基于可见近红外光谱技术的车蜡品牌无损鉴别方法研究

　　本研究应用了400-1000nm的高光谱相机，可采用杭州彩谱科技有限公司产品FS23进行相关研究。FigSpec?系列成像高光谱相机采用高衍射效率的透射式光栅分光模组与高灵敏度面阵列相机、结合内置扫描成像及辅助摄像头技术，解决了传统高光谱相机需外接推扫成像机构及调焦复杂等难以操作的问题。可与标准C接口的成像镜头或显微镜直接集成，实现光谱影像的快速采集。

　　近年来，随着汽车工业的蓬勃发展，汽车保有量急剧增加，爱车族都在提高车子的外在品质上下功夫，给自己的爱车穿上一件光鲜亮丽的“衣裳”。汽车打蜡能够有效地保护漆面，延长汽车壳体的使用寿命，并使车辆外表光亮美观。车蜡是一种由蜡、表面活性剂、溶剂等组成的化合物，易于附着在汽车涂层表面，能增加汽车涂层的光泽度及耐磨性。大量实践证明，高品质的车蜡可以上光、防水、抗高温、防静电、防紫外线、研磨抛光作用，车蜡除了具有上述作用外，还具有防酸雨、防盐雾等作用，既可以汽车美容又可以提高汽车的实用价值。

　　本研究采用可见-近红外光谱技术开展了车蜡品牌的快速无损鉴别方法研究。研究采用连续投影算法（SPA）选取对品牌鉴别最为重要的特征波长，以减少模型输入变量个数和计算复杂程度。进一步分别采用线性判别分析（LDA）和最小二乘支持向量机（LLS-SVM）建立车蜡品牌的定性判别模型，并比较两类模型之间的鉴别能力，从而实现快速、无损、低成本、大批量的车蜡不同品牌间的鉴别，为汽车的保养与美容单位，国家质监部门以及普通消费者提供一种快速获取车蜡品质信息的新方法，避免非法商贩以次充好，规范市场秩序，推动车蜡市场的健康有序地发展。

　　探讨了可见-近红外光谱技术对车蜡不同品牌识别的可能性。基于LDA分类器的车蜡识别模型的预测集准确率为84%，而采用LS-SVM分类器可以将识别模型准确率提高到97%。进一步通过SPA方法从全光谱751个波段中选择了7 个特征波长变量，这7个波长分别是351，365，401，441，605，926和980 nm。基于特征变量建立的LS-SVM模型分类准确率与全波段一样为97%，SPA-LS-SVM模型的变量数减少了99.07%，大大减少了数据量和计算复杂度，缩短了计算时间。因此，基于SPA-LS-SVM的识别模型能从可见-近红外光谱中提取有效信息，并用于不同品牌车蜡的识别。

　　上述研究结果表明，利用先进的光谱分析技术和数据挖掘算法可以实现车蜡品牌信息的快速识别。该方法具有使用简单、快速、准确等特点，可以大大的降低人力成本和物力的浪费。