基于PCA的近红外光谱胶带鉴别方法

胶带作为犯罪活动中经常出现的物品,其鉴别结果的准确性极大地影响着办案效率。但由于近红外光谱对噪声较为敏感,常规方法对胶带的鉴定往往具有一定的局限性。对此,提出了一种基于PCA数据分析的近红外光谱胶带鉴别方法,该方法利用PCA提取光谱数据中的主要成分,且结合城区距离算法进行辅助分类,降低了噪声影响,解决了常规鉴别方法鲁棒性不足的问题。实验结果证明,该方法速度更快,准确率更高,具有更高的鲁棒性,在鉴别应用中可达到理想的效果。     

基于卷积神经网络的食品塑料包装袋光谱识别

目的实现食品塑料包装袋的快速检测和材质区分。方法研究使用高光谱成像技术在450～950nm波长范围下采集了49组不同食品包装袋样本的光谱数据,利用Savitzky-Golay平滑滤波、数据归一化和主成分分析进行预处理,建立决策树、支持向量机2种传统机器学习模型和卷积神经网络模型,并比较了它们对包装袋材质的识别性能。结果决策树模型与支持向量机模型的验证识别率分别为87.8%和88.9%,卷积神经网络模型的验证识别率高达100%,损失函数值最终下降到0.0171且达到收敛,在分类效果和精度上具有明显的优势。结论高光谱检测方法不破坏检材,重现性好,稳定性强,实现了对食品塑料包装袋的精准识别。卷积神经网络模型对食品包装袋高光谱数据的识别效果最好,为食品包装袋质量检测领域中塑料包装袋的识别鉴定提供依据。     

基于迁移学习的新精神活性物质拉曼光谱识别研究

随着精神活性物质(NPS)对社会的潜在危害越来越严重,提高新型毒品的快速检测、识别能力是当前打击毒品犯罪的重中之重。本研究采集了196份新精神活性物质缴获样本拉曼光谱,结合连续小波变换和卷积神经网络迁移学习模型,对五种检测仪器获得的拉曼光谱数据进行分析和识别。对VGG16、InceptionV3和ResNet50三种深度学习模型分类效能的比较结果显示,单仪器新精神活性物质识别能力为80.2%～100%不等,多仪器综合识别能力为88.6%。通过合理的光谱预处理方法,能够将不同仪器的NPS光谱检测数据,统一格式并进行批量的分析和识别,精准提高了拉曼光谱的数据提取和利用效率。     

动力总成动力吸振器特性研究

采用合适的动力吸振器对汽车动力总成的弯曲共振有较好的抑制作用,动力总成工况复杂,吸振器选择不合理反而可能适得其反。通过对动力总成吸振器进行试验研究,分析了动力总成吸振器的温度特性和激励特性,并应用于动力吸振器设计,成功解决了某车型由于动力总成弯曲共振导致的车内振动噪声大的问题。     

流动注射光度法测铁的研究：Fe（Ⅲ）—5—Br—PADAP—EtoH显色体系

用自行组装的ＦＩＡ装置，对Ｆｅ（Ⅲ）－５－Ｂｒ－ＰＡＤＡＰ－ＥｔＯＨ显色体的三种流路进行了系统的研究，选择了最佳的ＦＩＡ流路方式及其工作条件，拟订了Ｆｅ（Ⅲ）的ＦＩＡ光度法，测定前需用Ｈ２Ｏ２将Ｆｅ（Ⅱ）氧化成Ｆｅ（Ⅲ）用于总铁量的测定。方法的线性范围，检测限及采样速度分别为０－１．４ｍｇ．ｌ＾－１，０．００４ｍｇ．ｌ＾－１和９０样次．ｈ＾－１。该方法用于天然水或某些工业用水中总铁量的测定，结果满     

基于ICP-MS和机器学习的速食面识别研究

采用电感耦合等离子体质谱测定了市面上16种速食面中的铬、锰、砷、镉、铅5种元素,分别使用主成分分析、t分布随机近邻嵌入和非负矩阵分解进行数据降维和可视化分析.建立并比较了决策树模型、朴素贝叶斯判别模型、支持向量机模型、K-最近邻模型和集成学习模型等5种分类模型.结果 表明,5种分类模型均能达到较好的分类识别效果,其中朴...     

可燃液体的SPME溶剂脱附法

应用固相微萃取技术提取可燃液体，将萃取纤维在30 μL的非水性溶剂中脱附为适合气质联用自动分析的溶液，由此提供从传统在线进样的热脱附模式扩展到非在线进样的溶剂洗脱模式。这种方法既保留了SPME原有的简便性及热解吸的高效性，同时也增进了它的适应性。通过该模式提取3种可燃液体（汽油、煤油和柴油）检材的效能分析，确定了SPME-GC/MS分析可燃液体的最优化实验条件。     

拓扑优化技术在提高动力总成一阶弯曲模态频率中的应用

某混合动力客车动力总成一阶弯曲模态频率较低,致使车辆在正常运行过程中发动机二阶激励和电机激励均能激起动力总成弯曲共振的发生.对该动力总成进行了模态测试和有限元分析.结果表明,该动力总成合成箱部分结构刚度明显不足.采用拓扑优化技术针对合成箱进行了结构优化设计,使动力总成一阶弯曲模态频率由75Hz提高到116Hz,满足了设计要求.