王欣，李春雷，姜紅，劉峰，段斌

(1.中國人民公安大學(xué) 偵查學(xué)院，北京 100038；2.南京簡智儀器設(shè)備有限公司，北京 100020)

塑料作為一種常見的包裝材料，在我國食品包裝材料中的應(yīng)用量已超過食品包裝材料總量的50%，居各種包裝材料的首位[1]。在法庭科學(xué)領(lǐng)域，對現(xiàn)場殘留的食品塑料袋進(jìn)行鑒別，有利于追蹤嫌疑人的行為軌跡和生活習(xí)慣等。差分拉曼光譜是近年興起的一種物證分析手段[2-6]。其采用物理和數(shù)學(xué)相結(jié)合的熒光處理方法將基線對齊相減，所得曲線僅包含差分信息[7-8]，有效去除了熒光干擾，提供更為直觀的化學(xué)指紋圖譜。計量分析方法可將差分拉曼譜線的抽象數(shù)據(jù)轉(zhuǎn)換為可分析的信息，判別分析可起到重要作用。本實驗試將判別分析應(yīng)用于食品塑料包裝袋差分拉曼光譜的分析應(yīng)用中，以期達(dá)到特征識別和種類區(qū)分的目的。

1 實驗部分

1.1 材料與儀器

蘇小糖牛軋?zhí)堑?6個不同種類的食品塑料包裝袋，樣品信息見表1。

SEDRS Portable-Base便攜式差分拉曼光譜儀；785 nm激光光源，光源采用雙頻輸出，單頻輸出功率≤500 mW，線寬≤0.06 nm，測試波數(shù)范圍250～2 800 cm-1，積分時間設(shè)置為10 s。

表1 46種食品塑料包裝袋樣品信息Table 1 Sample information of 46 kinds of food plastic packaging bags

1.2 實驗方法

利用BP神經(jīng)網(wǎng)絡(luò)技術(shù)(BP)對樣品的差分拉曼光譜圖的基線自動進(jìn)行校正，對峰面積進(jìn)行歸一化處理，結(jié)合差分拉曼實現(xiàn)解調(diào)和去背景干擾。借助因子分析對數(shù)據(jù)降維，提取特征變量以建立判別分析分類模型[9]。

2 結(jié)果與討論

2.1 主成分分析

對46個樣品的差分拉曼數(shù)據(jù)進(jìn)行因子分析，所得總方差解釋和成分碎石圖見表2和圖1。一般來說，選擇所揭示的方差大于1的成分作為主成分。

表2 總方差解釋表Table 2 Explanation table of total variance

圖1 成分碎石圖Fig.1 Composition of gravel

由碎石圖可以直觀地看出，成分1、2、3、4包含了大部分信息，成分5開始就趨于平臺。根據(jù)總方差解釋表，前4個成分合計能夠解釋89.588%的方差，足以解釋原始差分拉曼光譜數(shù)據(jù)信息。將前4個成分作為主成分，依此構(gòu)建判別分析模型。

2.2 判別分析

針對實驗收集的46個不同來源、不同廠家的樣品，前期已通過系統(tǒng)聚類分析和Pearson相關(guān)性分析相互印證的方法將樣品分為17類[10]。以各類別先驗概率與各類樣品量應(yīng)當(dāng)呈正比作為計算目的，將組內(nèi)相關(guān)性矩陣進(jìn)行合并，各樣本的判別函數(shù)摘要見表3。

表3 判別函數(shù)摘要Table 3 Summary of discriminant function

模型構(gòu)建了4個判別函數(shù)。其中，各個函數(shù)與其分組的相關(guān)性在典型相關(guān)性和特征值中體現(xiàn)：典型相關(guān)性和特征值的值越大，代表組內(nèi)相關(guān)性越強(qiáng)，組間的差異就越大。Wilk’s Lambda表示組內(nèi)平方和與總平方和的比值。當(dāng)所有觀測的組均值相等時，Wilk’s Lambda值為1；當(dāng)組內(nèi)變異與總變異相比小時，Wilk’s Lambda值接近于0。因此，Wilk’s Lambda值越小，貢獻(xiàn)越大。Sig值是顯著性，其值越小，說明差異越顯著。由表3可知，函數(shù)1和函數(shù)2的典型相關(guān)性分別為1.000和0.991，累積方差貢獻(xiàn)率為92.2%和96.9%，表示函數(shù)1和函數(shù)2的相關(guān)性極強(qiáng)，能夠很好地解釋樣品基本特征信息。在函數(shù)檢驗中，函數(shù)1和函數(shù)2的Wilk’s Lambda和Sig值這一維度上均為0，表示其對模型影響的顯著性極高，能夠充分解釋各樣品的分類信息。

綜上所述，以函數(shù)1和函數(shù)2為判別函數(shù)建立得到分類模型，樣品的判別分析聯(lián)合分布見圖2，判別結(jié)果見表4。

圖2 聯(lián)合分布圖Fig.2 Joint distribution map

由圖2可知，17類樣品在函數(shù)1和函數(shù)2上可以實現(xiàn)區(qū)分。結(jié)合表3判別分類結(jié)果，17類樣品均實現(xiàn)了準(zhǔn)確分類，且判別正確率達(dá)100%，依據(jù)判別分析建立的分類模型可實現(xiàn)對樣品的有效鑒別。

表4 17類樣品的判別分類結(jié)果Table 4 Discriminant classification results of 17 types of samples

3 結(jié)論

常見的食品塑料包裝袋借助判別模型對樣品的差分拉曼光譜數(shù)據(jù)進(jìn)行數(shù)理分析，實現(xiàn)了準(zhǔn)確率達(dá)100%的鑒別分類。解決了普通拉曼光譜受基質(zhì)噪聲影響大和復(fù)雜成分分析繁瑣的問題，該方法的建立為其他微量物證檢驗分析提供了新的思路，為公安機(jī)關(guān)實際辦案提供了一種新的分析途徑。