基于差分拉曼光谱对一次性塑料杯盖的分类研究

doi:10.19491/j.issn.1001-9278.2021.09.018

中国塑料 ›› 2021, Vol. 35 ›› Issue (9): 116-121.DOI: 10.19491/j.issn.1001-9278.2021.09.018

基于差分拉曼光谱对一次性塑料杯盖的分类研究

郭琦¹(), 姜红¹(), 吴克难², 杨金颉¹, 段斌³, 刘峰³

^1.中国人民公安大学侦查学院，北京 100038
^2.武汉理工大学计算机科学与技术学院，武汉 430070
^3.南京简智仪器设备有限公司，南京 210049

收稿日期:2021-02-09 出版日期:2021-09-26 发布日期:2021-09-23
作者简介:郭琦（2001—），女，本科生，从事刑事科学技术的研究工作，Gq593439826@qq.com
基金资助:
中国人民公安大学2021年度基科费重点项目(2021JKF212);国家重点研发计划项目(2017YFC0822004)

Classification of Disposable Plastic Cup Cover Based on Raman Difference Spectroscopy

GUO Qi¹(), JIANG Hong¹(), WU Kenan², YANG Jinjie¹, DUAN Bin³, LIU Feng³

^1.Institute of Criminal Investigation，People’s Public Security University of China，Beijing 100038，China
^2.Institute of Computer Science and Technology，Wuhan University of Technology，Wuhan 430070，China
^3.Nanjing Jianzhi Instrument Equipment Co，Ltd，Nanjing 210049，China

Received:2021-02-09 Online:2021-09-26 Published:2021-09-23
Contact: JIANG Hong E-mail:Gq593439826@qq.com;jiangh2001@163.com

摘要/Abstract

摘要：

差分拉曼光谱是目前较为常用的检验方法之一，本文对计算机分类识别技术在案件现场常见一次性塑料杯盖的应用进行实验，获取了样本的差分拉曼光谱。根据谱图可将样本分为3类：聚丙烯（PP）、聚苯乙烯（PS）和聚对苯二甲酸乙二醇酯（PET），对比分析其中官能团峰位，再利用Calinski?Harabasz评价指标优选最佳聚类数为5类，进行K?均值聚类。随机选取40个样本建立支持向量机判别模型，提取谱图方向梯度直方图和灰度共生矩阵后合并成一个向量作为特征矩阵的一行，剩余8个样本作为测试集验证结果。结果表明，识别准确率达到到100 %。此高效识别方法具有检验成本低、分析速度快等优点，在公安机关实际办案过程中可起到技术参考作用。

关键词: 差分拉曼光谱图, 一次性塑料杯盖, Calinski?Harabasz评价指标, K?均值聚类, 支持向量机算法

Abstract:

Raman difference spectroscopy is one of the most commonly used testing methods. In this paper， a computer classification and recognition technology were applied for the test of a common disposable plastic cup cover at the scene of the case to obtain the differential Raman spectra of the specimens. According to the obtained spectrum， the specimens can be divided into three categories： PP， PS and pet. The peak positions of functional groups were analyzed and compared. The best clustering number was then determined to be 5 by using the calinski harabash evaluation index， followed by carrying out the K?means clustering. 40 specimens were randomly selected to establish a support vector machine discriminant model. The directional gradient histogram and gray level co?occurrence matrix were extracted and combined into a vector as a row of the feature matrix. The remaining 8 specimens were used as the test set to verify the results. The results indicated that the recognition accuracy reached 100 %. This efficient identification method has the advantages of low inspection cost and fast analysis speed， and it can play a technical reference role for the actual process of handling cases form the public security organs.

Key words: Raman difference spectroscopy, disposable plastic cup cover, calinski harabasz evaluation index, K?means clu?stering, support vector machine algorithm

中图分类号:

TQ320.77

郭琦, 姜红, 吴克难, 杨金颉, 段斌, 刘峰. 基于差分拉曼光谱对一次性塑料杯盖的分类研究[J]. 中国塑料, 2021, 35(9): 116-121.

GUO Qi, JIANG Hong, WU Kenan, YANG Jinjie, DUAN Bin, LIU Feng. Classification of Disposable Plastic Cup Cover Based on Raman Difference Spectroscopy[J]. China Plastics, 2021, 35(9): 116-121.

