红外光谱法对鞋油的快速鉴别分析
1. 引言
1.1 鞋油物证的重要性
1.1.1 鞋油物证的普遍性
- 在犯罪现场，鞋油物证可能出现在各种基底上，如墙壁、纺织品、地毯等，与犯罪嫌疑人或被害人直接关联。
- 鞋油物证的分析有助于缩小侦查范围，锁定犯罪嫌疑人或被害人。
1.1.2 鞋油物证的特性
- 鞋油物证具有量少、不完整和隐蔽性强的特点。
- 鞋油物证的分析需要一种快速、准确的方法。
1.2 鞋油物证分析方法概述
1.2.1 红外光谱法在鞋油物证分析中的应用
- 红外光谱法具有非破坏性、快速和高灵敏的特点，适合鞋油物证的分析。
- 红外光谱法可以同时获取多种化学成分的信息，具有独特的优势。
1.2.2 化学计量法在鞋油物证分析中的应用
- 化学计量法是一种通过数据处理分析来描述预测目标与相关变量之间化学结构关系的方法。
- 化学计量法可以对红外光谱数据进行降维，获取有效化学信息，实现对鞋油的快速分类和鉴别。
2. 鞋油研究方法及其进展
2.1 鞋油概述
2.1.1 鞋油的成分
- 鞋油主要由蜡、染料和溶剂组成。
- 蜡是鞋油的主要成分，通常采用蜂蜡或者石蜡。
- 染料用于给鞋油着色，液体成分以各种脂肪和油为主。
2.1.2 鞋油的分类
- 鞋油可以按质地分为蜡基、奶油基和液体基。
- 鞋油也可以按溶剂分为溶剂型和膏状型。
2.2 鞋油物证检测的意义
2.2.1 鞋油物证的特性
- 鞋油物证具有普遍性、特异性和相对稳定性。
- 鞋油物证的分析有助于判断鞋油的来源、主要流通途径等，为侦查提供方向。
2.2.2 鞋油物证分析的重要性
- 鞋油物证分析有助于缩小侦查范围，锁定犯罪嫌疑人或被害人。
- 鞋油物证分析有助于证明嫌犯的行踪。
2.3 红外光谱法在鞋油检测中的应用
2.3.1 红外光谱法的原理
- 红外光谱法是一种分子振动光谱，可以对大部分有机物和无机氧化物进行快速检测。
- 红外光谱法对化学主要官能团的鉴定具有其他检测方式无可比拟的优势。
2.3.2 红外光谱法在鞋油检测中的应用案例
- Sweety Sharma等人使用衰减全反射傅立叶变换红外光谱法和主成分分析法，成功鉴别了黑色和棕色鞋油污渍。
- 该方法展示了红外光谱法以快速、新颖和无损的方式分析鞋油物证的巨大潜力。
2.4 其他检测方法
2.4.1 紫外光谱分析法
- 紫外光谱分析是一种常用分析方法，具有操作简单、快速、样品用量少、重复性好等优点。
- 紫外光谱分析适用于鞋油膏物证的鉴定。
2.4.2 薄层色谱法
- 薄层色谱法在微量物质的快速分离与定性中具有重要作用。
- 薄层色谱法在鞋油物证检测中具有很好的发展前景。
2.4.3 拉曼光谱分析法
- 表面增强拉曼光谱法对染料的分析和鉴定做出了许多重大贡献。
- 表面增强拉曼光谱法对鞋油的染料进行鉴别具有高度的鉴别力。
2.5 化学计量法在红外光谱鉴别分析中的应用
2.5.1 化学计量法的原理
- 化学计量法是一种通过数据处理分析来描述预测目标与相关变量之间化学结构关系的方法。
- 化学计量法可以对红外光谱数据进行降维，获取有效化学信息，实现对鞋油的快速分类和鉴别。
2.5.2 化学计量法在鞋油检测中的应用案例
- 蔡发等人将润滑油的近红外光谱图经过处理后，利用主成分分析法提取最优主成分，建立了预测精度良好的偏最小二乘算法校正模型。
- 李伟坤等人使用衰减全反射红外光谱法对生活用纸原料进行检测，并结合聚类分析的方法建立了鉴别木浆纸和竹浆纸的相关模型。
3. 实验设计
3.1 实验仪器和实验方法
3.1.1 实验仪器设备
- 红外光谱仪Thermo Scientific Nicolet iS50傅里叶变换型红外光谱仪、ATR附件。
- 光谱采集参数:扫描次数32次；光谱分辨率4cm-1；测量范围4000-400cm-1。
3.1.2 实验方法
- 采用衰减全反射傅里叶变换红外光谱法，利用带有ATR附件的赛默飞采样器进行采样。
3.2 实验过程
3.2.1 制作检材
- 将21个不同品牌、不同颜色的鞋油样品分别标号，列如表1。
3.2.2 实验步骤
- 步骤1：将收集到的样品做好预处理工作，将各类鞋油样品打开，将样品挤在试剂瓶中并对试剂瓶进行标号。
- 步骤2：开始实验前，将ATR附件装入红外光谱仪的样品仓中，打开仪器及相应的红外光谱软件。
- 步骤3：以空气为背景, 进行光谱采集。
- 步骤4：将样品用棉签在试剂瓶中蘸取后均匀涂抹在ATR附件金刚石晶体反射面表面，在电脑上进行实验操作，扫描完成后将实验的红外谱图进行保存处理。
- 步骤5：移除样品，将柔软的镜头纸用乙醇溶剂沾湿后，轻轻擦拭ATR晶体表面和嵌入槽进行清洁，清洁完成后，进行下一个样品的检测。
- 步骤6：根据红外光谱图进行最终的实验结果分析。
3.3 实验数据采集与处理
3.3.1 数据采集注意事项
