Vol. 35，No. 1
Jan.，2021
第 35 卷 第 1 期2021年1月
中国塑料
CHINA PLASTICS
基于PCA-LDA 的车用保险杠显微激光拉曼光谱模式分类
邱薇纶1，周燕舞2，石孟良2
(1.湖南警察学院刑事科学技术学系，长沙410138；.湖南省湘潭县公安局刑侦大队，长沙411228)
摘要：为实现对案发现场车用保险杠物证快速、无损、准确的分类与识别，提岀了一种显微激光拉曼光谱分析技术结
合多元建模用于车用保险杠模式分类方法。选择自动基线校正、峰面积归一化、Savitzky-Golay 平滑(3次多项式，7点 平滑)作为预处理方法，借助主成分分析和线性判别分析构建分类模型。结果表明，
前27个主成分下，除了奥迪品牌的 2个样本被误判在了广汽品牌的样本当中，其他不同品牌的样本均实现了 100. 00 %的准确区分，总体分类准确率为 95. 24 % ，分类效果较为理想；针对实际案件中的未知样本，借助该方法确定其属于别克品牌，这与实际案件中物证信 息相吻合；利用显微激光拉曼光谱分析技术多元建模分析可实现对不同品牌保险杠样本准确的识别与分类，可为微量 物证鉴定方面的相关研究提供一定的思路与参考。
关键词：显微激光拉曼光谱；车用保险杠；主成分分析；线性判别分析；分类中图分类号：O433.4
文献标识码：B 文章编号：1001-9278(2021)01-0078-06
DOI ： 10. 19491/j. issn. 1001-9278. 2021. 01. 013
Classification of Vehicle Bumpers Through Micro-laser Raman Spectroscopy Based
on PCA-LDA
QIU Weilun 1，ZHOU Yanwu 2，SHI Mengliang 2
(1. School of Forensic Science , Hunan Police College , Changsha 410138, China ；2. Criminal Investigation Brigade of Xiangtan County
Public Security Bureau ，Changsha 411228，China )
Abstract : The method based on micro laser Raman spectroscopy and multivariate modeling was proposed to realize the
fast ， non destructive and accurate classification of vehicle bumpers in the forensic science. The automatic baseline correc
tion ，peak area normalization ，and Savitzky-Golay smoothing (3rd degree polynomial ，7-point smoothing )were selected
for pre processing. A classification model was constructed through principal component analysis and linear discriminant analysis. The results indicated that the overall classification accuracy rate was 95. 24 % as an ideal result. For the un
known sample in the actual case ， this method was used to determine the brand as Buick ， which was consistent with the
real result. A micro laser Raman spectroscopic analysis technology and multivariate modeling methods can realize the classification of different brands of vehicle bumpers exactly. This can
provide a certain reference for the relevant research
in the trace evidence identification.
Key words : micro laser Raman spectroscopy ； vehicle bumper ； principal component analysis ； linear discriminant analysis ；