图/表 9

参考文献 20

1	中国轻工总会塑料加工应用研究所. 塑料包装制品回收标志：［S］.北京：全国塑料制品标准化技术委员会，1996.
2	邓义祥，王燕萍，张承龙，等. 一次性塑料制品的替代管理策略研究［J］. 环境科学研究，2020，33（8）：1 973⁃1 978.
	DENG Y X， WANG Y P， ZHANG C L， et al. Alternative Management Strategies for Disposable Plastic Pro⁃ducts ［J］. Environmental Science Research， 2020，33（8）：1 973⁃1 978.
3	马枭，姜红.光谱技术对塑料物证的检验研究［J］.科技与创新，2020（13）：87⁃88，90.
	MA X，JIANG H. Study on the Inspection of Plastic Physical Evidence By Spectral Technology［J］.Science and Technology&innovation， 2020（13）：87⁃88，90.
4	陈玲玲.基于拉曼光谱的塑料检测技术与识别算法研究［D］.杭州：中国计量大学，2018.
5	方刚，殷磊，刘峰，等.基于差分喇曼技术在抑制荧光中的应用研究［J］.激光技术，2019，43（3）：359⁃362.
	FANG G， YIN L， LIU F，et al. Application Research of Fluorescence Suppression Based on Differential Raman Technique［J］. Laser Technology，2019，43（3）： 359⁃362.
6	KNIPFER C ， MOT Z J， ADLER W ，et al.Raman Difference Spectroscopy： a Non⁃invasive Method for Identification of Oral Squamous Cell Carcinoma［J］.Biomedical Optics Express，2014， 5（9）：3 252⁃3 265.
7	张博洋.支持向量机理论与应用研究综述［J］.无线互联科技，2015（19）：111⁃112.
	ZHANG B Y.Review on the Theory and Application of Support Vector Machine ［J］. Wireless Internet Technology， 2015（19）： 111⁃112.
8	李志豪，沈俊，边瑞华，等.机器学习算法用于公安一线拉曼实际样本采样学习及其准确度比较［J］.光谱学与光谱分析，2019，39（7）：2 171⁃2 175.
	LI Z H，SHEN J，BIAN R H ，et al. Application of Machine Learning Algorithm in the Actual Sample Aampling Learning of Police First Line Raman and Its Accuracy Comparison［J］. Spectroscopy and Spectral Analysis，2019，39（7）：2 171⁃2 175.
9	王梓笛，李双妹，尹延东，等.基于支持向量机算法的乳制品分类识别技术研究［J］.粮食科技与经济，2020，45（3）：104⁃107.
	WANG Z D，LI S M，YIN Y D，et al. Research on Classification and Recognition Technology of Dairy Products Based on Support Vector Machine Algorithm［J］. Grain Science and Technology and Economy，2020，45（3）：104⁃107.
10	李春宇，刘金坤，姜红，等. 基于支持向量机算法的X射线荧光光谱纸张灰烬识别研究［J］.激光与光电子学进展， 2021， 58（3）： 0330006.
	LI C Y，LIU J K，JIANG H，et al. Identification of X⁃Ray Fluorescent Spectral Paper Ashes Based on Support Vector Machine Algorithm［J］.Laser & Optoelectronics Progress， 2021，58（3）： 0330006.
11	董鹍，饶之帆，杨晓云，等.几种塑料的拉曼光谱检测［J］.塑料工业，2011，39（6）：67⁃70.
	DONG Y， RAO Z F， YANG X Y， et al. Determination of Several Plastic by Raman Spectroscopy［J］. China Plastics Industry， 2011，39 （6）： 67⁃70.
12	陈和生，孙育斌.几种塑料的傅里叶变换拉曼光谱分析［J］.塑料科技，2012，40（6）：69⁃72.
	CHEN H S， SUN Y B. Analysis of Several Kinds of Plastics by Use of FT⁃Raman Specroscopy［J］. Plastics Science and Technology， 2012，40（6）：69⁃72.
13	张进，姜红，刘峰，等. 鞋底材料的差分拉曼光谱可视化快速鉴别［J］. 激光与光电子学进展， 2021， 58（8）： 4.
	ZHANG J，JIANG H，LIU F， et al. Rapid Identification of Sole Materials by Differential Raman Spectroscopy［J］. Laser & Optoelectronics Progress， 2021， 58（8）： 4.
14	姜红，鞠晨阳，盘永平，等.拉曼光谱法检验泡沫塑料的研究［J］.上海塑料，2019（2）：48⁃53.
	JIANG H， JU C Y， PAN Y P，et al. Research on Foam Plastics by Raman Spectroscopy.［J］. Shanghai Plastics，2019（2）：48⁃53.
15	张进，姜红，段斌，等. 差分拉曼光谱结合化学计量学对口红的检验研究［J］. 激光与光电子学进展， 2021， 58（20）： 2030001.
	ZHANG J，JIANG H，DUAN B， et al. Study on Lipstick Inspection by Differential Raman Spectroscopy Combined with Chemometrics［J］. Laser & Optoelectronics Progress， 2021， 58（20）： 2030001.
16	杨俊闯，赵超.K⁃Means聚类算法研究综述［J］.计算机工程与应用，2019，55（23）：7⁃14.
	YANG J C，ZHAO C. Survey on K⁃Means Clustering Algorithm［J］.Computer Engineering and Applications，2019，55（23）：7⁃14.
17	CALINSKI T， HARABASZ J. A Dendrite Method for Cluster Analysis［J］. Communications in Statistics，1974（3）：1⁃27
18	冯柳伟，常冬霞，邓勇，等.最近最远得分的聚类性能评价指标［J］.智能系统学报，2017，12（1）：67⁃74.
	FENG L W， CHANG D X， DENG Y， et al. Clustering Performance Evaluation Index of the Latest Farthest Score［J］. Journal of Intelligent Systems，2017，12（1）： 67⁃74.
19	付元元，任东.支持向量机中核函数及其参数选择研究［J］.科技创新导报，2010（9）：6⁃7.
	FU Y Y，REN D. Research on Kernel Function and Its Parameter Selection in Support Vector Machine ［J］.Science and Technology Innovation Guide， 2010（9）： 6⁃7.
20	孔英会，景美丽.基于混淆矩阵和集成学习的分类方法研究［J］.计算机工程与科学，2012，34（6）：111⁃117.
	KONG Y H， JING M L.Research of the Classification Method Based on Confusion Matrixes and Ensemble Learning［J］. Computer Engineering and Science，2012，34（6）：111⁃117.

