基于系统聚类-神经网络的塑料饮料瓶差分拉曼光谱检验

建立塑料饮料瓶物证快速准确检验鉴别方法。利用差分拉曼光谱法检验42个塑料饮料瓶样品，优化积分时间并进行重现性检验。在40 s最优积分时间条件下采集光谱，任选41个样品作为建立模型的数据集，剩余样品作为盲样，对41个样品材质初步定性分为聚对苯二甲酸乙二醇酯(PET)和聚乙烯(PE)两类。建立基于系统聚类(HCA)、多层感知器神经网络和径向基神经网络的PET样品鉴别模型，确定最优鉴别模型及样品最佳分类。结果表明，系统聚类-多层感知器神经网络为最优鉴别模型，PET样品最佳分类为2类。差分拉曼光谱法结合系统聚类和神经网络可实现塑料饮料瓶有效鉴别。     

差分拉曼光谱法对塑料牙刷柄的分析研究

建立一种区分塑料牙刷柄的方法。采用便携式差分拉曼光谱仪对22个品牌共40个塑料牙刷柄样品进行了检验,根据得到的差分拉曼光谱图的峰数、峰位以及相对峰高比等对塑料牙刷柄进行分析。结果表明:40个塑料牙刷柄样品均有丰富的差分拉曼光谱峰,相同品牌样品的差分拉曼光谱图基本没有太大差异,不同品牌样品的差分拉曼光谱存在一定差异。因此,可以利用差分拉曼光谱法对不同品牌的塑料牙刷柄进行区分,从而区分不同品牌的塑料牙刷。     

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...     

差分拉曼光谱结合机器学习对汽车灯罩的可视化研究

为实现对汽车灯罩的快速无损、高效便捷的分类及预测,提出一种基于差分拉曼光谱结合机器学习对灯罩的可视化鉴别方法。利用差分拉曼光谱仪对32个品牌、9种车型共计46种汽车灯罩样品进行了检测,得到了样品的差分拉曼光谱图。对光谱数据先进行主成分分析降维,用提取到的5个PCA对样品进行自组织映射(SOM)聚类,同时对聚类结果可视化处理,再结合多元无序logistic回归、可优化支持向量机(SVM)对样品进行分类预测。46个样品被分为7类,多元无序logistic回归、可优化支持向量机的准确率皆为100%,实现了对样品的分类及预测。差分拉曼光谱准确高效,谱峰尖锐清晰,可以分析样品的主要成分及填料。SOM函数分类效果较好,所建立的分类模型可以精准地对不同来源汽车灯罩样品进行区分及归属预测,为汽车灯罩物证溯源提供了一种新的思路和技术手段。     

差分拉曼光谱法对注射针剂塑料底托的检测分析

为建立一种简单快捷无损地区分塑料针剂底托的方法,采用便携式差分拉曼光谱仪对57个注射针剂塑料底托进行检测,首先通过直接观察,根据样品透明与否分类,再根据得到的差分拉曼光谱图的峰位、峰数等对样品进行成分和填料分析,同时利用系统聚类和皮尔逊相关系数分析来验证判别结果的准确性。实验结果表明,透明类样品主要成分为聚氯乙烯和聚对苯二甲酸乙二醇酯,不透明类样品主要成分为聚氯乙烯、聚对苯二甲酸乙二醇酯和聚苯乙烯,利用统计分析软件“统计产品与服务解决方案”(SPSS 26.0)聚类分析对透明类样品分类进行验证,分类结果可靠。以透明聚氯乙烯类样品为例,根据填料不同可将其分为6组,选取一组样品为例,可利用相对峰高比对其进行明显区分,再选取一组样品利用皮尔逊相关系数验证,组内样品相关性高。     

