基于PCA⁃LDA的车用保险杠显微激光拉曼光谱模式分类

doi:10.19491/j.issn.1001-9278.2021.01.013

中国塑料 ›› 2021, Vol. 35 ›› Issue (1): 78-83.DOI: 10.19491/j.issn.1001-9278.2021.01.013

基于PCA⁃LDA的车用保险杠显微激光拉曼光谱模式分类

邱薇纶¹, 周燕舞², 石孟良²

^1.湖南警察学院刑事科学技术学系，长沙 410138
^2.湖南省湘潭县公安局刑侦大队，长沙 411228

收稿日期:2020-07-27 出版日期:2021-01-26 发布日期:2021-01-22
基金资助:
北京工商大学高分子材料无卤阻燃剂工程实验室

Classification of Vehicle Bumpers Through Micro⁃laser Raman Spectroscopy Based on PCA⁃LDA

QIU Weilun¹, ZHOU Yanwu², SHI Mengliang²

^1.School of Forensic Science，Hunan Police College，Changsha 410138，China
^2.Criminal Investigation Brigade of Xiangtan County Public Security Bureau，Changsha 411228，China

Received:2020-07-27 Online:2021-01-26 Published:2021-01-22

摘要/Abstract

摘要：

为实现对案发现场车用保险杠物证快速、无损、准确的分类与识别，提出了一种显微激光拉曼光谱分析技术结合多元建模用于车用保险杠模式分类方法。选择自动基线校正、峰面积归一化、Savitzky-Golay平滑（3次多项式，7点平滑）作为预处理方法，借助主成分分析和线性判别分析构建分类模型。结果表明，前27个主成分下，除了奥迪品牌的2个样本被误判在了广汽品牌的样本当中，其他不同品牌的样本均实现了100.00 %的准确区分，总体分类准确率为95.24 %，分类效果较为理想；针对实际案件中的未知样本，借助该方法确定其属于别克品牌，这与实际案件中物证信息相吻合；利用显微激光拉曼光谱分析技术多元建模分析可实现对不同品牌保险杠样本准确的识别与分类，可为微量物证鉴定方面的相关研究提供一定的思路与参考。

关键词: 显微激光拉曼光谱, 车用保险杠, 主成分分析, 线性判别分析, 分类

Abstract:

The method based on micro-laser Raman spectroscopy and multivariate modeling was proposed to realize the fast， non-destructive and accurate classification of vehicle bumpers in the forensic science. The automatic baseline correction， peak area normalization， and Savitzky-Golay smoothing （3^rd degree polynomial， 7-point smoothing） were selected for pre-processing. A classification model was constructed through principal component analysis and linear discriminant analysis. The results indicated that the overall classification accuracy rate was 95.24 % as an ideal result. For the unknown sample in the actual case， this method was used to determine the brand as Buick， which was consistent with the real result. A micro-laser Raman spectroscopic analysis technology and multivariate modeling methods can realize the classification of different brands of vehicle bumpers exactly. This can provide a certain reference for the relevant research in the trace evidence identification.

Key words: micro-laser Raman spectroscopy, vehicle bumper, principal component analysis, linear discriminant analysis, classification

中图分类号:

O 433.4

邱薇纶, 周燕舞, 石孟良. 基于PCA⁃LDA的车用保险杠显微激光拉曼光谱模式分类[J]. 中国塑料, 2021, 35(1): 78-83.

QIU Weilun, ZHOU Yanwu, SHI Mengliang. Classification of Vehicle Bumpers Through Micro⁃laser Raman Spectroscopy Based on PCA⁃LDA[J]. China Plastics, 2021, 35(1): 78-83.

