食品塑料包装袋与RAMAN的关联性分析

食品包装材料材质多种多样,利用拉曼光谱法可对此类物证进行检验,具有快速准确无损的优点。根据拉曼散射峰位移和强度的不同进行区分研究,材质可分为聚乙烯、聚丙烯、聚对苯二甲酸乙二醇酯、聚苯乙烯、聚酰胺,主要填料为碳酸钙、高岭土、滑石粉、二氧化硅和硫酸钡等。对全波段数据进行降维处理,提取5个因子,累计贡献率超过99%,以此为变量建立谱系图,观测光谱数据之前的亲疏关系,效果较好,为犯罪现场检验此类物证提供依据。     

阴沟肠杆菌定量标准物质的研制

采用真空冷冻干燥法和滤膜法定值技术,研制了球状的阴沟肠杆菌定量标准物质。经保护剂配方及冻干程序参数优化后,阴沟肠杆菌的平均存活率达51%,形状均匀一致、外观光滑无塌陷,能完全复水速溶。通过结晶紫中性胆盐琼脂培养基平板计数法考察均匀性和稳定性,证明该标准物质均匀性良好,-80 ℃至少可稳定保存6个月。该标准物质由6家实验室采用滤膜法联合定值,经不确定度评定,标称值为（2.0±0.1）log10 (cfu/瓶),相对扩展不确定度为10%(k=2)。标准物质中阴沟肠杆菌活菌数含量水平为10² cfu/瓶,可以直接溶解使用,无需稀释,使用方便,同时减少了测量不确定度来源。     

一次性塑料包装瓶盖(杯盖)的拉曼光谱分析

利用便携式拉曼光谱仪对收集到49个现售饮品或外卖配送饮品的一次性塑料杯盖样品和饮料瓶瓶盖样品进行检验分析,先根据样品外观进行分类,再根据拉曼位移按照成分进行分组,最后再通过计算相对峰高比进行进一步区分,都取得了较好的效果.建立了基于系统聚类的分类模型,利用主成分分析对60％的样本进行了降维和分类.最终被检样本被分为6类...     

红外光谱法结合化学计量学对快递包装纸盒的检验研究

目的 研究一种红外光谱法与化学计量学相结合的方法，以对现场提取的快递包装纸盒样品进行快速检验分类。方法 利用红外光谱法对53个快递包装纸盒样品进行检验，依据其主要填料差异进行分类，并利用系统聚类进行分组。基于该分组，训练随机森林模型、多层感知器判别、Fisher判别3种预测模型，实现对新样品组别的分类预测。结果 53个快递包装纸盒样品被分为3类，而后进一步细分为9组，训练得到的3种判别模型中的Fisher判别预测准确率较高。结论 该检验方法快速、无损、准确，依据化学计量学实现对快递包装纸盒样品的快速检验，为公安机关检验此类物证提供依据。     

拉曼光谱结合X射线荧光对口红的分类研究

建立了一种快速检验口红的方法,并利用拉曼光谱技术结合X射线荧光光谱法对28个口红样品进行了分类研究。利用拉曼光谱技术对样品进行分析测试,根据拉曼特征峰的不同可以有效地对其进行分类;利用主成分分析对数据进行处理,降维后的数据可解释全部信息的97.545%,结合Pearson相关性分析,验证了根据拉曼特征峰分类的科学性;结合X射线荧光光谱法对两类样品分组,根据Ca/Ti进行组内区分。结果表明,此方法简便快速、操作简单,且无需特殊的前处理,为公安机关侦查破案提供了一种新思路,在公安实践工作中有广阔的应用前景。     

基于主成分分析法对一次性纸杯的拉曼光谱检验研究

为建立一种检验犯罪现场遗留一次性纸杯物证的科学有效的方法,利用拉曼光谱结合化学计量学对收集到的27个不同品牌、不同用途的一次性纸杯样本的拉曼特征峰峰位和峰强度的对比,对一次性纸杯样本进行区分。为了使分类结果科学准确,利用化学计量学的方法对光谱数据进行分析处理。为了减少聚类分析所用的变量个数,利用主成分分析法对拉曼光谱数据进行降维处理,指定提取3个因子,减少变量个数,保留大部分信息,其累计贡献率达99.09%。利用层次聚类和K-Means快速聚类将27个样本分为8类,并利用Fisher判别分析法验证了分类结果的科学合理性,从而对未知样本的类别判断提供依据。     

食品塑料包装袋的拉曼光谱分析

利用RT2000便携式拉曼光谱仪,采用785 nm激光器,采集时间为30 s,对41个不同品牌的食品塑料包装袋样品进行了检验分析。根据不同样品在拉曼光谱图中的位置对样品进行分类,并根据填料的不同对每类样品进行分组。最后根据样品的相对峰高比对每一组中的样品进行区分。建立了一种快速、简便、重现性好、结果准确可靠,且无损样品的检验方法,该方法可为公安机关实际办案提供帮助。     

红外光谱结合主成分分析对纸质快递文件袋的分类研究

目的 建立一种快速无损的检验纸质快递文件袋的分析方法。方法 利用傅里叶变换红外光谱对63个纸质快递文件袋样品进行检验，分析样品的红外光谱吸收峰的峰位，结合主成分分析对光谱数据进行了降维处理并分类。利用费歇尔判别对快递文件袋的分类结果进行分析和验证。同时建立多层感知器神经网络和径向基函数神经网络2种分类模型，进行分析和验证。结果 63个纸质快递文件袋样品可被分成四大类，利用费歇尔分类模型进行验证，准确率为100%；多层感知器神经网络分类模型准确率为95.23%，径向基函数神经网络分类模型准确率为92.06%。通过比较发现，费歇尔判别可以实现对纸质快递文件袋更加有效地分类。结论 该方法简单快速，样品用量少且无损样品，可为快递文件袋类的物证鉴定提供科学依据。     

拉曼光谱法检验一次性塑料手套的研究

利用RT2000便携式拉曼光谱仪,对58个不同来源、不同用途的一次性塑料手套进行分析。根据不同样品拉曼光谱图的出峰位置、填料以及特征峰相对峰高比,可对一次性塑料手套进行区分。建立一种简便快速、无损且无需特殊前处理的一次性塑料手套的检验方法,为公安侦查破案提供帮助。     

拉曼光谱法检验泡沫塑料的研究

建立一种简便快速、准确无损的检验泡沫塑料的方法,利用RT2000拉曼检测仪,对40个不同品牌、不同用途的泡沫塑料样品进行分析检验。依据拉曼光谱图中拉曼特征峰的不同,对每个样品的拉曼光谱图进行分析比较,根据所用塑料及填料的不同,可以对泡沫塑料样品进行区分。该检验方法操作简便,结果准确可靠,无需特殊的前处理且无损样品,为公安机关实际办案提供一种有效的分析方法。