差分拉曼光谱结合聚类分析检验运动鞋鞋底

为建立一种快速、准确、无损的区分检验运动鞋鞋底的方法,采用差分拉曼光谱仪结合聚类分析方法对40个不同品牌,不同系列的白色运动鞋鞋底样品进行了检验研究。结果表明,根据鞋底样品的主要成分不同可将样品分为5类;同一类样品可依据添加的主要填料成分不同进行分组;同一组样品可依据特征峰的相对峰高比不同进行区分;利用聚类分析方法处理样品数据,当并类距离为2时,样品被分为5类,分类结果较为理想。该方法操作简便快速、结果准确可靠且无损检材,可为公安机关实际办案提供帮助。     

X射线荧光光谱法结合HCA-PCA-BPNN实现塑料快递包装袋识别分类

X射线荧光光谱法与机器学习有机结合,建立现场塑料快递包装袋物证科学精准识别分类模型。利用X射线荧光光谱法对72个塑料快递包装袋样品无损检验,并依据光谱数据,利用定性半定量分析法对塑料快递包装袋初步分类。利用z-score标准化进行光谱预处理,并结合层次聚类、主成分分析和BP神经网络(HCA-PCA-BPNN)建立识别分类模型,确定最佳聚类类别。结果显示,72个样品聚为8类时,模型检验集预测判别正确率为97.9%,预测集预测判别正确率仅为72%,模型识别分类准确度较差;72个样品聚为3类时,模型检验集和预测集预测判别正确率均为100%,识别分类准确度较高,72个样品最佳聚类为3类。研究表明,X射线荧光光谱法结合HCA-PCA-BPNN可以为现场塑料快递包装袋物证无损且准确地识别分类提供一种方便可行的模式。     

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。     

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。     

基于差分拉曼光谱对一次性塑料杯盖的分类研究

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。     

红外光谱法结合K⁃均值聚类与神经网络对饮料瓶的检验研究

利用傅里叶变换红外光谱法对41个不同品牌的塑料饮料瓶进行快速无损检测.谱图数据在经过预处理后可将样品分为聚对苯二甲酸乙二醇酯和聚乙烯两类.每一类内部的各个样品红外特征峰存在差异.对于数量最多的一类样品,通过主成分分析将样品光谱数据降维并提取主成分,然后结合K-均值聚类对样品进一步分组.最后以聚类结果作为因变量,构建神经...     

多维度结合XRF对塑钢窗的快速检验

为建立一种检验塑钢窗物证的方法，利用X射线荧光光谱仪对收集到的40个不同品牌、同一品牌不同系列、同一品牌同一系列不同批次塑钢窗进行检验。采用Niton XL3t GOLDD+手持式荧光光谱仪，通过预实验确定了检测条件：Ag作阳极靶；检测电压为50kV；检测电流为200μA；采集时间为70s，在此条件下对样品进行检测，根据不同塑钢窗样本所测出的特征元素种类及质量分数可对样本进行区分。为了使分类结果科学准确，首先利用主成分分析法对实验结果进行降维处理，指定提取了4个因子，再利用系统聚类和K?Means快速聚类方法对样品数据进行聚类处理，将40个样本分为28类，并利用Fisher判别分析法验证了分类结果的科学合理性。该方法结合谱图分析和化学计量学，能快速、准确、无损地对样品做出分类，为公安基层实际办案提供帮助。     

Raman spectroscopy as process analytical tool in downstream processing of biotechnology

Downstream processing or product recovery plays a vital role in the development of bioprocesses. To improve the bioprocess efficiency, some unconventional methods are much required. The continuous manufacturing in downstream processing makes the Process Analytical Technologies (PATs) as an important tool. Monitoring and controlling bioprocess are an essential factor for the principles of PAT and quality by design. Spectroscopic methods can apply to monitor multiple analytes in real-time with less sample processing with significant advancements. Raman spectroscopy is an extensively used technique as an analytical and research tool owing to its modest process form, non-destructive, non-invasive optical molecular spectroscopic imaging with computer-based analysis. Generally, its application is essential for the analysis and characterization of biological samples, and it is easy to operate with minimal sample. The innovation on various types of enhanced Raman spectroscopy was designed to enhance the Raman analytical technique. Raman spectroscopy could couple with chemometrics to provide reliable alternative analysis method of downstream process analysis. Thus, this review aims to provide useful insight on the application of Raman spectroscopy for PAT in downstream processing of biotechnology and Raman data analysis in biological fields.     