图/表 7

序号	品牌	厂家	样本
A	奥迪	大众汽车有限公司	奥迪?1，奥迪?2，奥迪?3，奥迪?4，奥迪?5，奥迪?6
B	福克斯	长安汽车公司	福克斯?1，福克斯?2
C	轩逸	东风日产公司	轩逸?1，轩逸?2，轩逸?3，轩逸?4
D	雪铁龙	神龙汽车公司	雪铁龙?1，雪铁龙?2，雪铁龙?3，雪铁龙?4，雪铁龙?5
E	奇瑞	奇瑞汽车公司	奇瑞?1，奇瑞?2，奇瑞?3
F	别克	上海通用汽车公司	别克?1，别克?2，别克?3，别克?4，别克?5
G	北京现代	现代汽车公司	北京现代?1，北京现代?2，北京现代?3
H	广汽	本田汽车公司	广汽?1，广汽?2，广汽?3，广汽?4，广汽?5，广汽?6，广汽?7，广汽?8，广汽?9
I	雪佛兰	通用汽车公司	雪佛兰?1，雪佛兰?2，雪佛兰?3，雪佛兰?4

表1 42个样本的基本信息

Tab.1 Details of the 42 samples

图1 42个样本的显微激光拉曼光谱图

Fig.1 Micro?laser Raman spectra of the 42 samples

图2 不同主成分的方差贡献率

Fig.2 Variance contribution rate of different principal components

图3 不同主成分时样本分类准确率

Fig.3 Classification accuracy of samples with different principal components

图4 线性判别分析模型空间分类图

Fig.4 Spatial classification detail from linear discriminant analysis model

图5 未知样本的显微激光拉曼光谱图

Fig.5 Micro?laser Raman spectra of unknown sample

图6 未知样本线性判别空间分类结果

Fig.6 Unknown sample’s spatial classification detail from linear discriminant analysis model

