在恐怖袭击中,爆炸袭击为最常见的恐怖袭击方式,爆恐袭击已经严重威胁公众的日常生活,因此对爆炸物的检测越来越受到关注。通过激光诱导击穿光谱技术在空气和低气压条件下分别对RDX和TNT两种有机爆炸物进行检测,检测到原子谱线和分子谱线两种特征谱线,发现CN (421.3 nm)和C2 (516.2 nm)是有机爆炸物最有研究价值的两条谱线。研究结果表明:谱线强度与样品分子式比以及分子结构有关,分子谱线比原子谱线更具有研究价值。与空气条件相比,低气压环境下RDX的相对标准偏差由5.1 %降低到1.8 %,TNT的相对标准偏差由15.7 %降低到2.7 %,低压环境可以有效提高LIBS检测有机物光谱的分析精密度,增加光谱分析准确性,为LIBS对有机爆炸物的检测和分析精密度提高提供了帮助。
激光诱导击穿等离子体 低气压 有机爆炸物 分析精密度 laser induced breakdown of plasma depression organic explosives analytical precision 红外与激光工程
2022, 51(8): 20210720
1 中国科学院新疆理化技术研究所 新疆爆炸物安全科学自治区重点实验室,乌鲁木齐 830000
2 中国科学院大学 材料与光电研究中心,北京 100049
非制式爆炸物因原料易得、破坏性大等特点,已成为暴恐分子施爆的首选方式。目前,国内外针对光学传感2,4,6-三硝基甲苯、2,4-二硝基甲苯等制式爆炸物的研究已经相对成熟,而对于非制式爆炸物,因其具有与制式爆炸物完全不同的本征特性,如多为不挥发离子晶体、分子构型差异巨大等,难以通过光学传感制式爆炸物的原理对其分析与识别,成为国际反恐的棘手难题。因此,针对非制式爆炸物的特性,设计特异性光学传感材料、提出光学信号增强策略、建立现场识别超痕量非制式爆炸物的有效方案,是实现追踪非制式爆炸物源头、截断非制式爆炸物转移路径与炸后残留定性分析的迫切需求。本文从光学传感的本质出发,系统总结了传感材料的设计方法和比色/荧光传感非制式爆炸物模式的发展趋势,旨在为光学传感非制式爆炸物领域提供思路和借鉴。
爆炸物 单颗粒 比色 荧光 光学传感 Explosive Single microparticle Colorimetric Fluorescence Optical sensing
中国科学院安徽光学精密机械研究所, 中国科学院通用光学定标与表征技术重点实验室, 安徽 合肥 230031
针对爆炸恐怖事件预防和打击领域内的大范围开放空间下制爆运爆可疑人员衣物表面沾染爆炸物粉末检测问题, 研究基于近红外光谱的爆炸物粉末表面沾染遥测方法。 研制了一套近红外成像光谱数据采集系统, 采集了多种爆炸物粉末和沾染基底的近红外反射光谱, 制备了多个爆炸物粉末表面沾染样本。 针对表面沾染检测应用中爆炸物粉末与沾染基底近红外反射特征混叠问题, 利用近红外光谱数据处理技术构建近红外光谱解混校正模型, 去除了沾染基底信号对爆炸物粉末目标识别的干扰。 针对遥测应用中光源照射不均匀问题造成的干扰(如强光反射造成的光谱信号饱和, 光线遮挡造成阴影引起的信号微弱, 引起光谱反射率测量异常问题), 对目标校正得分图进行有效过滤避免误识别问题。 此外, 针对背景噪声较大时出现光谱预处理过度造成的误识别问题, 利用目标原始光谱反射率均值和得分图综合判别加以校正解决。 通过实验验证, 提出的方法成功解决了表面沾染特征混叠问题、 去除了遥测中光照及其他噪声因素的干扰影响, 避免了误分类, 在典型背景材质棉麻、 化纤布料基底上成功识别分类AP(高氯酸铵)、 CL-20(六硝基六氮杂异伍兹烷)、 NQ(硝基胍)、 RDX(黑索金)、 TATB(三氨基三硝基苯)、 硝娣(工业炸药)、 烟花爆竹等爆炸物粉末单质及混合物, 验证了系统及方法的有效性和可行性, 首次在实验室环境下实现了爆炸物粉末表面沾染遥测成像报警, 有效距离可达数十米, 具备一定应用价值与发展潜力。
近红外光谱 爆炸物粉末 表面沾染 识别分类 NIR Spectra Explosive powder Surface contamination Classification
1 清华大学 深圳国际研究生院 广东省偏振光无损成像与检测工程研究中心,广东 深圳 518055
2 佛山科学技术学院 物理与光电工程学院,广东 佛山 528000
3 中华人民共和国公安部 物证鉴定中心,北京 100038
爆炸犯罪杀伤群众,破坏公私财产,对公共安全造成危害。为快速侦破爆破案件,需要在爆炸现场众多残留物中识别金属,找出爆炸装置碎屑。针对在复杂背景中快速识别金属碎屑的需求,提出了一种基于线偏振成像增强金属对比的方法。基于偏振光成像的原理,搭建了两种多波长偏振图像采集装置。针对多种非金属和金属材料进行实验,发现调整入射光的线偏振角度和入射角,多波长偏振成像方法在复杂现场中可以对金属与非金属快速识别和分类。通过模拟研究了多波长下金属表面反射光的线偏振度和偏振角随入射角度变化的情况,给出识别不同金属的最佳角度和照明偏振光。进一步实验结果显示:多波长线偏振成像方法有区分不同种类金属的潜力。
