建立了可用于甲基苯丙胺、 氯胺酮、 海洛因、 可卡因快速定性鉴定分析的衰减全反射-傅里叶变换红外光谱(ATR-FTIR)方法, 采用特征吸收峰作为定性判别依据。 长期以来, 由于缺乏合适的定性判别依据, 红外光谱法仅被用于毒品的快速定性筛查分析。 为扩大红外光谱法在禁毒领域的应用, 收集并分析了1 380份各类缴获毒品样品, 对特征吸收峰法和簇类独立软模式法(SIMCA)两种定性判别方法进行了考察和比较。 在标准品化合物红外光谱图的2 500~650 cm-1范围内挑选5~8个相对吸收强度较高且不受常见掺杂物干扰的吸收峰作为特征吸收峰。 采用特征吸收峰法(全部特征吸收峰均检出)作为定性分析依据时, 646份验证样品的阳性检出率为98.1%。 采用516份建模样品建立了不同盐型毒品的SIMCA定性判别模型, 并对646份验证样品进行了定性分类, 总识别率为95.4%, 拒绝率为100%。 结果表明, 特征吸收峰法和SIMCA法均具有专属性强、 定性结果准确可靠的特点; 但特征吸收峰法操作简单, 即使是没有红外光谱知识背景的一线民警在经过简单培训后也可掌握, 利于推广和普及; 而SIMCA模型的建立需要大量有代表性的建模样品和专业的数理统计软件, 推广和普及难度较大。 基于特征吸收峰的ATR-FTIR法将极大提高我国毒品样品定性检验的鉴定效率、 降低检验鉴定成本。

木材的种类识别是木材加工和贸易的一个重要环节, 传统的木材种类识别方法主要有显微检测法和木材纹理识别法, 其操作繁琐, 耗时长, 成本高, 不能满足当前需求。 本研究利用木材的近红外光谱（NIRS）结合模式识别方法, 以期实现木材种类的快速准确识别。 采用近红外光谱结合主成分分析法（PCA）、 偏最小二乘判别分析法（PLSDA）和簇类独立软模式法（SIMCA）三种模式识别对58种木材进行种类鉴别研究; 5点平滑、 标准正态变量变换（SNV）、 多元散射校正（MSC）、 Savitzky-Golay一阶导数（SG 1st-Der）和小波导数（WD）五种光谱预处理方法用于木材光谱的预处理; 校正集和测试集样品的正确识别率（CRR）用于模型的评价。 采用PCA方法, 通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。 在建立PLSDA模型, 原始光谱的正确识别率最高, 分别为88.2%和88.2%; 5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%; SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%; MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%; SG 1st-Der处理的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD（小波基为“Haar”, 分解尺度为80）处理的光谱校正集和测试集的CRR分别为87.3%和87.2%。 可知, 在PLSDA模型中, 木材光谱未经预处理种类识别效果最后好。 在建立SIMCA模型过程中, 原始光谱的校正集和测试集的CRR分别为99.7%和99.4%; 5点平滑处理的光谱校正集和测试集的CRR分别为100%和100%; SNV处理的光谱校正集和测试集的CRR分别为99.5%和99.1%; MSC处理的光谱校正集和测试集的CRR分别为99.0%和98.4%; SG 1st-Der的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD处理的光谱校正集和测试集的CRR分别为100%和100%。 可知, 在SIMCA模型中, 木材光谱经平滑和小波导数处理后的识别效果最好, 且光谱的校正集和测试集CRR都为100%。 采用三种模式结合五种不同的预处理方法对木材近红外光谱进行定性建模识别时, 由于木材样本属性复杂, 主成分分布图相互交织, PCA无法识别出58种木材; 原始光谱的PLSDA模型可以得到较好的判别模型, 但校正集和测试集的CRR只有88.2%和88.2%; 木材光谱经过5点平滑或WD预处理后的SIMCA模型可达到最好的识别效果, 校正集和测试集的CRR均为100%, 且WD-SIMCA模型因子数比5点平滑SIMCA模型小, 模型更为简化, 故WD-SIMCA为58种木材种类识别的最优模型。 研究表明光谱预处理方法可以有效的提高木材种类识别精度, 有监督模式识别方法SIMCA可以用来建立有效的木材识别模型, 近红外光谱结合模式识别可以为木材种类的识别提供一种快速简便的分析方法。