重质矿物油的检验分析在交通肇事案件处理过程中具有重要作用。为了实现对重质矿物油种类的准确区分,本文采集了汽机油、柴机油、润滑脂、齿轮油和液压油5种重质矿物油共计120份样本的红外光谱和拉曼光谱数据,结合光谱融合的相关方法,建立了基于支持向量机(SVM)的重质矿物油分类判别模型。实验结果表明:使用单一光谱数据进行建模分类的准确率较低;对初级光谱融合数据进行建模分析时,5种重质矿物油的分类识别准确率稍高于前者,最高可达75%;使用中级光谱融合数据结合主成分分析建模能够实现5种重质矿物油的完全区分,在26维矩阵上特征提取得最好,分类识别率为100%。使用光谱数据融合结合SVM建模分析,能够实现重质矿物油的完全区分,该方法提高了检验鉴定效率,能够满足公安机关提出的快速、准确的检验要求,为基层民警处理相关案件提供了理论支撑和方法参考。

重质矿物油是案发现场常见的微量物证之一, 快速准确的区分重质矿物油种类可以为案件侦破提供方向, 缩小侦查范围。本文采用傅里叶变换红外光谱法和拉曼光谱法对69个重质矿物油样本进行了分析研究, 发现不仅不同种类的重质矿物油谱图存在差异, 相同种类不同厂家的重质矿物油谱图也有区别。研究结果表明, 联合使用红外光谱法和拉曼光谱法可以较好地对重质矿物油样本进行区分, 效果良好。