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。

基于多元分析的快递塑料包装袋样本光谱鉴别

为建立一种区分现场快递塑料包装袋物证的分类模型,利用X射线荧光光谱仪对39个不同颜色、不同公司的快递塑料包装袋样本进行检验。根据外表面颜色不同将39个样本初步分为3类;根据X射线荧光光谱仪测定的样本无机元素含量利用系统聚类进行进一步分组;通过判别分析构建分类模型,模型对已知样本归类准确率达100%。通过多元线性回归分析对分类结果进行检验,分类结果与判别分析结果一致。将2个未知样本代入模型进行验证,模型实现了100%的正确归类。

基于化学计量学的快递塑料包裹袋红外光谱特征分析

为建立一种快速无损的快递塑料包裹袋检验的分析方法,利用红外光谱对57个快递塑料包裹袋样品进行检验。结合主成分分析法对数据降维;通过聚类分析法将样品分类;利用多层感知机模型进行分析和验证;构建决策树模型进行分类和预测。结果表明,57个快递塑料包裹袋在人工神经网络的训练集和测试集中正确率均达到100%,利用决策树在相同的训练集和测试集中正确率分别达到90.62%和90%。该方法方便快捷,对样品无损且用量少,可以为快递塑料包裹袋的分类提供有力的支持。

X射线荧光光谱结合聚类分析检验快递塑料包装袋

目的针对现场经常提取到的快递塑料包装袋物证,建立一种快速检验分析、样本分类的方法。方法采用X射线荧光光谱法对41个不同快递公司、不同来源地的快递塑料包装袋样品进行无机元素检验分析。根据不同样品的元素种类含量进行分类,并利用系统聚类和K-Means聚类,对样品进行聚类分析。结果根据检验得出无机元素含量及其主要元素的比值,对各样品进行有效区分。通过系统聚类的方法,将样品成功聚为4类。用K-Mean算法对聚类结果进行检验,其分组结果基本一致,说明该方法的聚类效果良好。结论利用X射线荧光光谱法结合聚类分析检验41个样品,结果表明,各类样品特征明显,具有较高的区分度,可以实现对不同公司、不同来源地的快递塑料包装袋进行区分。文中方法为公安工作中处理此类物证提供了一定的理论参考。

GB/T 38727-2020《全生物降解物流快递运输与投递用包装塑料膜、袋》标准解读

国家标准GB/T38727-2020《全生物降解物流快递运输与投递用包装塑料膜、袋》[1]于2020年3月24日正式发布。本文介绍了该国家标准的制定情况,详细解释了标准主要内容。

X射线荧光光谱法结合HCA-PCA-BPNN实现塑料快递包装袋识别分类

X射线荧光光谱法与机器学习有机结合,建立现场塑料快递包装袋物证科学精准识别分类模型。利用X射线荧光光谱法对72个塑料快递包装袋样品无损检验,并依据光谱数据,利用定性半定量分析法对塑料快递包装袋初步分类。利用z-score标准化进行光谱预处理,并结合层次聚类、主成分分析和BP神经网络(HCA-PCA-BPNN)建立识别分类模型,确定最佳聚类类别。结果显示,72个样品聚为8类时,模型检验集预测判别正确率为97.9%,预测集预测判别正确率仅为72%,模型识别分类准确度较差;72个样品聚为3类时,模型检验集和预测集预测判别正确率均为100%,识别分类准确度较高,72个样品最佳聚类为3类。研究表明,X射线荧光光谱法结合HCA-PCA-BPNN可以为现场塑料快递包装袋物证无损且准确地识别分类提供一种方便可行的模式。

红外光谱检验快递塑料包裹袋的研究

为了建立一种简便快速无损的检验快递塑料包裹袋的分析方法,利用傅里叶变换红外光谱仪,采用Smart Performer采样器,对不同快递公司的55个快递塑料包裹袋样品进行了分析检验。依据红外光谱图中特征吸收峰的不同,可以将快递塑料包裹袋样品进行区分。该检验方法操作简便快捷,重现性好,结果准确可靠且无损检材,可用于公安基层实际办案。

基于K-means和簇内误差平方和的塑料快递包装袋X射线荧光光谱检验

提出了犯罪现场常见的塑料快递包装袋物证的识别分类模型。利用X射线荧光光谱法对60个不同产地和品牌的塑料快递包装袋样品进行了元素种类及含量的检验,并依据光谱数据进行了定性半定量分析,将60个样品初步分成13类。探究了簇内误差平方和(SSE)与聚类数的关系,并确定最优聚类数为6,利用K-means算法将60个样品成功聚成了6类,最后对聚类结果进行了Fisher判别分析。经检验,60个样品的原始分类正确率和交叉验证后的分类正确率分别为98.3%和91.7%,验证了基于K-means和SSE的塑料快递包装袋样品识别分类模型的准确性与科学性。基于X射线荧光光谱法、K-means和SSE,所提模型能无损、快速且有效地检验及识别分类塑料快递包装袋物证,结果准确可靠。

气质联用法测定塑料快递袋中18种邻苯二甲酸酯含量

为测定塑料快递袋中18种邻苯二甲酸酯的含量,采用溶剂提取,经气质联用仪分析,研究提取溶剂、提取时间、提取溶剂体积对邻苯二甲酸酯含量检测的影响。结果表明:当提取溶剂为正己烷,提取时间为30 min,提取溶剂体积为20 mL,提取塑料快递袋中邻苯二甲酸酯的效果较好。18种邻苯二甲酸酯的色谱分析中,标准曲线相关系数均大于0.999,回收率为85.0%~107.2%,精密度为1.3%~4.6%。该方法前处理简单、回收率和精密度良好,适用于检测塑料快递袋中18种邻苯二甲酸酯。实际样品检测中DEHP检出率最高。