化学通报

作者：何欣龙,王继芬,张倩,唐敏力,何亚

关键词：红外光谱,记号笔墨水,判别分析,径向基函数神经网络,K近邻,

基金：广东省化学危害应急监测技术重点实验室开放基金(KF2018002)

记号笔墨水的区分鉴别在相关案件的侦破和诉讼中具有重要意义。本实验采用红外光谱法(FTIR-ATR)获取记号笔的原始光谱,并对原始光谱分别进行自动基线校正、Savitzky-Golay平滑、峰面积归一化和小波阈值去噪四种预处理消除噪声等干扰因素并确定特征波长,同时结合判别分析、径向基函数神经网络和K近邻算法构建分类模型。结果表明,三种模型对黑色笔的分类最准确,均实现了100%的识别,对红蓝色笔区分能力次之,相比较DA和RBF,KNN模型分类精度最高。以K近邻算法(KNN)为主,判别分析(DA)和径向基函数网络(RBF)为辅,对各色水性和油性笔展开进一步区分,黑蓝色水性与油性笔的三种模型均实现了100%的准确归类,红色水性与油性笔的DA模型、RBF模型和KNN模型(训练和测试样本)的分类准确率分别为94.70%、100%、100%和75%,在KNN交互式图中,黑色水性与油性笔分布最为集中,聚敛程度最好,红色笔次之,蓝色笔较为分散,结合KNN模型,得到黑色笔的详细分类结果,分类结果理想。综上,采用FTIR-ATR结合DA-RBF-KNN法能为记号笔的类型准确检测提供新的分析手段,且模型检测精度高,方法具有普适性和一定的借鉴意义。

来源：2019年第2期

《化学通报》期刊编辑部

查看化学通报杂志2019年第2期