30

一次性口罩分类识别在法庭科学物证鉴别中具有重要意义，实验借助拉曼光谱分析技术和机器学习方法实现了口罩类别准确快速区分。实验采集来自不同地市、不同厂家生产的37种一次性口罩样品拉曼光谱数据，利用S-G平滑算法和数据归一化进行数据预处理，通过主成分分析法和拉曼光谱特征峰对照的方法划分口罩类别，进而构建基于SVM、贝叶斯判别分析、BP神经网络算法的一次性口罩分类识别模型。结果表明，SVM模型训练集的准确率为93.3%，测试集准确率为100%，贝叶斯判别分析的训练集和测试集准确率均为100%，BP神经网络的训练集准确率为93.9%，验证集准确率为60%，测试集准确率为60%，根据分类要求的严谨性和准确性，最终确定贝叶斯判别分析模型为口罩分类识别的最佳模型。实验仪器的选择和模型设计思路可为法庭科学技术物证检验提供借鉴。

刘金坤, 李春宇, 孙威, 孔维刚, 张格菲. 基于拉曼光谱和机器学习方法的一次性口罩分类识别[J]. 激光与光电子学进展, 2021, 58(10): 1.  复制并引用该论文