差分拉曼光谱结合XRF对塑料药瓶的多元分类研究

目的 构建一种药瓶的分类及预测模型。方法 利用差分拉曼光谱和X射线荧光光谱对54个不同品牌和产地的塑料药瓶进行分析检验。结果 得到了54个样品的差分拉曼谱图及Cl、Ca、Ti、Fe、Zn等元素的含量。利用主成分分析对差分拉曼光谱数据进行降维,再利用系统聚类将降维后的数据分为8类,并以此为依据建立判别分析模型,最终判别模型经交叉验证可知准确率达到90.7%,多层感知器的分类准确率为100%,分类效果较好。结论 差分拉曼光谱可以根据谱图中的特征峰推断样品的分子结构,并且可以根据峰位对样品进行分类,并建立分析模型,X射线荧光光谱可以通过各元素的种类和含量的不同对样品进行区分,实现组内的细化。差分拉曼光谱和X射线荧光光谱可以分别从有机和无机的角度对药瓶进行分类,在分析上可以优势互补,可为公安机关实际办案探索出一种新的光谱联用角度和方法。     

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.     

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。     

基于多元分析的食用油油桶差分拉曼光谱的分类研究

目的对纵火类案件现场所遗留食用油油桶物证进行快速无损检验及区分,为公安机关侦查破案提供线索。方法采用最新的差分拉曼光谱技术对26个食用油油桶及桶盖,共计52个样品进行检验。首先,通过传统谱图分析对2类样品进行初步分类,同时,结合多元分析,对桶盖进行分层聚类,对桶身再利用Gap statistic算法确定k值的基础上K-means聚类分析。结果成功将桶盖分为了3类,桶身分为3类,且对桶盖和桶身所得分类结果都与已知样品所属类别一致。结论此方法可对食用油油桶进行快速无损检验及区分,为现场遗留有食用油油桶的纵火案件侦破提供一定的帮助。     

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。     

基于差分拉曼光谱的烟盒外包装薄膜检验研究

为建立一种区分检验烟盒外包装薄膜的方法,采用最新的差分拉曼光谱技术对41个不同品牌、不同系列的烟盒外包装薄膜进行检验研究,利用差分技术和BP神经网络技术、差分拉曼解调和去噪算法预处理谱图。通过结合传统解析谱图和化学计量学方法,可实现区分不同品牌、不同系列的烟用外包装薄膜样本的目的。研究表明：该方法操作简便、无损检材且科学可靠,能为公安机关实际办案提供帮助。     

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。     

基于近红外光谱的不同产地苹果货架期鉴别方法

提出了一种基于近红外漫反射光谱技术的不同产地苹果货架期鉴别方法.从市场上购买山东和陕西的富士苹果各20个,分别对购买当日和存放1周(7d)后的样品进行光谱测试,分析表明一周后不同品种样品光谱在1 420am和1 630nm处吸光度值均有不同程度的增大.通过主成分分析研究了样品产地对不同货架期样品光谱的影响,将总贡献率为...     

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。     

氧化锌薄膜的拉曼光谱研究

利用拉曼光谱结合X射线衍射分析对未掺杂和掺杂的ZnO薄膜，陶瓷薄膜进行了研究，ZnO薄膜及ZnO陶瓷薄膜均由sol-gel法制备，掺杂组份有Bi2O3,Sb2O3,MnO和Cr2O3等。结果表明，未掺杂的薄膜的ZnO主晶相均表现出显著的定向生长特征，其拉曼光谱特征谱峰为437cm^-1，谱峰强度随薄膜退火温度的提高略有增强，掺杂后ZnO的拉曼谱峰发生了红移，掺Bi2O3后ZnO的拉曼谱峰由347cm^-1移质移至434cm^-1，掺Sb2O3后ZnO的拉曼谱峰移至435cm^-1，而掺杂Bi2O3,Sb2O3,MnO和Cr2O3等组份的ZnO陶瓷薄膜的ZnO拉曼谱峰则移至434cm^-1，说明掺杂元素进入了ZnO晶格，引起了晶格的变化，ZnO薄膜性能不仅受次晶相组成的影响，而且受因掺杂元素进入而引起的ZnO晶格畸变的影响。     

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 Porta-ble-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.     

拉曼光谱的应用及进展

本文介绍了拉曼光谱与红外光谱的应用区别,重点综述了拉曼光谱在高温、高压、共振、表面增强技术上的应用,以及拉曼光谱的快速分析检测,提出了拉曼光谱技术存在的主要问题与发展前景.     