参考文献 24

1	何欣龙，刘文浩，王继芬.红外光谱结合多元统计学检验汽车前保险杠［J］.光散射学报，2018，30（01）：70⁃76.
	HE X L， LIU W H， WANG J F. Infrared Spectroscopy Combined with Multivariate Statistics to Examine the Front Bumper of the Car［J］. Journal of Light Scattering， 2008，30（01）：70⁃76.
2	宋小娇.红外光谱技术检验汽车保险杠塑料［J］.工程塑料应用，2017，45（09）：105⁃110.
	SONG X J. Inspection of Bumper Plastics by Infrared Spectroscopy［J］. Engineering Plastics Applications，2017，45（09）：105⁃110.
3	孟正华，许欢，郭巍，等.汽车废旧塑料物理改性再生技术研究进展［J］.中国塑料，2017，31（08）：105⁃111.
	MENG Z H， XU H， GUO W， et al. Research Progress on Physical Modification and Regeneration Technology of Automotive Waste Plastics ［J］. China Plastics，2017，31（08）：105⁃111.
4	李又兵，胡学川，李查，等.某汽车前保险杠顺序注射成型模具设计［J］.中国塑料，2017，31（02）：108⁃111.
	LI Y B， HU X C， LI C， et al. Design of Sequential Injection Molding Mould for Front Bumper of An Automobile ［J］. China Plastics，2017，31（02）：108⁃111.
5	王继芬，余静，唐林佩，等.显微拉曼光谱法对微量洗衣粉的区分检验研究［J］.光散射学报，2014，26（02）：170⁃174.
	WANG J F， YU J， TANG L P， et al. Study on the Identification and Inspection of Micro Washing Powder by Raman Spectroscopy ［J］. The Journal of Light Scattering， 2014， 26（02）： 170⁃174.
6	LI R， ZHAO B， GUO H， et al. Quantitative Measurement of Carbon Isotopic Composition in CO₂ Gas Reservoir by Micro⁃Laser Raman Spectroscopy［J］. Spectrochimica Acta Part A： Molecular and Biomolecular Spectroscopy， 2018， 195： 191⁃198.
7	李荣西，王志海，李月琴.应用显微激光拉曼光谱分析单个流体包裹体同位素［J］.地学前缘，2012，19（04）：135⁃140.
	LI R X， WANG Z H， LI Y Q. Analysis of Isotopes of Single Fluid Inclusions by Microlaser Raman Spectroscopy ［J］. Frontiers of geology，2012，19（04）：135⁃140.
8	司艺，蒋洪恩，王博，等.新疆阿斯塔那墓地出土唐代木质彩绘的显微激光拉曼分析［J］.光谱学与光谱分析， 2013， 33（10）： 2 607⁃2 611.
	SI Y， JIANG H E， WANG B， et al. Microscopic Laser Raman Analysis of Tang Dynasty Wooden Painting Unearthed from Astana Cemetery in Xinjiang ［J］. Spectroscopy and spectral analysis， 2013， 33（10）： 2 607⁃2 611.
9	何秋菊，李涛，施继龙，等.道教人物画像颜料的原位无损分析［J］.文物保护与考古科学， 2010， 22（03）： 61⁃68.
	HE Q J， LI T， SHI J L， et al. In Situ Nondestructive Analysis of Pigments for Taoist Portraits ［J］. Science of Cultural Relics Protection and Archaeology， 2010， 22（03）： 61⁃68.
10	侯鲜婷.唐代彩绘镇墓兽的激光显微共焦拉曼光谱分析［J］.自然与文化遗产研究， 2019， 4（07）： 96⁃99.
	HOU X T. Laser Microscopic Confocal Raman Spectroscopic Analysis of Painted Tomb Preserving Animals in Tang Dynasty ［J］. Nature and Cultural Heritage Research， 2019， 4（07）： 96⁃99.
11	石云峰，杨伟峰，杨丽珍，等.激光显微共聚焦拉曼光谱研究卡马西平片晶型及其判别模型的建立［J］.中国药学杂志， 2016， 51（19）： 1 690⁃1 694.
	SHI Y F， YANG W F， YANG L Z， et al. Study on the Morphology and Discriminant Model of Carbazepine Tablets by Laser Confocal Raman Spectroscopy ［J］. Chinese Journal of Pharmacy， 2016， 51（19）： 1 690⁃1 694.
12	钟会清，张武，侯雨晴，等.激光共焦显微拉曼光谱技术在人舌鳞癌细胞检测中的应用［J］.中国医学物理学杂志， 2017， 34（07）： 753⁃756.
	ZHONG H Q， ZHANG W， HOU Y Q， et al. Application of Laser Confocal Microscopic Raman Spectroscopy in the Detection of Human Tongue Squamous Cell Carcinoma ［J］. Chinese Journal of Medical Physics， 2017， 34（07）： 753⁃756.
13	杨伟峰，杨丽珍，石云峰，等.激光显微共聚焦拉曼光谱研究硫酸氢氯吡格雷片晶型及其判别模型的建立［J］.药物分析杂志， 2014， 34（08）： 1 461⁃1 464.
	YANG W F， YANG L Z， SHI Y F， et al. Laser Confocal Raman Spectroscopic Study of Clopidogrel Sulfate and Its Discriminant Model ［J］. Chin J Pharmacol Analys， 2014， 34（08）： 1 461⁃1 464.
14	林建成，梁鲁宁，黄建同，等.显微激光拉曼光谱技术检验彩色激光打印机打印文件墨迹的实验研究［J］.光散射学报， 2015， 27（04）： 374⁃378.
	LIN J C， LIANG L N， HUANG J T， et al. Experimental Study on Micro⁃laser Raman Spectroscopy to Check the Ink Traces of Color Laser Printers［J］. Journal of Light Scattering， 2015， 27（04）： 374⁃378.
15	FORBES T P， VERKOUTEREN J R. Forensic Analysis and Differentiation of Black Powder and Black Powder Substitute Chemical Signatures by Infrared Thermal Desorption – DART⁃MS［J］. Analytical Chemistry， 2019， 91（1）： 1 089⁃1 097.
16	KARAHACANE S， DAHMANI A， KHIMECHE K. Raman Spectroscopy Analysis and Chemometric Study of Organic Gunshot Residues Originating from Two Types of Ammunition［J］. Forensic Science International， 2019， 301： 129⁃136.
17	HESPANHOL M C， PASQUINI C， MALDANER A O. Evaluation of A Low⁃cost Portable Near⁃infrared Spectrophotometer for in Situ Cocaine Profiling［J］. Talanta， 2019， 200： 129⁃136.
18	STEPHANIE A， DEJONG O， WAYNE L， et al. Optimization of Gap Derivatives for Measuring Blood Concentration of Fabric using Vibrational Spectroscopy［J］. Applied Spectroscopy， 2015， 69（6）：733⁃748.
19	HE X L， WANG J F. Rapid and Nondestructive Forensic Identification of Tire Particles by Attenuated Total Reflectance⁃Fourier Transform Infrared Spectroscopy and Chemometrics［J］. Analytical Letters， 2019， 53（5）： 1⁃21.
20	何欣龙，王继芬，于佳裔，等.基于判别分析的车用保险杠激光拉曼光谱鉴别研究［J］.激光杂志， 2019， 40（10）： 21⁃25.
	HE X L， WANG J F， YU J Y， et al. Identification Raman Spectroscopy of Vehicle Bumpers Based on Discrimination Analysis［J］. Laser Journal， 2019， 40（10）： 21⁃25.
21	吕擎峰，赵本海，潘松杰，等.基于TSP和PCA⁃Bayes法的隧道围岩分级［J］.地下空间与工程学报， 2020， 16（01）： 80⁃86.
	LYU Q F， ZHAO B H， PAN S J， et al. Tunnel Rock Classification Based on TSP and PCA⁃Bayes Method［J］. Journal of Underground Space and Engineering， 2020， 16（01）： 80⁃86.
22	朱麟，程勤海，林旭东，等.基于因子⁃聚类分析的水蜜桃分级方法研究［J］.包装工程， 2019， 40（23）： 40⁃45.
	ZHU L， CHENG Q H， LIN X D， et al. Research on the Classification Method of Peach Based on Factor⁃clustering Analysis［J］. Packaging Engineering， 2019， 40（23）： 40⁃45.
23	黄丽英，范栋杰，张月星，等.元素含量及稳定同位素比值用于网销带鱼产地溯源［J］.分析化学， 2019， 47（03）： 439⁃446.
	HUANG L Y， FAN D J， ZHANG Y X， et al. Element Content and Stable Isotope Ratio Are Used to Trace the Origin of Octopus［J］.Analytical Chemistry， 2019， 47（03）： 439⁃446.
24	丁世飞，齐丙娟，谭红艳.支持向量机理论与算法研究综述［J］.电子科技大学学报，2011，40（01）：2⁃10.
	DING S F， QI B J， TAN Y H. A Review of Theories and Algorithms of Support Vector Machines ［J］. Journal of University of Electronic Science and Technology of China，2011，40（01）：2⁃10.