classification
0 前言
在我国交通肇事故时有发生，因其引起的交通肇
事逃逸等案件屡见不鲜。对一线执法人员而言，及时
有效确定（或排除）肇事车辆，追查并锁定嫌疑人成为 日常工作的重点之一。执法人员在案发现场往往会发 现并提取到车用保险杠碎片这一痕量物证，同时也能 够在受害人衣物、被撞车辆和肇事车辆等被撞部位提
取到遗留的保险杠碎片。对这些痕量物质开展检验分
捷达2013款报价
析，侦查人员可以获取其成分、品牌和生产厂家等相关 信息，实现对在受害人衣物、被撞车辆和肇事车辆等被 撞部位遗落物证的同一认定，进而为事故责任的认定 提供一定的证据线索，为案件证据链的闭合提供一定
的依据[2]°
车用保险杠的有机成分主要为聚丙烯，无机成分
则主要是滑石粉和碳酸钙⑴。目前，对保险杠材料的研 究主要集中于其性能和成型工艺方面的研究[3 4]°在法 庭科学研究领域，针对车用保险杠物证的检验分析相
收稿日期：2020 07 27 联系人,915177230@qq. com
2021年1月基于PCA-LDA的车用保险杠显微激光拉曼光谱模式分类-79-
对较少，且主要借助红外光谱分析技术开展相关的研究工作。何欣龙等［1］借助红外光谱分析技术和聚类分析等方法对31款车型的汽车前保险杠碎片信息进行了解读和分析，实现了品牌间92.5%的分类正确率。宋小娇⑵对通过测定51个汽车保险杠塑料样品红外光谱特征峰面积的比值实现对不同品牌和厂家样品之间的区分，但其特征峰的选择依赖于人为判断，不免有一定的主观误差且相对费时费力。
显微激光拉曼光谱分析技术(micro-laser Raman spectroscopy,MLRM)作为一种原位无损检验技术，具有分析速度快、所需检材量少、空间分辨率高、抗干扰强等诸多优点［5］，在地球科学［67］，文物考古［810］、药物分析［1113］等领域均有一定应用。在法庭科学领域主要集中于对打印添改文件的检验研究［14］，而在痕量物证检验方面应用较少。林建成等［14］采用显微激光拉曼光谱技术彩激光打印机打印文件墨迹进行了研究，为打印文件的分类提供了一种无损、便捷的检验方法。
基于测量数据，构建分类模型，实现对物证理化检验结果的信息化与可视化，为一线侦查人员提供科学准确的证据和线索，是当下法庭科学领域的研究热点之一。目前，国外研究相对较多，在分析［15］、射击残留物区分［16］、纺织纤维［17］等方面均有相关报道，国内相关报道较少。
奔驰吉普车鉴于此，本文借助显微激光拉曼光谱分析技术结合主成分分析(principal component analysis,PCA)和线性判别分析(linear discriminant analysis，LDA)开展对车用保险杠物证的分类与识别，从而实现快速无损、准确有效的检验目的，对物证理化检验结果的信息化与可视化，为案发现场车用保险杠物证的检验鉴定提供一定的借鉴，为显微激光拉曼光谱分析技术在微量物证分析方面的应用提供一定的参考，为多元建模分析在法庭科学领域的应用提供一定的方向。
1实验部分
1.1实验样本
从市场上收集常见的奥迪等9种不同品牌、不同生产厂家共计42份样本(表1)°
表142个样本的基本信息
Tab.1Details of the42samples
序号品牌厂家样本
A奥迪大众汽车有限公司奥迪1，奥迪2，奥迪3，奥迪4，奥迪5，奥迪6infiniti g35
B福克斯长安汽车公司福克斯-1，福克斯-2
C轩逸东风日产公司轩逸1，轩逸2，轩逸3，轩逸4
D雪铁龙神龙汽车公司雪铁龙1，雪铁龙2，雪铁龙3，雪铁龙4，雪铁龙5
E奇瑞奇瑞汽车公司奇瑞1，奇瑞2，奇瑞3
F别克上海通用汽车公司别克1，别克2，别克3，别克4，别克5
G北京现代现代汽车公司北京现代1，北京现代2，北京现代3
H广汽本田汽车公司广汽1，广汽2，广汽3，广汽4，广汽5，广汽6，广汽7，广汽8，广汽9 I雪佛兰通用汽车公司雪佛兰1，雪佛兰2，雪佛兰3，雪佛兰4
1.2主要设备及仪器
显微激光拉曼光谱仪,Nicolet Almega XR，空间分辨率1pm，共聚焦深度剖析分辨率2pm，光谱分辨率2cm-1，激光光源780nm，分光光栅1800line/mm，波长能量2.0mW，扫描时间8s，曝光次数4，光谱测量范围3000~200cm1，物镜倍数X50，美国Thermo Fisher 公司。
1.3光谱预处理
选择自动基线校正、峰面积归一化、Savitzky-Golay 平滑(3次多项式，7点平滑)1819］预处理各样本的拉曼光谱图，以消除在光谱测量过程中由于仪器自身原因等引起的光谱基线漂移和高频噪音等现象。2结果及分析
2.1样本显微激光拉曼光谱图解析
42个样本显微激光拉曼光谱图见图1。由图1可知,2个样本在峰的位置，峰的总体走向以及峰的形状基本一致，无明显差别；在峰的高度和面积方面存在一定差异。这表明不同品牌和生产厂家的车用保险杠在成分和含量方面是存在一定差异的，这种差异可以通过显微激光拉曼光谱技术获取并展现出来。
