基于特征波段-Fisher-K近邻的木器漆拉曼光谱的快速无损鉴别

为了实现木器漆的快速无损检测以及精确识别与分类,采集并获取了晨阳等3种品牌木器漆样本的拉曼光谱,并考察了基线校正、Savitzky-Golay九点平滑法、一阶导数和二阶导数等不同预处理方法的处理效果,建立了特征波段比值、Fisher判别、K近邻(KNN)模型。结果表明:特征波段比值法能以1358cm-1/1239cm-1表征3种木器漆的特征;基于Fisher判别的基线校正、平滑和二阶导数处理的拉曼光谱模型的分类准确率最高,能实现100%区分;在相同的预处理下,KNN判别模型的准确率仅为88.5%。基于二阶导数的拉曼光谱结合特征波段-FisherKNN法能为不同品牌木器漆的准确检测提供一种新的快速无损分析手段,具有普适性和一定的借鉴意义。     

衰减全反射傅里叶变换红外光谱法结合模式识别分析橄榄油中掺杂大豆油的研究

采用衰减全反射傅里叶变换红外光谱(FTIR-ATR)结合模式识别的方法建立橄榄油的快速鉴别模型。实验中测定不同品牌的纯橄榄油样本与纯大豆油样本以及橄榄油中掺入大豆油的混合油样本的FTIR-ATR光谱。将625~4000 cm-1波段的光谱数据作为鉴别研究对象,应用主成分分析法(PCA)对光谱数据进行降维处理,再结合Fisher判别分析和多层感知器神经网络两种模式识别的方法对纯橄榄油、纯大豆油以及三种掺杂有大豆油的橄榄油样本进行鉴别。结果表明:对原始数据所采用的预处理方法中,经小波去噪后的数据的鉴别效果最佳。PCA结合Fisher判别分析建立的判别模型,原始判别的准确率达到100%,交叉验证的准确率达到97.1%;多层感知器神经网络鉴别模型训练集分类准确率为100%,测试集分类准确率为100%。因此,FTIR-ATR光谱技术结合模式识别方法可以实现对纯橄榄油、纯大豆油以及三种掺杂有大豆油的橄榄油样本的鉴别,而且具有操作简便、快速、可靠等优点。     

激光打印墨粉红外光谱的小样本种类判别

激光打印墨粉的品牌型号判别是法庭科学专家认定涉案打印机具和鉴别添加打印文件的关键步骤,已有方法通常需要大量训练样本才能获得可靠的分类模型,但实际案例中往往无法获取足够的样本。针对这一问题提出了基于红外光谱和化学计量法的小样本墨粉种类判别方法。实验采集了8种不同品牌型号的激光打印墨粉红外光谱数据,根据光谱信号的特点以及遍历法选出效果最佳的光谱数据预处理方法,并对处理后的数据建立偏最小二乘判别分析（PLS-DA）模型,以随机森林（RF）和支持向量机（SVM）作为对比算法。实验结果表明：二阶导数与Savitzky-Golay平滑组合使用可以获得实验数据的最佳预处理效果;PLS-DA模型的准确率始终高于RF和SVM,训练集样本数大于90时PLS-DA模型准确率为100%,训练集样本数为60时该模型准确率为95%。提出的基于红外光谱和PLS-DA的激光打印墨粉种类判别模型准确率高、可解释性强且所需训练样本数较少,在物证检验领域具备较强的实用性。     

基于ATR-SEIRAS分析技术的苯二氮卓类镇静药物无损分类与识别

镇静类药物的无损快速检验分析在法庭科学理化检验中具有重要意义。为了实现对苯二氮卓类镇静药物种类的准确区分,本实验室对8类共计81份样本进行了检验;借助衰减全反射-表面增强红外光谱（ATR-SEIRAS）分析技术获取各样本的光谱数据,基于原始光谱数据集、一阶导数光谱数据集、光谱融合数据集分别构建Fisher判别分析（FDA）和多层感知器神经网络（MLPNN）分类模型。结果表明：不同样本的理化信息存在一定差异,ATRSEIRAS谱图可以将这些差异反映出来,从而为实现不同苯二氮卓类镇静药物的有效分类奠定基础;基于光谱融合数据集构建的FDA模型的识别准确率最高,为100%,基于一阶导数光谱数据集和原始光谱数据集构建的FDA模型的识别准确率分别为96.3%和92.6%;基于上述三种数据集构建的MLPNN模型的识别准确率分别为97.5%、96.3%和88.9%。ATR-SEIRAS分析技术结合Fisher判别分析和多层感知器神经网络可以实现8类苯二氮卓类镇静药物的无损准确识别。     