类别	样本编号
PP	1^#~3^#、6^#、7^#、10^#、12^#、14^#、24^#~32^#、35^#、36^#、38^#、44^#、45^#
PS	4^#、5^#、8^#、9^#、11^#、13^#、20^#~23^#、46^#
PET	15^#~19^#、33^#、34^#、37^#、39^#、40^#~43^#、47^#、48^#

类别	样本编号
PP	1^#~3^#、6^#、7^#、10^#、12^#、14^#、24^#~32^#、35^#、36^#、38^#、44^#、45^#
PS	4^#、5^#、8^#、9^#、11^#、13^#、20^#~23^#、46^#
PET	15^#~19^#、33^#、34^#、37^#、39^#、40^#~43^#、47^#、48^#

类别	波数/cm^-1	振动基团
PP	1 459、1 438、1 360、1 330	—CH₂的弯曲振动
	1 153、1 037、999、974、900、810、1 322	C—C的伸缩振动
	842	—CH₃的弯曲振动
	809、841	C—H的摇摆振动
PS	1 460、1 440、1 418、1 369、1 295	—CH₂的弯曲振动
PS	1 170、1 129、1 063、999	C—C的伸缩振动
PET	1 602	苯环的C—C 伸缩振动
	1 449、1 327、220	—CH₂的弯曲振动
	1 183、1 155、795、621	C—C的伸缩振动
	1 031	苯环的面内弯曲振动

类别	波数/cm^-1	振动基团
PP	1 459、1 438、1 360、1 330	—CH₂的弯曲振动
	1 153、1 037、999、974、900、810、1 322	C—C的伸缩振动
	842	—CH₃的弯曲振动
	809、841	C—H的摇摆振动
PS	1 460、1 440、1 418、1 369、1 295	—CH₂的弯曲振动
PS	1 170、1 129、1 063、999	C—C的伸缩振动
PET	1 602	苯环的C—C 伸缩振动
	1 449、1 327、220	—CH₂的弯曲振动
	1 183、1 155、795、621	C—C的伸缩振动
	1 031	苯环的面内弯曲振动

类别	样本编号
Ⅰ	1^#~3^#、6^#、7^#、10^#、14^#、24^#~30^#、35^#、36^#、38^#、44^#、45^#
Ⅱ	16^#、19^#、42^#、43^#、47^#
Ⅲ	12^#、31^#、32^#
Ⅳ	15^#、17^#、18^#、33^#、34^#、37^#、39^#~41^#、48^#
Ⅴ	4^#、5^#、8^#、9^#、11^#、13^#、20^#~23^#、46^#

基于差分拉曼光谱对一次性塑料杯盖的分类研究

Classification of Disposable Plastic Cup Cover Based on Raman Difference Spectroscopy

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 20

相关文章 8

编辑推荐

Metrics

本文评价

	Ⅰ	Ⅱ	Ⅲ	Ⅳ	Ⅴ
Ⅰ	2	0	0	0	0
Ⅱ	0	1	0	0	0
Ⅲ	0	0	2	0	0
Ⅳ	0	0	0	1	0
Ⅴ	0	0	0	0	2
准确率	100 %	100 %	100 %	100 %	100 %

[1]	吴雄杰, 陶强, 朱东波, 程劲松, 储雨, 许磊. 食品接触用生物降解塑料购物袋材质鉴别与总迁移量研究[J]. 中国塑料, 2022, 36(5): 127-132.
[2]	李岩, 张伟杰, 唐晓旭, 姜磊, 黄家文, 程德宝. 炭黑含量测定方法标准对比研究[J]. 中国塑料, 2021, 35(10): 120-125.
[3]	雷经发, 段焕天, 刘涛, 魏展, 孙虹. 基于数字图像相关法的熔融沉积聚乳酸材料动态力学性能测试[J]. 中国塑料, 2021, 35(10): 45-50.
[4]	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.
[5]	姜红, 张岚泽, 刘津彤, 苑志豪. 基于种属差异性利用XRF对塑钢窗的分类研究[J]. 中国塑料, 2021, 35(5): 72-78.
[6]	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.
[7]	姜红, 赵艳华, 朱晓晗, 苑志豪, 徐少辉, 李春宇. 多维度结合XRF对塑钢窗的快速检验[J]. 中国塑料, 2020, 34(12): 77-81.
[8]	应璐王全林戴双燕刘志洪. 微波爆米花包装袋用微波感受材料中非挥发性紫外可吸收物质迁移行为研究[J]. 中国塑料, 2010, 24(07): 92-97 .