部分样本在波数为2950cm-1和2915cm-1有峰，为一CH3不对称伸缩振动和一CH不对称伸缩振动；在波数为2868cm-1和2850cm-1有峰，为一CH3对称伸缩振动和一CH?对称伸缩振动；在波数为1456cm-1和
・80・中国塑料
•n .w
樫議.AX
吳
2 800 2 400 2 000 1 600 1 200 800
400 0
拉曼位移/cm-1
图1 42个样本的显微激光拉曼光谱图
Fig. 1 Micro-laser Raman spectra of the 42 samples
1 376 cm -1有峰，为一CH 2—弯曲振动和一CH 3对称变 形振动，这表明样本中含有聚丙烯。部分样本在
1016 cm -1处有峰，即Si —O 伸缩振动，表明其中含有 滑石粉。部分样本在波数为876 cm -1处有峰，是碳酸
根离子面外变形振动，表明含有碳酸钙。
2. 2主成分分析模型
借助显微激光拉曼光谱分析技术，实验获取了各 样本较为丰富的光谱信息，这为多元建模分析提供了
较为充足的实验数据，但其中也含有大量的冗余和无 用信息，这会增加模型的计算时间，影响分类模型对各
样本的准确识别，降低模型的精度和可靠性。因此提 取有效信息，剔除冗余和无用信息就显得较为重要。
实验选择主成分分析(PCA )开展对各样本光谱信息的 筛选和提取，得到了不同主成分的方差贡献率结
果(图 2)。
40
图2不同主成分的方差贡献率
Fig. 2 Variance contribution rate of different principal
components
方差贡献率是度量主成分对于原变量的解释能
力，累积方差贡献率即各成分对因变量的累积影响力
大小，是选择有效主成分的重要依据[20], 一般选择累计 方差贡献率为85.00 %的主成分开展分类研究工
作[21-23]
o
由图可知，主成分1的方差贡献率为
33. 06 %，即主成分1包含了原始数据33.06 %的基本 信息；主成分2的方差贡献率为21. 78 %，其包含了原
始数据21.78 %的基本信息；主成分3的方差贡献率为
15. 06 %，其包含了原始数据15.06%的基本信息。前
5个主成分累计方差贡献率为85. 07 %，即包含了原始 数据85.07 %的基本信息。
图3为不同主成分下构建的线性判别分析模型对
样本的分类准确率，由图可知，前5个主成分对各品牌 样本的分类准确率最低(43.9 %)
o
分析认为，前5个
主成分累计方差贡献率只有85.07 %，丢失了原始数 据14. 93 %的基本信息，这降低了模型对各样本的区
分能力。随着主成分的增多，各样本的分类准确率逐
渐提高，线性判别分析模型对各样本的区分能力逐渐 增强。前27个主成分下，线性判别模型对样本的区分江淮瑞风柴油版报价
准确率达到了 95. 24 %，仅有奥迪品牌的两个样本被 误判在了广汽品牌的样本当中，分类效果较为理想。 分析认为，前27个主成分的累计方差贡献率为
99. 84 %，其包含了原始数据99. 84 %的基本信息，仅 仅丢失了0.16%的原始信息。因此，在提取有效成分
时仅以85.00 %为标准存在一定不妥，需进一步讨论 不妥主成分个数时模型的区分能力，从而到最佳的
主成分。基于此，实验选择前27个主成分，借助线性判 别分析构建分类模型。
r
0090
807060
50
%
、<；煖更粼
敬图3不同主成分时样本分类准确率
Fig. 3 Classification accuracy of samples with different principal
components
2.3线性判别分析模型
图4为前27个主成分构建的线性判别分析模型分
动车速度类图。其中线性判别函数:LDF1=0. 9易-2. 687忑+ 11. 852©+10. 285如一25. 671x 5—15. 082x 6—5.146x 7+
17. 61x 8—18. 834x 9+22. 03x 10+5. 126x 11+17. 97x 12+
13. 589x 13—28. 675x 14—9. 425x 15+15. 423x 16—4. 344x 17— 5. 36x 18-2. 507x 19+14.202x o ； LDF2=9. 527x ]+0.922x 2-
10. 356x 3+2. 009x 4+9. 882x 5—1. 727x 6+0. 023x 7
+
2021年1月基于PCA-LDA的车用保险杠显微激光拉曼光谱模式分类・81・
4.636x8+3.51x9+10.46x10+0.34X U+2.729x i2—0.643x13—3.227x14—0.459x15—0.936x16—0.398x17—1.144x18+
