扫描电镜/能谱法结合多元统计学无损检验烟用接装纸的研究

为建立一种快速检验烟用接装纸的模型,利用扫描电子显微镜/能谱法(SEM/EDS)结合多元统计学原理对收集到的60个烟用接装纸样品进行检验分析。首先依据样品外观颜色和SEM下微观形貌的不同对样品进行初步分类,利用K-均值聚类法依据X射线能谱仪测定样品无机元素含量对烟用接装纸进行进一步的分组,并借助主成分分析和多元线性回归分析验证聚类结果的准确性,然后通过判别分析构建判别函数预测模型,建立了基于K-均值聚类法的分类模型并将2个未知样品代入验证。K-均值聚类结合组内平方和法将黄色粗糙性接装纸分为4组,通过多元线性回归分析对聚类结果进行了验证,结果显示线性回归模型的显著性水平为0.001,各个元素变量对组别变量具有显著影响。判别分析显示由3个判别函数组成的分类模型的准确率达到100%,代入回判的2个未知样品也被成功识别。     

基于多元统计分析的香烟烟灰XRF快速检验

香烟烟灰是案件现场中重要的物证。为了对香烟烟灰进行快速无损检测,采用多元统计分析方法,利用能量色散型X射线荧光光谱仪对收集到的83个烟灰样品进行了理论分析和实验验证,建立了基于化学计量学的香烟烟灰分类模型。借助聚类分析对样品聚类区分,聚类结果的准确性通过回归分析进行检验;而后采用物质元素作为变量,通过判别分析建立判别分类模型。结果表明,聚类结果良好,回归分析显示聚类分析的类别与各元素可建立良好拟合关系;判别分析得到的分类模型的准确率达到100%,若想对未知香烟烟灰样品进行归类,只需要输入判别模型的相关变量,在判别分布图中会显示出其位置, 就能对样品类别进行归类。此方法简单快速、结果准确可靠,为公安基层实际办案提供了参考。     

红外光谱法结合K⁃均值聚类与神经网络对饮料瓶的检验研究

利用傅里叶变换红外光谱法对41个不同品牌的塑料饮料瓶进行快速无损检测。谱图数据在经过预处理后可将样品分为聚对苯二甲酸乙二醇酯和聚乙烯两类。每一类内部的各个样品红外特征峰存在差异。对于数量最多的一类样品,通过主成分分析将样品光谱数据降维并提取主成分,然后结合K-均值聚类对样品进一步分组。最后以聚类结果作为因变量,构建神经网络算法对数据进行训练,用来预测样品分类情况。借助随机数发生器,随机选取86.5 %的样品作为训练集,13.5 %的样品作为测试集。结果表明,训练集和测试集的正确率均达到了100 %,同时也验证了K-均值聚类结果的准确性,建立了塑料饮料瓶的快速分类模型;此分类模型方法可操作性好,结果准确可靠,为公安基层实际办案提供了参考。     

扫描电镜能谱法检验皮鞋鞋底材料成分

为研究建立一种使用扫描电镜/能谱仪检验皮鞋鞋底的快速、准确、无损的方法,利用扫描电镜能谱仪对收集到的56个不同品牌的皮鞋鞋底样品进行检验,根据扫描电镜图和能谱数据对样品进行初步分类,借助化学计量学实现对样品的精确分类,建立了扫描电镜能谱法区分皮鞋鞋底的模型。结果表明,皮鞋鞋底可利用扫描电镜能谱仪进行定性检验。该方法灵敏、便捷、具有良好的重现性,可用于鉴别皮鞋鞋底材料。