1 重庆大学软件学院, 重庆 401331
2 重庆大学新型微纳器件与系统技术国家重点学科实验室, 重庆 400044
3 重庆大学化学化工学院, 重庆 401331
多物种血液鉴别对于进出口检验检疫、 刑事侦检以及野生动物保护等领域尤为重要。 传统的血液鉴别方法, 在鉴别时常常会对血液样本造成破坏, 而Raman光谱作为一种振动光谱可获得物质分子振动、 转动信息, 进而分析物质组成, 为无损血液鉴别技术提供了可能。 目前, 已经有基于Raman光谱进行血液鉴别的报道, 但存在如下两个问题: 单一物种样本数量较少, 易导致模型欠拟合; 均采用线性分类模型, 忽略了光谱中非线性因素的影响, 降低了模型的分类性能。 因此, 将支持向量机沿用至Raman光谱血液鉴别中, 克服了线性模型只能为光谱中线性关系建模的缺点, 有效地吸收了Raman光谱中的非线性关系, 实现了对人、 犬及兔血液的三分类。 实验通过激发波长为785 nm的海洋Raman光谱仪测得共326例样本数据(人110例、 犬116例、 兔100例), 利用Savitzky-Golay平滑滤波、 加权最小二乘多项式拟合基线以及矢量归一化等方法对Raman光谱数据进行预处理, 并选择2/3的样本数据作为校正集用于模型训练, 余下1/3作为测试集用于盲测。 与线性分类模型对比实验结果显示, 该模型的校正集分类正确率达100%, 盲测集分类正确率达9352%, 均优于线性分类模型。 实验结果表明, 基于支持向量机的分类模型可以用于Raman血液光谱鉴别, 具有重要的研究价值和广泛的应用前景。
血液 Raman光谱 分类模型 支持向量机 Blood Raman spectrum Classification model Support vector machine