0.99x19+3.29x20；LDF3=0.983x1+0.387x2+1.953x3+
1.471x4+0.9x5—0.643x6—1.752x7+0.661x8—0.41x9+ 0.019x10+0.283x11+0.063x12+1.541x13+0.051x14+
2.801x i5—0.455x16—2.099x17+1.。女更一0.736x g—1.933x2)°
■奥迪«福克斯▲轩逸
▼雪铁龙♦奇瑞<；别克
►北京现代•广汽•雪佛兰
图4线性判别分析模型空间分类图
Fig.4Spatial classification detail from linear discriminant
analysis model
由图4可知，不同品牌间的样本是具有明显差异的。在空间分类图中，除了奥迪品牌的2个样本被误判在了广汽品牌的样本中，其他不同品牌的样本均实现了100.00%的准确区分。其中，奇瑞品牌和福克斯品牌的样本与其他样本间的差异最大，分布最为分散。轩逸品牌、别克品牌和北京现代品牌的样本彼此间差异相对较小，分布相对集中。奥迪品牌和广汽品牌的样本彼此间差异较小，分布较为集中。这表明，不同品牌间的车用保险杠样本是具有一定差异的，借助线性判别分析模型，可实现对其差异的解读和量化。值得注意的是，实验数据是否线性可分对后期模型的分类效果影响较为显著，因此建立多分类模型，实现更为全面合理的分类十分有意义。本实验数据满足线性可分，因而借助LDA可有效实现对各样本品牌间的准确区分。为进一步验证这一结论，实验也同样选用了支持向量机方法(support vector machine,SVM)24］开展对各样本品牌间的区分工作，其准确率仅为66.7%°2.4实际案例应用
X年X月X日，x地发生一起交通肇事逃逸案件，当地公安机关送来一份遗留在现场的物证碎片，要求进行分析检验。按上述实验方法，采集物证碎片的显微激光拉曼光谱信息(图5)，同时借助主成分分析和线性判别分析进行建模，以识别其所属品牌，得到了该物证在线性判别分析模型空间的分布情况(图6)°
280024002000160012008004000
拉曼位移/cnri
图5未知样本的显微激光拉曼光谱图
曝光查询Fig.5Micro laser Raman spectra of unknown sample
■奥迪•福克斯▲轩逸
▼雪铁龙♦奇瑞<；别克
►北京现代•广汽•雪佛兰
凑未知样本
图6未知样本线性判别空间分类结果
Fig.6Unknown sample's spatial classification detail from linear
discriminant analysis model
由图5可知，未知样本在波数为2950、1375、1455、1015.875cm-1处均有峰，初步推断该物证含有聚丙烯、滑石粉和碳酸钙。由图6可知，该物证属于别克品牌的样本。这与实际案件中物证信息相吻合。
3结论
(1)利用显微激光拉曼光谱分析技术结合主成分分析和线性判别分析，实现了对车用保险杠样本快速、无损、准确的分类与识别，实验结果较为理想；为案发
-82-中国塑料
现场车用保险杠物证的检验鉴定提供了一定的借鉴和参考，也为显微激光拉曼光谱分析技术在微量物证分析方面的应用提供一定的参考，为多元建模分析在法庭科学领域的应用提供一定的思路；
(2)不同品牌和生产厂家的车用保险杠在成分和含量方面是存在一定差异的，这种差异可以通过显微激光拉曼光谱技术获取并展现出来；借助多元建模分析，将不同样本间的差异性更为直观的表达出来，这比直接通过拉曼谱图比对得到的分类结果更加科学、准确；
(3)今后将进一步针对性收集样本，同时建立多种分类模型，从而实现不同品牌以及同一品牌不同批次样本的区分与识别工作。
参考文献：
[1]何欣龙，刘文浩，王继芬.红外光谱结合多元统计学检验
汽车前保险杠[J].光散射学报,2018,30(01):70-76.
HE X L,LIU W H,WANG J F.Infrared Spectroscopy
Combined with Multivariate Statistics to Examine the Front
Bumper of the Car[J].Journal of Light Scattering,2008,
30(01)：7076.
[2]宋小娇.红外光谱技术检验汽车保险杠塑料[J].工程塑
料应用,2017,45(09)：105110.
SONG X J.Inspection of Bumper Plastics by Infrared Spec
troscopy[J].Engineering Plastics Applications,2017,45
(09)105110.
[3]孟正华，许欢，郭巍，等.汽车废旧塑料物理改性再生
技术研究进展[J]中国塑料,2017,31(08):105-111.
