基于近红外光谱的汽车车身油漆对比方法技术

基于近红外光谱的汽车车身油漆对比方法，利用汽车车身油漆的近红外光谱数据建立SIMCA识别模型，用来判断汽车车身油漆与原厂漆是否存在差异，并以此为判据判断汽车车身油漆是否修复过。

【技术实现步骤摘要】
基于近红外光谱的汽车车身油漆对比方法
本专利技术涉及一种汽车车身油漆对比方法，特别涉及一种基于近红外光谱的汽车车身油漆对比方法。
技术介绍
很多消费者因在购买二手车时发现车身局部漆膜有色差、橘皮、损坏等现象，怀疑购买车辆发生过交通事故或进行过补漆翻新，故需要对车身局部漆膜是否被重新喷涂过进行技术鉴定。那么建立一种快速、准确、无损、高通量判别汽车车身油漆是否与原厂油漆一致是亟需解决的问题。车身油漆主要由颜料、成膜物质和添加剂等组成，含有硝基树脂、环氧树脂和氨基树脂等有机化合物。车智勇等对红外光谱法在车身涂膜鉴定中的应用进行研究，通过寻找到特征吸收峰差异判定汽车车身油漆是否经过重新喷涂，但是该方法存在着复杂的样品前处理过程，工作效率低，不适用于现场操作。近红外光谱属于含氢基团化学键伸缩振动倍频和组合频吸收，同样适用于有机化合物的检测，同时近红外光谱法具有无需前处理、无破坏性和实时检测的特点，所以专利技术公开一种基于近红外光谱的汽车车身油漆对比方法。
技术实现思路
基于近红外光谱的汽车车身油漆对比方法，其特征在于：利用汽车车身油漆的近红外光谱数据建立SIMCA识别模型，用来判断汽车车身油漆与原厂漆是否存在差异，并以此为判据判断汽车车身油漆是否修复过；包括如下步骤：1）样本的近红外光谱采集及预处理：选取汽车车身油漆在900nm～2100nm波段的近红外光谱数据，通过SIMCA软件，使用一阶求导和均值中心化方法，对所采集的样本光谱数据进行降噪及基线校正处理；2）分析模型的建立：随机选用60组预处理后的涂有原厂油漆样品板的光谱数据和60组预处理后涂有非原厂油漆样品板的光谱数据作为建模样本，选择1000nm～2000nm波段范围的光谱数据，通过PCA算法选取主成分数为4，使用SIMCA算法建立识别模型；3）外部验证样本的判别归类：将外部验证样本逐一代入SIMCA识别模型中进行拟合，从而进行判别归类，并用外部验证样本的判别结果与已知结果进行比对。图1非原厂漆面与原厂漆的近红外光谱图图2经预处理后的近红外光谱图图3非原厂漆分析模型图4原厂漆分析模型具体实施方式：包括如下步骤：1）样本的近红外光谱采集及预处理：选取汽车车身油漆在900nm～2100nm波段的近红外光谱数据，通过SIMCA软件，使用一阶求导和均值中心化方法，对所采集的样本光谱数据进行降噪及基线校正处理；2）分析模型的建立：随机选用60组预处理后的涂有原厂油漆样品板的光谱数据和60组预处理后涂有非原厂油漆样品板的光谱数据作为建模样本，选择1000nm～2000nm波段范围的光谱数据，通过PCA算法选取主成分数为4，使用SIMCA算法建立识别模型；3）外部验证样本的判别归类：将外部验证样本逐一代入SIMCA识别模型中进行拟合，从而进行判别归类，并用外部验证样本的判别结果与已知结果进行比对。具体实施步骤如下一、样品处理在汽车车身板上选取一个矩形，划分为10行20列，共计200个点，已知该矩形的第1～10列上的漆为非原厂漆，第11～20列上的漆为原厂漆。二、数据采集使用波长范围为900nm～2100nm的近红外光谱仪，设置积分时间为40ms，平均次数为3次，依次采集这200个点的光谱数据。三、数据处理样本板的近红外光谱及预处理：选取汽车车身样本板在900nm～2100nm波段的近红外光谱数据，光谱图如图1所示。通过SIMCA软件，使用SG求导方法和均值中心化方法，对所采集的样本光谱数据进行降噪及基线校正处理，处理后的图如图2所示。四、分析模型的建立随机选用60组预处理后的原漆面光谱数据和60组预处理后的新漆面光谱数据作为建模样本，选择1000nm～2000nm波段范围的光谱数据，通过PCA算法选取主成分数为4，使用SIMCA算法建立分析模型，分析模型如图3、图4所示。五、外部验证样本的判别归类从剩余的80个样本中随机选取25个外部验证样本（光谱数据经过同样的预处理），逐一代入识别模型中进行判别归类，并用外部验证样本的判别结果与已知结果进行比对，对比结果如表1所示。由表1可知，这25个外部验证样本的判别归类结果均正确。本文档来自技高网...

【技术保护点】
1.基于近红外光谱的汽车车身油漆对比方法，其特征在于：利用汽车车身油漆的近红外光谱数据建立SIMCA识别模型，用来判断汽车车身油漆与原厂漆是否存在差异；包括如下步骤：/n1）样本的近红外光谱采集及预处理：/n选取汽车车身油漆在900nm～2100nm波段的近红外光谱数据，通过SIMCA软件，使用一阶求导和均值中心化方法，对所采集的样本光谱数据进行降噪及基线校正处理；/n2）分析模型的建立：/n随机选用60组预处理后的涂有原厂油漆样品板的光谱数据和60组预处理后涂有非原厂油漆样品板的光谱数据作为建模样本，选择1000nm～2000nm波段范围的光谱数据，通过PCA算法选取主成分数为4，使用SIMCA算法建立识别模型；/n3）外部验证样本的判别归类：/n将外部验证样本逐一代入识别模型中进行拟合，从而进行判别归类，并用外部验证样本的判别结果与已知结果进行比对。/n

【技术特征摘要】
1.基于近红外光谱的汽车车身油漆对比方法，其特征在于：利用汽车车身油漆的近红外光谱数据建立SIMCA识别模型，用来判断汽车车身油漆与原厂漆是否存在差异；包括如下步骤：
1）样本的近红外光谱采集及预处理：
选取汽车车身油漆在900nm～2100nm波段的近红外光谱数据，通过SIMCA软件，使用一阶求导和均值中心化方法，对所采集的样本光谱数据进行降噪及基线校正处理；
2）分析模...

【专利技术属性】
技术研发人员：江伟，张文宇，陈诗建，
申请(专利权)人：西派特北京科技有限公司，
类型：发明
国别省市：北京;11