- 在进行红外光谱测试时，必须保证仪器和电脑的连线牢固，以防止数据的缺失或错误。
- 每次测试完一种样品后，通过对实测数据进行平滑、基线修正等预处理，进一步改善信号的信噪比，改善光谱的质量。
3.3.2 数据处理方法
- 将实验数据和谱图按照样品品牌和颜色进行命名，为便于以后的分析与探讨，本文对已处理过的资料进行了保存。
3.4 实验注意事项
- 在每次样品完成检测后及时对晶体表面和嵌入槽进行彻底清洁，以防止对后续的样品造成污染。
- 在每次采集后清除样品时需倍加小心以防晶体表面被划伤。
- 分别选取不同品牌、相同颜色和相同品牌、不同颜色的鞋油样品进行比较分析，以探究红外光谱法对鞋油的检验分析效果。
4. 实验结果分析
4.1 红外光谱结果分析
4.1.1 红外光谱图的特征峰
- 几乎所有样品都在3360cm-1附近有O-H伸缩振动吸收峰，说明鞋油含有较多的醇，主要由石蜡和松节油等物质产生。
- 几乎所有的样本都在2919cm-1和2850cm-1附近出现较强的双峰，这是鞋油中饱和碳上的C-H伸缩振动吸收峰。
4.1.2 红外光谱图的分类
- 根据红外光谱图的结果，采取直接观察的方法，按吸收峰数量和位置可以大致将所有样品分为以下几类：
- 第一类：样品1号、2号、3号、4号、5号、10号、11号、12号、13号、14号、15号、16号、20号、21号。
- 第二类：样品6号、7号、8号、9号。
4.2 根据红外光谱结果对鞋油的分类
4.2.1 第一类鞋油的特征
- 第一类鞋油在3300cm-1、2919cm-1、2850cm-1、1638cm-1、1463cm-1、1260cm-1和1043cm-1附近出现吸收峰。
- 第一类鞋油主要由石蜡和松节油等物质组成，含有较多的醇。
4.2.2 第二类鞋油的特征
- 第二类鞋油在3360cm-1、2919cm-1、2850cm-1、1730cm-1、1630cm-1、1460cm-1、1260cm-1和1040cm-1附近出现吸收峰。
- 第二类鞋油在1730cm-1附近出现吸收峰，说明第二类鞋油中可能含有较多的不饱和脂肪酸。
4.3 不同品牌、相同颜色样本比较
4.3.1 不同品牌、相同颜色样本的差异
- 不同品牌、相同颜色的鞋油样品在红外光谱图上的特征峰数量和位置基本一致，但在峰的相对强度上存在一定的差异。
- 这些差异可能与不同品牌鞋油中添加的染料、溶剂等成分的种类和含量不同有关。
4.3.2 不同品牌、相同颜色样本的应用价值
- 通过对不同品牌、相同颜色的鞋油样品进行比较分析，可以探究红外光谱法对鞋油的检验分析效果。
- 这些结果有助于为鞋油物证的分析提供更多的科学依据。
4.4 不同颜色、相同品牌样本比较
4.4.1 不同颜色、相同品牌样本的差异
- 不同颜色、相同品牌的鞋油样品在红外光谱图上的特征峰数量和位置基本一致，但在峰的相对强度上存在一定的差异。
- 这些差异可能与不同颜色鞋油中添加的染料的种类和含量不同有关。
4.4.2 不同颜色、相同品牌样本的应用价值
- 通过对不同颜色、相同品牌的鞋油样品进行比较分析，可以探究红外光谱法对鞋油的检验分析效果。
- 这些结果有助于为鞋油物证的分析提供更多的科学依据。
5. 红外光谱结果的化学计量法分析
5.1 系统聚类分析
5.1.1 系统聚类分析的原理
- 系统聚类分析是一种无监督学习方法，通过迭代算法将数据集中的样本按照其特征进行分类。
- 系统聚类分析可以对复杂数据进行整合和解读，有助于对鞋油样品进行鉴别。
5.1.2 系统聚类分析的结果
- 通过系统聚类分析，可以将21种鞋油样品分为两类，与根据红外光谱图的分类结果基本一致。
5.2 K-means算法聚类分析
5.2.1 K-means算法聚类分析的原理
- K-means算法聚类分析是一种基于距离的聚类方法，通过迭代算法将数据集中的样本按照其特征进行分类。
- K-means算法聚类分析可以对复杂数据进行整合和解读，有助于对鞋油样品进行鉴别。
5.2.2 K-means算法聚类分析的结果
- 通过K-means算法聚类分析，可以将21种鞋油样品分为两类，与根据红外光谱图的分类结果基本一致。
6. 结论
6.1 红外光谱法对鞋油的快速鉴别分析的有效性
- 红外光谱法结合化学计量法对21种不同品牌、不同颜色的鞋油样品进行鉴别分析，结果表明该方法具有简单、快速、准确度高、无需前处理工作等优点。
- 该方法可以用于侦查活动中对鞋油物证的检验，为鞋油物证的分析提供更多的科学依据。
6.2 红外光谱法对鞋油的快速鉴别分析的局限性
- 红外光谱法对鞋油的快速鉴别分析具有一定的局限性，可能无法完全区分所有品牌和颜色的鞋油。
- 在实际应用中，需要结合其他检测方法和化学计量学方法，以提高鞋油物证分析的准确性和可靠性。