MENG Z H,XU H,GUO W,et al.Research Progress
on Physical Modification and Regeneration Technology of
Automotive Waste Plastics[J].China Plastics，2017，31
(08):105111.
[4]李又兵，胡学川，李查，等.某汽车前保险杠顺序注射成
型模具设计[J].中国塑料,2017,31(02):108-111.
LI Y B,HU X C,LI C,et al.Design of Sequential Injec
tion Molding Mould for Front Bumper of An Automobile
[J].China Plastics,2017,31(02)108111.
[5]王继芬，余静，唐林佩，等.显微拉曼光谱法对微量洗衣
粉的区分检验研究[J]光散射学报,2014,26(02):170
174.
WANG J F，YU J，TANG L P，et al.Study on the Identi
fication and Inspection of Micro Washing Powder by Raman
Spectroscopy[J].The Journal of Light Scattering，2014，26(02):170174.
[6]LI R，ZHAO B，GUO H，et al.Quantitative Measure
ment of Carbon Isotopic Composition in CO2Gas Reservoir
by Micro Laser Raman Spectroscopy[J].Spectrochimica
Acta Part A:Molecular and Biomolecular Spectroscopy，
2018，195:191198.
[7]李荣西，王志海，李月琴.应用显微激光拉曼光谱分析单个
流体包裹体同位素[J]•地学前缘,2012,19(04):135-140.
LI R X,WANG Z H,LI Y Q.Analysis of Isotopes of Sin
gle Fluid Inclusions by Microlaser Raman Spectroscopy [J].Frontiers of geology,2012,19(04):135140.
[8]司艺，蒋洪恩，王博，等.新疆阿斯塔那墓地岀土唐代
木质彩绘的显微激光拉曼分析[J].光谱学与光谱分析，2013,33(10):26072611.
SI Y,JIANG H E,WANG B,et al.Microscopic Laser Raman Analysis of Tang Dynasty Wooden Painting Un
earthed from Astana Cemetery in Xinjiang[J].Spectrosco
py and spectral analysis,2013,33(10):26072611.
[9]何秋菊，李涛，施继龙，等.道教人物画像颜料的原位无
损分析[J].文物保护与考古科学，2010,22(03)：61-68.
HE Q J,LI T,SHI J L,et al.In Situ Nondestructive Analysis of Pigments for Taoist Portraits[J].Science of Cultural Relics Protection and Archaeology,2010,22
(03)：6168.
[10]侯鲜婷.唐代彩绘镇墓兽的激光显微共焦拉曼光谱分析
[J].自然与文化遗产研究,2019,4(07)：96-99.
HOU X T.Laser Microscopic Confocal Raman Spectro
scopic Analysis of Painted Tomb Preserving Animals in
Tang Dynasty[J].Nature and Cultural Heritage Re
search,2019,4(07)：9699.
[11]石云峰，杨伟峰，杨丽珍，等•激光显微共聚焦拉曼光谱
研究卡马西平片晶型及其判别模型的建立[J].中国药学
杂志,2016,51(19)：16901694.
SHI Y F,YANG W F,YANG L Z,et al.Study on the
Morphology and Discriminant Model of Carbazepine Tab
lets by Laser Confocal Raman Spectroscopy[J].Chinese
Journal of Pharmacy,2016,51(19)：16901694.
[12]钟会清，张武，侯雨晴，等•激光共焦显微拉曼光谱技
术在人舌鳞癌细胞检测中的应用[J].中国医学物理学杂
志,2017,34(07)：753756.
ZHONG H Q,ZHANG W,HOU Y Q,et al.Applica
tion of Laser Confocal Microscopic Raman Spectroscopy
in the Detection of Human Tongue Squamous Cell Carci
noma[J].Chinese Journal of Medical Physics,2017,34
(07)：753756.
[13]杨伟峰，杨丽珍，石云峰，等•激光显微共聚焦拉曼光谱
研究硫酸氢氯吡格雷片晶型及其判别模型的建立[J].药
物分析杂志,2014,34(08)：14611464.
YANG W F,YANG L Z,SHI Y F,et al.Laser Confo
cal Raman Spectroscopic Study of Clopidogrel Sulfate and
Its Discriminant Model[J].Chin J Pharmacol Analys,
2014,34(08)：14611464.
[14]林建成，梁鲁宁，黄建同，等.显微激光拉曼光谱技术检
验彩激光打印机打印文件墨迹的实验研究[J].光散射
发布评论