基于化学计量学对药品铝塑包装片的差分拉曼光谱分析

目的 为快速无损地检验犯罪案件现场遗留的药品铝塑包装片。方法 采用最新的差分拉曼光谱仪,并基于化学计量学对收集的51个药品铝塑片样本进行分析。结果 共对收集的药品铝塑包装片样本提取出了9个有效光谱成分因子,累积占原始光谱数据99.54%的有效信息,并将51个样本分为4大类,通过相关性比较,可知分类结果较好。结论 实验方法简便,无损检材重现性实验结果较好,为药品铝塑包装片类物证的检验提供依据,可为公安工作的开展提供有效帮助。     

样本特征对光谱图像重构影响的研究

目的以光谱图像作为检测样本讨论不同训练样本数量、分布对光谱图像重构的影响。方法选择ColorCheckerSG(140色)和ColorCheckerColorRenditionChart(24色)以及Munsell(1269色)等3种色卡作为训练样本,对其光谱反射率进行主成分分析,利用提取的主成分对光谱图像进行重构。结果采用ColorChecker Color Rendition Chart(24色)色卡的7个主成分重构光谱图像对图像的再现精度最高,其色差比其他2种色卡小,且最大色差小于3。结论在同一重构条件下,光谱图像的重构精度并不随着训练样本数量增多以及分布范围增大而提高,3种训练样本对红紫色的重构精度相对较低。     

基于塑料近红外光谱的判别分类研究

目的 为了回收可用于不同物品包装的塑料,对不同塑料种类进行识别分类。方法 首先采集PP、PET、HDPE、TPE、PLA、PBT、TPU、POM-M90、PPO-GF20NC、TPB、PPS、ABS、PPO(natural)、SAN、POM-F20、PPO(white)16种塑料的近红外光谱数据,其次针对光谱数据采集时存在的噪声问题,使用SG平滑滤波进行了光谱数据预处理,之后利用主成分分析算法进行光谱数据降维,减少待处理数据量,最后分别运用无监督聚类K-means算法和监督聚类极大似然估计、Fisher判别式以及光谱角算法建立4类分类模型。结果 K-means算法可以将PPO-GF20N、PLA和PPO(本色)与其他塑料粒子区分开,准确率分别是100%、100%以及80%;Fisher判别式和极大似然估计法对POM-M90和POM-F20的识别准确率为93%,其他塑料粒子识别准确率均为100%;光谱角算法对PET的识别准确率为80%,POM-F20的识别准确率为47%,其余粒子的识别准确率均大于90%。结论 上述机器学习算法结合近红外光谱成像技术建立分类模型可为常见塑料的鉴别研究提供参考。     

表面增强拉曼光谱技术在纳米材料研究中的新进展

表面增强拉曼光谱是一种探测界面特性和分子之间相互作用、表征分子吸附行为和分子结构非常有效的现代测试分析工具.综述了表面增强拉曼的基本原理、发展历程以及在新型活性基底、碳纳米管、表面界面、单分子体系等研究领域中的应用,并展望了表面增强拉曼未来的发展方向.     

近红外光谱数据处理的独立分量分析方法研究

从数学的角度分析比较了主成分分析(PCA)与独立分量分析(ICA)的原理和特点,给出光谱矩阵在两种不同分析方法下的不同分解;同时结合线性回归和神经网络回归,提出"两步法"来确定不同成分含量测定的最优模型.进而采用PCA与ICA对实际测得的玉米近红外光谱进行了处理,比较分析了两种不同分解所得矩阵的化学含义,以及PCA与ICA两种不同分解对玉米光谱分析结果的影响.仿真结果表明,ICA从独立性角度对光谱数据矩阵进行分解,所得结果更接近实际光谱.最后,利用"两步法"对玉米三种主要成分水、淀粉、蛋白质分别建立了各自最优含量测定模型.结果表明,所建模型符合快速测定要求,具有一定的实用价值.     

非晶金刚石薄膜的拉曼光谱研究

碳离子的能量是影响非晶金刚石薄膜结构和性质最关键的工艺参数．采用磁过滤真空溅射离子技术,研究不同衬底偏压Ｖ_ｂ（即不同碳离子能量）下制备的非晶金刚石薄膜的拉曼光谱和表面形貌．结果表明：－５０Ｖ≤Ｖ_ｂ≤－１０Ｖ时,样品表面均匀、光滑,拉曼谱是对称且很宽的散射带;Ｖ_ｂ＞－１０Ｖ或Ｖ_ｂ＜－５０Ｖ时,已有晶团出现,表面粗糙度明显增加,拉曼谱明显地分裂为１５８０ｃｍ^－１的Ｇ带和１３５０ｃｍ^－１的Ｄ带．     

基于拉曼光谱技术在石油化工领域应用研究

近年来,我国社会经济已经进入全面发展时期,各行各业对石油资源的需求量逐渐增加,给石油化工企业的发展带来了新的机遇。就目前我国石油产品质量而言,由于受到诸多因素的影响,使其存在一些问题,严重制约着石油质量的提高,进而影响着社会各方面的生产生活。为切实提高石油化工产业的核心竞争力,确保石油产品的质量,企业应引入先进的检测技术,为石油产品质量提供强有力的理论依据。拉曼光谱技术是物质一种分子光谱,能轻松的获取物质结构和官能团信息,已在石油化工行业得到了广泛的应用。     

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2 400～200 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。