关键词:
纸质包装盒
傅里叶变换红外光谱法
Pearson卡方检验
朴素贝叶斯分类
随机森林模型
XGBoost分类
摘要:
目的建立一种高效准确的红外光谱检验纸质包装盒的研究方法。方法利用傅里叶变换红外光谱仪测得了56个不同类型不同来源的纸质包装盒的红外光谱数据;根据纸盒主要填料的不同,将样品初步分为三大类;利用主成分分析对初步分类后的数据降维,提取出4个主成分,再利用系统聚类将样品最终分为6组,使用K-means聚类算法结合Pearson卡方检验进行验证,与最终分类的结果基本吻合。基于该分组,训练朴素贝叶斯分类、随机森林模型、XGBoost分类3种判别模型,实现对新样品组别的分类预测。结果56个快递包装纸盒样品被分为3类,而后进一步细分为6组,3种判别预测模型均有较高的准确率,其中随机森林模型的准确率最高。结论该方法快速方便地实现了对样品的区分,并且可以实现无损检验,为犯罪现场纸质包装盒的鉴别提供依据,从而为公安侦查工作的开展提供帮助。