基于光谱融合的油漆分类方法比较

为了实现对油漆物证的快速、无损以及准确分类,实验收集了犯罪现场常见的5个油漆品牌共计50个油漆样本的红外原始光谱数据和导数光谱数据,结合光谱融合技术,建立了基于KNN、SVM以及逐步判别分析的油漆分类模型.实验结果表明:3种分类模型对于融合光谱的识别率要高于单一光谱;KNN以及SVM分类模型对于其中的3种油漆样本识别率高,但对其余2种样本的分类效果并不好,而逐步判别分析模型对5种油漆样本的各种光谱数据识别率均高于KNN和SVM模型,其中采用逐步判别分析中的Smallest F ratio判别模型对一阶导数光谱和三阶导数光谱融合数据的训练集和测试集实现了完全识别.本文方法的检验效率高,定性能力强,满足公安机关对于相关物证的快速检验要求,为刑事技术人员快速识别油漆物证提供了一种有效的手段.     

光纤光谱结合模式识别无损检测苹果表面疤痕

为了实现基于光纤光谱技术结合模式识别无损检测苹果表面疤痕, 利用光纤光谱采集系统采集了完好无损和表面有疤痕苹果的光谱数据, 采用标准正态变换(SNV)和1阶导数对原始光谱数据进行预处理; 利用主成分分析方法对预处理后的光谱数据进行降维, 以提取能反映苹果表面疤痕的特征光谱; 利用k最近邻(KNN)模式识别方法和偏最小二乘判别分析方法, 建立了苹果表面疤痕的识别模型。结果表明, 采用主成分分析法选择了累计贡献率超过99%的前8个主成分作为样本集特征光谱数据, 很好地实现了光谱数据的降维; 利用1阶导数+KNN识别模型对校正集以及SNV+KNN识别模型对预测集中正常果和疤痕果的正确率识别均高达96.0%。验证了基于光纤光谱技术结合模式识别方法无损检测苹果表面疤痕的可行性。     

基于红外指纹光谱的快速鉴别黑色记号笔墨水

为了实现对记号笔墨水的检验与认定，采集了广博等5种品牌共计40支黑色记号笔红外指纹图谱数据。采用了多元散射校正、峰面积归一化、自动基线校正和Savitzky-Golay平滑等技术，建立了基于多层感知器的黑色记号笔墨水分类模型，进行了理论分析和实验验证。结果表明，红外指纹图谱能反映分子结构的细微变化，可将水性与油性记号笔区分; 针对4种油性记号笔样本，发现模型在30维矩阵上特征提取最好，准确率为100%, 其中特征12、特征26和特征17对模型区分效果的贡献程度最高，分别为0.0355, 0.0347和0.0346;4种油性品牌记号笔样本均实现了100%的准确区分, 其中乐途品牌样本聚敛程度较高，分布集中，其墨水组分和含量差异较小，宝克品牌样本分布较为分散，其墨水组分和含量相对差异较大; 在验证性分析中，8个待判定样本均实现了100%的准确区分和归类，实验结果理想，利用红外指纹图谱结合多层感知器可实现黑色记号笔墨水品牌间的准确识别与分类。该方法提高了检验鉴定效率、降低了检验鉴定成本、可满足一线执法人员快速、准确的检验需求。研究结果具有一定的普适性和借鉴意义。     

不同产地小美牛肝菌的红外光谱聚类分析研究

同一种蕈菌子实体,由于外观形貌相似,凭传统外观形貌特征难以鉴别产地来源.用傅里叶变换红外光谱技术结合系统聚类分析了5个不同产地的63个野生小美牛肝菌子实体样本.结果表明,原始红外光谱在4000～400 cm-1总体特征相似,主要是由蛋白质、多糖等吸收谱峰组成,在1800～1000 cm-1范围不同产地样本的原始光谱存在微小的差异.对光谱进行一阶导数和二阶导数处理,用导数光谱进行系统聚类分析(HCA),结果显示,一阶导数光谱在1800～1000 cm-1范围按不同产地样本聚类效果较好,63个样本按5个不同产地很好地聚类,分类正确率达到了90.5%.结果提示傅里叶变换红外光谱结合系统聚类分析可以快速、方便地对不同产地野生蕈菌进行鉴别分类.     