复杂现场 爆炸物 金属 识别 偏振成像 complicated scenes explosive medal debris identification polarization imaging 红外与激光工程
2020, 49(6): 20201012
中国计量大学光学与电子科技学院, 浙江 杭州 310018
拉曼光谱是提供物质结信息的强有力工具。 但由于拉曼散射信号弱, 灵敏度低, 因此应用范围受到限制。 而在共振拉曼光谱(RRS)中, 由于激发光源频率落在分子的某一电子吸收带内, 分子吸收光子向电子激发态的跃迁变成了共振吸收, 因此对入射光的吸收强度大大增加。 与常规拉曼光谱相比, RRS能够提高信号强度的106倍。 因此, RRS检测技术以其更高的灵敏度和选择性而具有更广的应用, 特别是在生物学及医学等领域。 如: (1)生物基质中的类胡萝卜素和叶绿素等色素分析; (2)细胞、 蛋白质和DNA等有机物研究以及一些临床疾病诊断。 RRS可以得到在常规拉曼光谱中隐藏的、 更为重要的分子结构信息。 RRS总是在很低的浓度下测试, 且共振拉曼增强的谱线是属于产生电子吸收的基团, 这对于有色物和生物样品尤为重要。 因为很多这类样品的活性部位接近于生色基团, 且研究对象往往是生物大分子的某一部分, 所以在研究生物物质的结构和功能的关系时, RRS起着重要作用。 近年来, 由于光谱技术的发展使得RRS检测技术得到创新与延伸, 如液芯光纤共振拉曼光谱和透射共振拉曼光谱等新技术的应用。 通过对近几年有关RRS技术应用的原始论文、 数据和主要观点进行归纳整理与分析提炼, 介绍了RRS这一专题的历史背景和研究现状, 分别对共振拉曼光谱的色素检测、 生物检测和爆炸物检测等应用领域展开详细的综述, 并介绍了相关新技术的发展应用。 随着光谱技术的快速发展, RRS必将在科研领域拥有其他光谱技术不可取代的重要地位。
共振拉曼光谱 色素检测 生物检测 爆炸物检测 Resonance Raman spectroscopy Pigment detection Biology detection Explosive detection 光谱学与光谱分析
2019, 39(7): 2119
中国计量科学研究院热工计量科学研究所, 北京 100013
远程拉曼光谱技术由显微拉曼光谱分析技术发展而来,是根据拉曼散射效应远距离探测某特定物质的技术。近年来随着对远距离爆炸物 探测和对行星探测需求的提升,远程拉曼技术成为研究热点。激光器和探测器技术的提升,为远程拉曼光谱系统的研究提供了新方法。阐述了远程拉曼光谱技术的主要研究方法, 介绍了该方法所使用的实验装置。在此基础上总结了近年来提出的一些新技术,讨论了各类技术方法的使用原因及其优缺点,以便探究如何针对不同的探测目的获得更良好 的探测结果。展望了未来远程拉曼光谱技术的研究发展方向。
光谱学 拉曼远程探测 拉曼光谱技术 行星探测 爆炸物探测 spectroscopy stand-off Raman detection Raman spectroscopy planetary detection explosives detection
郑逸凡 1,2,3,4,*曾志 1,2,3曾鸣 1,2,3王学武 1,2,3赵自然 1,2,3
1 国家工程实验室, 北京 100084
2 粒子技术与辐射成像教育部重点实验室(清华大学), 北京 100084
3 清华大学 工程物理系, 北京 100084
4 瑞典皇家理工学院 物理系, 斯德哥尔摩 106 91
在集装箱安检中一个很重要的亟待解决的问题是如何有效地检测出藏在金属中的毒品和爆炸物。传统的X射线CT难以穿透较厚的金属材料,而中子CT引入了很大的放射性,其屏蔽问题是一个难点。相较之下,宇宙线缪子成像是一种有前景的非破坏性成像技术,因为缪子来源于天然的宇宙射线且有足够的能量完全穿透大型集装箱。本文研究了在可接受的测量时间内,宇宙线缪子成像方法能够在何种程度上识别毒品爆炸物与空气和金属。基于清华大学缪子实验平台TUMUTY并通过Geant4模拟宇宙线缪子与物质的相互作用,毒品爆炸物及不同金属材料的散射密度能够被重建出来。基于模式识别的SVM分类器被训练出来对这些材料进行自动识别分类。结果显示,对于边长为20 cm的不同材料的物块,在10到30 min的测量时间内,能够通过缪子成像方法识别毒品爆炸物与金属材料和本底,分类的错误率约为1%;测量时间为1 min时,分类的错误率恶化为12.9%。
缪子成像 散射密度 毒品与爆炸物 模式识别 muon tomography scattering density drugs and explosives machine learning 强激光与粒子束
2018, 30(8): 086002