基于光谱分类模型的保险杠物证无损研究

• 作者: 卫辰洁 杜浩宇 王继芬 秦歌 穆义龙
• 来源期刊: 中国塑料
• 学科: 工学
• 关键词: 车用保险杠碎片 中红外光谱 判别分析 K近邻算法 分类
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 加工与应用
• 页码范围: 52-58
• 页数: 7页
• 分类号: TQ322
• 语种: 中文
• DOI: 10.19491/j.issn.1001-9278.2020.11.010

摘要

采用中红外光谱结合化学计量学的方法对车用保险杠碎片进行鉴别,分别对52个车用保险杠碎片样本的全波段光谱数据、指纹区光谱数据和主成分分析降维后的光谱数据建立Fisher判别分析和K近邻算法2种分类模型,并对分类结果进行比较.结果表明,主成分分析提取特征变量后构建的分类模型,分类的准确率更高,对聚丙烯(PP)、PP/滑石粉、PP/滑石粉/碳酸钙(CaCO3)3种类型的样本分类准确率达到92.3％,对PP/滑石粉类型中的10种品牌样本分类准确率达到88.9％,分类结果理想;在构建的2种分类模型中,Fisher判别分析模型的分类率远高于K近邻算法模型,分析认为K近邻算法模型受到样本不均衡的影响;中红外光谱结合化学计量学可以实现对车用保险杠碎片的准确区分,且满足快速、无损的检验要求.