基于DT-KNN-FDA建模的车漆光谱无损鉴别

为了对车漆进行快速、高效、低成本的无损鉴别,采用一种基于指纹区红外吸收光谱结合决策树、k近邻和Fisher判别分析(DT-KNN-FDA)建模的鉴别方法,进行了理论分析和实验验证.收集并取得了车漆共计60个样本的红外吸收光谱实验数据,通过对特征波数的选择,建立并比较了基于决策树、k近邻分析和Fisher判别分析的多分类...     

应用太赫兹光谱技术快速无损鉴别中草药品种

确定中药品种是确保中药材质量的第一关。为探索中草药品种的快速鉴别方法,本文应用太赫兹光谱技术结合模式识别方法对6种中草药进行分类鉴别。采集了白附片、大黄、党参、陈皮、麦冬、天麻等6种常用中草药,共得到420组太赫兹光谱数据,在0.2~1.5 THz波段分别采用支持向量机(SVM)、主成分分析(PCA)和支持向量机相结合、线性判别分析(LDA)结合支持向量机等方法对6种中药材进行了定性鉴别分析。结果表明,太赫兹光谱数据结合线性判别分析和支持向量机建立的LDA-SVM中草药品种识别模型最优,模型准确率达100%,对未知样本的鉴别准确率达98.41%。本文的LDA-SVM模型具有较好的鉴别能力,能快速准确地鉴别出中药材的品种,为中草药的质量控制提供了又一鉴别手段。     

红外光谱结合化学计量学检验直液式走珠笔墨水

检验鉴定书写墨水是法庭科学领域中一项重要的工作。利用傅里叶变换红外光谱仪对市面上常见的20种直液式走珠笔墨水样品进行检验,采取化学计量学实现了对直液式走珠笔墨水的快速检验。对傅里叶变换红外光谱数据做标准化处理,采取自动基线矫正、峰面积归一化、Savitzky-Golay 5点平滑3种方法对谱图做预处理,通过误差平方和指标（sum of the squares errors, SSE）确定分类K的最优取值,对样品进行K-均值聚类分析并解释聚类结果。采取主成分分析方法验证K-均值聚类的结果,利用组均值均等检验考察主成分变量对Fisher判别分析（Fisher discriminant analysis, FDA）模型的贡献程度,构建直液式走珠笔墨水的FDA判别模型。结果表明,K-均值聚类将全部墨水样本聚类为3类,PCA-FDA（principal components analysis-fisher discriminant analysis）模型能够对不同类别直液式走珠笔墨水达到100%的预测分类,经交叉验证后正确率达到100%。红外光谱与PCA-FDA模型结合可用于直液式走珠笔墨水的快速、准确检验鉴定。     

机载热红外高光谱成像仪的光谱性能测试与初步应用

介绍了机载热红外高光谱成像仪样机的低温光谱仪设计特点,为了检测系统的光谱识别能力,在实验室开展了详细的光谱性能测试。为满足气体探测对超高光谱精度的需求,提出了采用CO₂激光器结合高精度单色仪的方法应用于色散型高光谱成像系统。在实验室对氨气气体进行了准确的红外吸收光谱测试,表明系统可用于气体探测及识别。在此基础上,开展了飞行试验,应用结果表明热红外高光谱可以有效开展城市典型建筑物分类、工业化学气体排放种类和形态监测等应用,特别是后者是目前其它光学遥感手段尚不具备的。以上研究和试验结果表明机载热红外高光谱成像仪已经具备了业务应用能力,后续将在仪器辐射定量化精度的提升方面进一步开展研究工作。     