[1]	欧阳宇, 刘泓滨. 基于主成分分析结合灰色关联度的PPO/PA翼子板注射成型研究[J]. 中国塑料, 2022, 36(5): 99-103.
[2]	张玉霞, 杨涛. 关于构建塑料包装废弃物的分类、收集与管理体系的思考[J]. 中国塑料, 2021, 35(8): 21-29.
[3]	田陆川, 姜红, 陈坦之, 王艺霖, 段斌, 刘峰. 差分拉曼光谱结合聚类分析检验电线塑料外皮研究[J]. 中国塑料, 2021, 35(7): 97-102.
[4]	卫辰洁, 王继芬, 范琳媛, 穆义龙, 杜浩宇. 基于光谱数据融合和人工神经网络的汽车灯罩鉴别[J]. 中国塑料, 2020, 34(12): 59-64.
[5]	卫辰洁, 王继芬, 秦歌, 杜浩宇, 穆义龙. 基于光谱分类模型的保险杠物证无损研究[J]. 中国塑料, 2020, 34(11): 52-58.
[6]	王旭;张慧萍;晏雄. PE-UHMW /PE-LD层合板拉伸破坏声发射信号参数相关性分析[J]. 中国塑料, 2008, 22(7): 92-96 .

基于PCA⁃LDA的车用保险杠显微激光拉曼光谱模式分类

Classification of Vehicle Bumpers Through Micro⁃laser Raman Spectroscopy Based on PCA⁃LDA

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 24

相关文章 6

编辑推荐

Metrics

本文评价