拉曼光谱结合Ｋ均值法检验手帕纸包装袋的研究

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，ZGGA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，Z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GX鉴定，分类成功率达97.14%。

该方法操作简便、极ng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GA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：

该成果近期以“拉曼光谱结合Ｋ均值法检验手帕纸包装袋的研究”为题发表在期刊上，该工作由ZGGA大学姜红课题组完成，论文链接如下：http://www.cnki.com.cn/Article/CJFDTotal-GSSX201902009.htm。

本研究采用的是北京卓立汉光仪器有限公司 Finder Insight 便携式拉曼光谱仪，如需了解该产品，欢迎咨询我司。 

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。

Z终解释权归北京卓立汉光仪器有限公司所有