拉曼光谱结合Ｋ均值法检验手帕纸包装袋的研究
【客户案例】拉曼光谱结合Ｋ均值法检验手帕纸包装袋的研究
引言
手帕纸包装袋使用具有广泛性，其包装袋残片被遗留在案件现场的概率较大，弄清手帕纸的种属来源，能够提供使用人身份及活动路线信息，对案件推动具有重要作用。现场残留包装袋往往受环境因素影响，仅余部分残片，给追溯手帕纸的来源、品牌，实现检验分类设置了障碍，亟待开展进一步检验分析。
手帕纸由于生产厂家，合成工艺、商品化助剂添加及生产设备选取都存在一定偏差，不同品种的手帕纸塑料包装袋有不同物理及化学特征，这些差异均会使拉曼散射强度有所差异。因此采用拉曼光谱法可以有效的区分手帕纸外包装，从而为实际现场塑料物证检验提供了充分参考。
研究成果
近期，中国公安大学姜红教授团队基于Matlab进行拉曼数据预处理及相似度分析，结合Ｋ均值聚类法（K-means）对收集到的不同手帕纸小包装袋样本进行建模分析，可以获得合适的初始凝聚点数K，实现了手帕纸的区分检验。
手帕纸外包装袋为塑料，以树脂为主要原料，以增塑剂、填充剂、润滑剂、着色剂等添加剂为辅助成分通过高压合成的高分子化合物。包装袋主要填料为合成树脂，多为聚乙烯、聚氯乙烯或聚丙烯，常见塑料助剂为CaCO3、滑石粉和BaSO4。通过筛选我们发现依据填料种类可将样本分为三大类（见表３），第I类样品中主要填料为聚乙烯（如图２），第II类样品中主要填料为聚氯乙烯（如图３），第III类样品中主要填料为聚丙烯（如图４）.
表３ 手帕纸塑料包装袋样品分类
图２ 第I类样品的拉曼光谱图
图３ 第II类样品的拉曼光谱图
图４ 第III类样品的拉曼光谱图
首先基于主成分分析法（principle component analysis,PCA）进行数据预处理，以实现数据降维，提升分析准确性，从总体协和方差矩阵出发进行主成分分析。选取分类贡献率大于百分之一的PC1、PC2、PC3作为主特征，以待后续验证分析。作为快速聚类法，Ｋ均值聚类法不需预知样本种数，可对Ｋ值进行迅速演算并反馈样本吻合度，*终筛选出合适Ｋ值，同时实现样本分类。本次结合kmeans函数及silhouette函数分别对三大类样品进行进一步分类，数据准确性达93%。结合Ｋ均值聚类法，基于已知样本标准数据，可实现对未知样本的快速分类和高效鉴定，分类成功率达97.14%。
该方法操作简便、精确度高，将计算机软件技术和光谱检测技术相结合，相较传统的谱图分析法更加快速准确，数据处理效率更高，为实际应用提供了充分参考。对信噪比较高的样本数据也可实现迅速分类，背景容错率好，可在公安实践中对现场不易分类的局部手帕纸外包装袋进行检测分类，为实际办案中划定嫌疑人活动轨迹、侦破案件提供线索，为刑事诉讼提供合法证据。
文章信息：
免责说明
北京卓立汉光仪器有限公司官方所发布内容、图片及数据来源于原作者提供或原文授权转载。文章版权、数据及所述观点归文章作者和文章出处所有。
卓立汉光力求数据严谨准确，如有失误失实敬请指正。如涉及版权等问题，请您来电或来函联系，我们将协调给予处理。
*终解释权归北京卓立汉光仪器有限公司所有
13810146393
在线咨询