基于深度信念网络的烟叶部位近红外光谱分类方法研究

近红外检测作为一种快速无损的检测方法得到广泛关注。但光谱中存在大量噪声以及光谱数据的高维度和非线性等特点影响了分类模型的准确率。将深信网络（DBN）的理论改进并引入光谱特征学习中,解决高维特征间非线性关系的学习问题,采用逐层训练策略和随机梯度上升法分别进行网络预训练和微调获得网络权值;并结合支持向量机（SVM）建立近红外光谱多分类模型DBN-SVM。与基于主成分分析的分类模型PCA-SVM和基于线性判别分析的LDA-SVM分类模型进行应用比较。结果表明:DBN-SVM算法能有效地学习高维数据中的内在结构和非线性关系,由该算法构建的模型具有良好的特征学习能力和分类识别能力,而且在稳健性、各类别的灵敏度和特效度也更优。     

基于近红外光谱的西湖龙井茶产地的精细判别

不同产区的西湖龙井茶的品质具有差异。采用近红外光谱技术和光谱预处理、主成分分析和判别模型等数学方法鉴别了分别产自龙井村、梅家坞村和葛衙庄三个地区的西湖龙井茶。结果表明,二阶导数光谱预处理方法对去除近红外光谱中的噪音最有效,贝叶斯判别分析是这三个地区产的西湖龙井茶的最佳判别模型。在模型中输入5个主成分数后,最佳的原始判别率和交叉验证判别率分别为100%和82.35%。在交叉验证判别中,产自葛衙庄、龙井村和梅家坞的茶叶的判别正确率分别为80%、83.33%和83.33%。因此,该模型可以用于龙井村、梅家坞村和葛衙庄三个地区产的西湖龙井茶的鉴别,为西湖龙井茶产区的判别提供理论依据。     

Block 2-D interpolation, efficient matrix factorization andapplication to signal processing

A block 2-D decomposition and a new block LU matrix factorization based on a Newton approach are presented for solving quickly and efficiently polynomial or exponential 2-D interpolation problems. The sample grids under consideration are described by the product representation {x₀, x₁, . . ., x_n} x{y₀, y ₁, . . ., y_m}, where the x grid and the y-grid are not necessarily uniformly spaced. The attractive features of the method are the inherent efficient parallelism, the reduced computational requirements needed for the LU decomposition, and the capability of implementation of 1-D fast and accurate algorithms. The proposed method can be used for modeling 2-D discrete signals, designing 2-D FIR filters, 2-D Fourier matrix factorization, 2-D DFT, etc     

Remote identification of in situ atmospheric silicate and carbonatedust by passive infrared spectroscopy

The authors report the remote identification of in situ airborne silicate (Si_XO_Y) and carbonate (CO₃) dust using passive infrared spectroscopy. The silicates are identified based on the 9.7 μm emission feature, a resonance due to the fundamental asymmetric vibrational mode of the O-Si-O structure. The carbonate structure from calcite (CaCO₃) was identified based on the CO bending mode resonance at 11.4 μm. Laboratory spectra of dust collected after the event confirm the high silica and carbonate content. Minimum detectable column densities are about 10^-6 to 10^-7 g/cm^-2. These will be limited by the signal-to-noise ratio (SNR) of the detection system and the change in the refractive index across the spectral feature. The technique is useful for quick, first-order identifications of aerosol clouds when in-situ probes are unavailable or when the origin (hence probable composition) of the cloud is not known     

（英）基于近红外的移动窗口BP神经网络实现山东绿茶产地溯源

将近红外光谱分析技术用于对山东省代表性绿茶(崂山绿茶和日照绿茶)进行快速、无损伤产地溯源.对平滑处理、一阶微分和二阶微分等几种不同的光谱预处理方法进行了系统性对比和研究创新.提出移动窗口BP神经网络(MW-BP-ANN)算法用于选择特征光谱变量.实验发现,一阶微分和移动窗口-BP神经网络可以大幅提高支持向量机(SVM)分类模型的预测能力.经预处理后,分类模型的最优鉴别准确率可达98.33%.研究结果表明,该光谱变量选择方法对提高产地溯源模型的预测能力起到至关重要作用.