Using principal component analysis technique in the instrumental shade sorting of textile fabrics

In the present study, the CCC shade sorting method was employed with CMC(2:1) color difference formula on the colorimetric data (CIEL*a* b*) of 37 fabric color sets. The k‐means non‐hierarchical clustering technique was also combined with the CCC shade sorting method to increase its efficiency. The results of this combined method showed a slightly better performance, as compared with the CCC method. Also, a new proposed shade sorting method by the application of principal components analysis (PCA) technique was used to identify and remove the outliers in each of the color sets. The results of separating the outliers showed that although the diameter of group criterion was improved significantly, the number of groups, the number of singleton groups, and the number of groups with low samples were increased considerably. Finally, in a second new proposed shade sorting method, PCA was used as a data reduction tool on the colorimetric data of the 37 color sets. Then, the two first principal components in combination with a k‐means clustering technique were used for the clustering of the samples in each color set. The results of this second new proposed method were found to be similar to the CCC method considering number of group and fabric consumption criteria. The second new proposed method revealed a moderately worse result, with regard to the diameter of group criterion, than the CCC method.     

代谢物组学信息挖掘的WT-HCA方法

针对现有的代谢物组学信息挖掘方法存在的问题,尝试将小波分析(wavelet analysis)与无导式模式识别手段等级聚类分析（hierarchical clustering analysis, HCA）相结合,整合小波分析在频域去噪及信息提取的能力和等级聚类分析客观性强的特点,建立了小波变换-等级聚类分析（wavelet transform-hierarchical clustering analysis, WT-HCA）方法。以文献拟南芥代谢物组数据为例,考察了所建立方法提取代谢物组信息的能力。结果表明,WT-HCA方法可以有效地提取代谢物组信息。在系统默认距离定义方案下,WT-HCA方法能将亲本两类样品完全分开,而HCA方法基本不能将样品区分开;在另一种距离定义方案（样品间距离为欧氏距离,类间距离为离差平方和距离）下,WT-HCA方法将4类样品中的3类完全正确归类,总的分类正确率达到了93.75%,显著高于HCA所得到的84.375%的总体分类正确率。     

基于种属差异性利用XRF对塑钢窗的分类研究

建立了一种对未知产品信息的塑钢窗样本的快速分类方法。利用X射线荧光光谱法（XRF）,采用手持式荧光光谱仪,以Ag作阳极靶、电压为50 kV、电流为200 μA、采集时间为70 s,对40个不同产地、不同品牌、不同用途的塑钢窗进行元素分析。依据实验结果筛选出具有种属差异性的指标元素Pb、Ti、Cl,同时依据“含量标准偏差和”,综合考虑“品牌、产地、用途”之间的相对显著性关系,实现对塑钢窗样本的分类。结果表明,该方法可对样本进行完全分类,为现场勘查所采集的检材分类提供了新模式,具有一定的实战意义。     

Analysis of composite nanofibrous layers by confocal Raman microscopy

A method for the determination of nanofibrous mats chemical composition based on Raman spectroscopy and singular value decomposition is presented. Two different composite samples – a simultaneously spun and a layer-by-layer sample – consisting of polycaprolactone and poly(ethylene) oxide were prepared by electrospinning. Using Raman mapping, we were able to determine the chemical composition in various local areas within each sample, and to distinguish and image substantial changes in the distribution of the polymers caused by various preparation parameters. The ratio between both polymers was expressed as the relative fraction of the particular chemical compound. The results were validated by the Fourier transform infrared spectroscopy. The presence of two different substances in the nanofibrous mats was also proved by scanning electron microscopy. Confocal micro-Raman spectroscopy with its chemical sensitivity and spatial resolution may be used to identify inhomogeneities in the nanofibrous materials and could be of great help in the optimization of the electrospinning process.