首页|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射线荧光光谱法结合HCA-PCA-BPNN实现塑料快递包装袋识别分类

扫码查看
原文链接
  • 万方数据
  • 维普
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.
Identification and Classification of Plastic Express Bags by X-ray Fluorescence Spectrometry Combined with HCA-PCA-BPNN

陈壮、姜红、罗鸿斌、金虹毅

展开 >

甘肃政法大学司法警察学院 公安分院), 甘肃 兰州 730070

中国人民公安大学侦查学院, 北京 100038

甘肃政法大学人工智能学院, 甘肃 兰州 730070

塑料快递包装袋 X射线荧光光谱法 层次聚类 主成分分析 BP神经网络

甘肃省自然科学基金甘肃政法大学引才专项(2020)甘肃政法大学司法鉴定中心重点项目

20JR5RA172gszf2020xyc004jdzxyb2018-08

2022

10.3969/j.issn.1005-5770.2022.11.024

塑料工业
中蓝晨光化工研究院有限公司

塑料工业

CSTPCDCSCD北大核心
影响因子：0.685
ISSN：1005-5770
年,卷(期)：2022.50(11)
  • 3
  • 15