差分拉曼光谱结合机器学习对汽车灯罩的可视化研究

为实现对汽车灯罩的快速无损、高效便捷的分类及预测，提出一种基于差分拉曼光谱结合机器学习对灯罩的可视化鉴别方法。利用差分拉曼光谱仪对32个品牌、9种车型共计46种汽车灯罩样品进行了检测，得到了样品的差分拉曼光谱图。对光谱数据先进行主成分分析降维，用提取到的5个PCA对样品进行自组织映射(SOM)聚类，同时对聚类结果可视化处理，再结合多元无序logistic回归、可优化支持向量机(SVM)对样品进行分类预测。46个样品被分为7类，多元无序logistic回归、可优化支持向量机的准确率皆为100%,实现了对样品的分类及预测。差分拉曼光谱准确高效，谱峰尖锐清晰，可以分析样品的主要成分及填料。SOM函数分类效果较好，所建立的分类模型可以精准地对不同来源汽车灯罩样品进行区分及归属预测，为汽车灯罩物证溯源提供了一种新的思路和技术手段。