基于化学计量学的橡胶颗粒红外光谱分析鉴别

摘要

本文提出了基于红外光谱,结合化学计量学快速分析及无损识别轮胎橡胶颗粒的方法。实验采集不同品牌样本的红外光谱数据,通过预处理和主成分分析,实现对840个原始特征到5个识别特征的高效筛选,基于综合考虑神经元个数和网络性能,以及模型准确度的目的,输入层选择PCA1、PCA2、PCA3、PCA4和PCA5为特征变量,采用递增方法确定隐含层神经元个数,构建径向基函数神经网络(RBF)轮胎橡胶的分类模型,最终对75个样本实现了准确率为92.0%的识别分类。结果表明,利用红外光谱和径向基函数模型可实现对轮胎橡胶样本光谱较为准确的识别与分类,其可为其他物证的鉴别与分析提供一定的参考。