共查询到17条相似文献,搜索用时 171 毫秒
1.
2.
建立了一种对未知产品信息的塑钢窗样本的快速分类方法。利用X射线荧光光谱法(XRF),采用手持式荧光光谱仪,以Ag作阳极靶、电压为50 kV、电流为200 μA、采集时间为70 s,对40个不同产地、不同品牌、不同用途的塑钢窗进行元素分析。依据实验结果筛选出具有种属差异性的指标元素Pb、Ti、Cl,同时依据“含量标准偏差和”,综合考虑“品牌、产地、用途”之间的相对显著性关系,实现对塑钢窗样本的分类。结果表明,该方法可对样本进行完全分类,为现场勘查所采集的检材分类提供了新模式,具有一定的实战意义。 相似文献
3.
建立一种快速便捷检验轿车车灯灯罩的方法。利用X射线荧光光谱仪,对30个轿车车灯灯罩样品进行检验分析,快速分析样品中所含元素的种类及含量,通过实时获得的元素信息,区分不同品牌、同一品牌不同系列的轿车车灯灯罩样品。 相似文献
4.
5.
为了建立一种快速准确且无损检材的检验一次性塑料手套的光谱分析方法,利用X-MET7000手持式X荧光光谱能量色散型分析仪,对39个不同品牌不同用途的一次性塑料手套进行检验分析,通过特征元素Cl与Cd将样品分为4组,对于同组样本还可通过Ca/Zn含量比进行进一步认定,效果较好。使用Fisher判别分析法,建立判别函数Y1、Y2与Y3,实现对新数据类别变量取值的预测,同时检验三个判别函数的判别能力。根据判别能力较强的第一和第二判别函数建立判别分布图,图中4组样本质心明显区分。为验证分类结果的准确性,对所得数据进行系统聚类和K-Means快速聚类,根据数据间的亲疏程度,进行分类,此方法为犯罪现场检验此类物证提供依据。 相似文献
6.
7.
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。 相似文献
8.
为实现对易拉罐环的鉴别分类,利用X射线荧光光谱法(XRF)对28个不同品种的易拉罐环样本成分进行检验。对样本元素的种类和含量进行初步分析后,根据样本中含量最多的5种元素进行系统聚类。经过系统聚类后样本被分为了5个类别,检验分类是否准确后将聚类分类结果作为分析依据进行判别分析,提取累积贡献率为98.2%的两个判别函数绘制判别分类图,发现样本在判别函数平面空间内类别之间明显区分开来,最终交叉验证正确率和原始分类正确率分别为82.1%和96.4%,表明该方法能对易拉罐环进行有效的分类识别。 相似文献
9.
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。 相似文献
10.
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。 相似文献
11.
12.
13.
针对法庭科学领域对物证快速、无损、准确的检验需求,采用红外光谱原始数据和导数数据相结合的光谱数据融合技术对汽车灯罩样本进行分析。对收集的44个汽车灯罩样本采集红外谱图,采用自动基线校正、峰面积归一化、Savitzky?Golay 算法平滑对谱图进行预处理,并对处理后的数据进行一阶求导,结合人工神经网络(ANN)算法构建分类模型。在径向基函数神经网络(RBF)模型中,结合主成分分析对光谱原始数据、一阶导数数据和融合的数据进行分类,分类准确率分别为81.2 %、84.1 %和90.9 %;在多层感知器神经网络(MLP)模型中,结合主成分分析对光谱原始数据、一阶导数数据和融合的数据进行分类,分类准确率分别为84.1 %、86.4 %和97.7 %,且在对44个汽车灯罩样本的12种品牌进行分类时,分类准确率也达到97.7 %,实验结果理想。结果表明,基于红外光谱原始数据和导数数据相结合的光谱数据融合技术能够实现对汽车灯罩样本的准确分析,且满足快速、无损、准确的检验要求,可以为光谱融合技术在法庭科学领域中物证的检验提供一定参考。 相似文献
14.
为研究不同热解气氛对油漆稀料与聚对苯二甲酸乙二醇酯(PET)共热解特性的变化规律,采用同步热分析仪,根据预实验结果,测定在升温速率为10 ℃/min时,不同热解气氛(空气和氮气)条件下油漆稀料和PET塑料共热解过程中失重(TG)、焓变(DSC)的变化,并采用Coats?Redfern法对样品进行热动力学分析。结果表明,样品在氮气气氛下的热解过程存在明显的滞后现象,质量损失率为82.2 %;在空气气氛中更有利于油漆稀料和PET塑料的共热解反应中间产物的检出;PET塑料及其燃烧残留物在空气中的平均活化能均小于氮气中的值,但混合物在空气中400~475 ℃温度间活化能更低;500 ℃后混合物达到二次燃烧条件。 相似文献
15.
为解决聚乳酸(PLA)韧性较差这一问题,人们提出了诸多弹性体填充方案来增韧PLA,但这些方案大多会造成PLA的强度损失,或者引入不可降解的相容剂组分,因此,开发了一种由聚己二酸/对苯二甲酸丁二酯(PBAT)填充,由三螺杆挤出机挤出结合三辊式轧机冷压的方式制备样品。通过对本工艺制备的样品进行表征,在样品的扫描电子显微镜(SEM)照片中发现三辊冷压工艺对于PBAT的拉伸作用,在拉伸作用的诱导下产生了原位成纤现象。同时在差示扫描量热仪(DSC)测试中发现拉伸作用对PLA的结晶有促进作用,在拉伸试验中,证明了原位成纤和结晶度的提高分别对PLA起到了增韧和增强的作用,最后通过热失重(TG)测试对样品的热稳定性进行表征,探究了此工艺对于热稳定性的影响。并将此工艺的增韧机理进行了归纳,为PLA的增韧提供了新的思路。 相似文献
16.
17.
The collected training data often include both normal and faulty samples for complex chemical processes. However, some monitoring methods, such as partial least squares (PLS), principal component analysis (PCA), independent component analysis (ICA) and Fisher discriminant analysis (FDA), require fault-free data to build the normal operation model. These techniques are applicable after the preliminary step of data clustering is applied. We here propose a novel hyperplane distance neighbor clustering (HDNC) based on the local discriminant analysis (LDA) for chemical process monitoring. First, faulty samples are separated from normal ones using the HDNC method. Then, the optimal subspace for fault detection and classification can be obtained using the LDA approach. The proposed method takes the multimodality within the faulty data into account, and thus improves the capability of process monitoring significantly. The HDNC-LDA monitoring approach is applied to two simulation processes and then compared with the conventional FDA based on the K-nearest neighbor (KNN-FDA) method. The results obtained in two different scenarios demonstrate the superiority of the HDNC-LDA approach in terms of fault detection and classification accuracy. 相似文献