摘要：利用光谱检测和数据分析实现不同种类汽车保险杠碎片的快速无损检测和精确识别与分类具有重要的意义,采集 8 个品牌共计 38 个汽车保险杠碎片的红外谱图,预处理采用自动基线校正、峰面积归一化、多元散射校正和 Savitzky-Golay 平滑,通过小波阈值进行去噪处理,借助主成分分析(PCA)提取特征变量,建立基于多层感知器(MLP)的 Fisher 判别分析(FDA)分类模型。实验结果表明:数据在 20 维矩阵上特征提取最好,包含的信息量足够大,MLP 模型对样本种类的识别准确率为 74.70%,在 20 维特征数据上构建 FDA 模型,求得 Z1 和 Z2 判别函数式以及各样本分布散点图,其中 35 个样本实现了正确的区分和归类,分类准确率为 92.1%,相比较单一 MLP 模型,MLP-FDA 区分能力更强、精度更高。综上,将红外光谱技术与 MLP-FDA 模型结合可以实现对车用保险杠碎片的快速无损鉴别,且模型检测精度高,方法具有普适性和借鉴意义。