

差分拉曼光谱结合化学计量学检验一次性口罩

为探索一种新的一次性口罩检验分类方法,收集了31个不同厂家生产的一次性口罩,并用差分拉曼光谱仪进行检验,得到差分拉曼光谱图。对差分拉曼光谱图进行对比,人工分成4类。利用IBM SPSS Statistics 25.0软件对数据进行标准化处理,再分别用系统聚类分析和K均值聚类分析进行分类,最后用Fisher判别分析验证以上分类方法和分类结果的科学性。结果显示,当并类距离最小时,一次性口罩样品可以分为6类,基本是在人工分类的基础上对样品进行进一步的细分。这种利用差分拉曼光谱法结合化学计量学的检验方法,具有无损、高效的优点,能够为法庭科学技术的物证检验鉴定提供帮助。

差分拉曼光谱分析血指纹遗留时间的研究

本实验是以血指纹为样本,测定不同遗留时间的血指纹的差分拉曼图谱,实验结果表明血指纹在1164~1167cm^(-1)处的峰位置所对应的峰强度随血指纹遗留时间的增长呈现不断降低的趋势。本实验旨在制作在不同遗留时间的血指纹对应的标准差分拉曼图谱,便于基层技术人员根据差分拉曼图谱准确的推断死者的死亡时间。

基于判别分析的食品塑料包装差分拉曼光谱鉴别研究

采用差分拉曼光谱技术和判别分析模型,建立了对来源不同的多个食品塑料包装袋种类鉴别的分类模型。实验搜集了46种不同厂家的食品塑料包装袋样品的差分拉曼光谱图,前期已通过系统聚类分为17类。选择各类别先验概率按照和各类样品量呈正比进行计算,借助因子分析提取特征变量,采用判别分析实现分析鉴别。结果表明,判别准确率达100%,实验结果理想。该方法结果准确,操作简单,为基层办案提供一种实用的分析模型。

差分拉曼光谱法对塑料瓶的鉴别分析

利用差分拉曼光谱对收集的42个不同品牌不同厂家不同容量的塑料瓶进行检验,根据差分拉曼光谱图可将样品分为聚乙烯与聚对苯二甲酸乙二醇酯两大类,每类样品的拉曼特征峰存在一定差异。使用判别分析法对处理后的光谱数据进行分析,建立8个判别函数,实现对数据变量取值的预测,同时检验上述判别函数的判别能力,并建立判别分布图,判别图中9组样品质心明显区分,效果较好。对拉曼光谱数据进行系统聚类、K-Means快速聚类和皮尔逊相关系数分析,验证判别结果的准确性,为塑料瓶类物证的检验提供依据,可用于公安实际办案。

差分拉曼光谱法结合聚类分析检验食品塑料包装盒

目的建立一种高效、无损、准确的区分检验食品塑料包装盒的方法。方法采用SERDS Portable-Standard便携式差分拉曼光谱仪,在激发光源为785 nm,激光功率为380 mW,扫描时间为10 s,扫描范围为250~2800 cm^(−1)的实验条件下,对53个不同来源、不同品牌的食品塑料包装盒样品进行测量,对得到的差分拉曼光谱数据进行凝聚性系统聚类分析,并结合皮尔逊相关性系数对其进行检验,对食品塑料包装样品进行区分。结果53个样品根据差分拉曼谱图被分为7类,根据不同样品的差分拉曼特征峰聚类结果将32个PP类样品分为4类。结论该方法无损检测、操作便捷、实验结果稳定,可以为微量物证检验和侦查破案提供一定帮助。

基于差分拉曼光谱对烟盒物证检验

目的为了探究一种基于光谱分析的检验方法,以达到快速准确地区分检验烟盒物证的目的。方法采用便携式差分拉曼光谱仪,对39个不同的黄色烟盒样本进行测试,取得各样本的差分拉曼光谱数据。根据烟盒填料种类对样本进行初步分类,再结合化学计量学,通过IBM SPSS Statistics 26.0软件,在主成分分析法对数据进行降维的基础上,对测量结果进行系统聚类和K-Means聚类。结果39种样本依据填料种类可以区分为3类,结合化学计量学可以更准确地区分为6类。结论该方法无损检材、快捷准确,且图谱不受荧光干扰,结合化学计量学方法可以对烟盒样本进行分类检验,此方法为公安机关在犯罪现场检验此类物证提供了依据。

移频激发差分拉曼光谱仪的多波长光源设计

拉曼光谱检测常常受到荧光的干扰,影响了该技术的推广应用。移频激发差分拉曼光谱方法(SERDS方法)已被证明是一种有效的荧光抑制方法。SERDS实现荧光抑制的关键在于其特殊的激光光源,不仅要求其输出多个相近的波长,而且要求输出的激光功率较高、光谱线宽窄。采用Littrow光栅外腔半导体激光器原理设计实现了一种低成本、便携式的激光光源,可以在15nm的调谐范围内输出多个波长,光谱线宽小于0.2nm,输出功率可达80mW,适合用作移频激发差分拉曼光谱方法的多波长光源,实现拉曼光谱检测中对荧光干扰的抑制。

差分拉曼光谱结合聚类分析检验运动鞋鞋底

为建立一种快速、准确、无损的区分检验运动鞋鞋底的方法,采用差分拉曼光谱仪结合聚类分析方法对40个不同品牌,不同系列的白色运动鞋鞋底样品进行了检验研究。结果表明,根据鞋底样品的主要成分不同可将样品分为5类;同一类样品可依据添加的主要填料成分不同进行分组;同一组样品可依据特征峰的相对峰高比不同进行区分;利用聚类分析方法处理样品数据,当并类距离为2时,样品被分为5类,分类结果较为理想。该方法操作简便快速、结果准确可靠且无损检材,可为公安机关实际办案提供帮助。

差分拉曼光谱结合聚类分析检验电线塑料外皮研究

为建立一种高效准确的差分拉曼光谱检验电线塑料外皮的方法,利用便携式差分拉曼光谱仪测得了35个不同品牌不同类型的电线塑料外皮的差分拉曼光谱数据;再根据样品的主要成分和所含填料的不同,对样品进行初步分类;利用主成分分析对初步分类后的拉曼数据进行降维,再利用系统聚类将样品分组,最后应用K-均值聚类分析对分组结果准确性进行检验。其中,对于同组样品,可以用拉曼特征峰的相对峰高比进行区分。结果表明,当并类距离为1时,I-1组样品(只含滑石粉的白色样品)可分为7个小组,实现了对样品的区分;该方法不破坏检材,操作简单,可为微量物证检验和公安机关办案提供帮助。