[发明专利]基于近红外光谱的汽车车身油漆对比方法

说明书

基于近红外光谱的汽车车身油漆对比方法，采用向量‑子空间夹角算法对比样本与基准的近红外光谱数据，得出两者光谱数据的差异值，从而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。

技术领域

本发明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。

背景技术

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，所以发明公开一种基于近红外光谱的汽车车身油漆对比方法。

发明内容

本发明公布一种基于近红外光谱的汽车车身油漆对比方法，其特征在于：采用向量-子空间夹角算法将样本与基准的近红外光谱数据进行比对，得出两者光谱数据的差异值，从而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；对比方法包括如下步骤：

1）近红外光谱采集：以汽车车身油漆为样本，共选1610个点，以原厂漆标准板漆为基准，共选80个点，分别对样本与基准点进行近红外光谱采集；

2）对步骤1）光谱数据进行预处理；

3）数据分析：通过MATLAB软件，使用向量-子空间夹角算法对经过步骤2）的样本和基准近红外光谱数据进行对比，得到样本和基准光谱数据之间的差异值。

选用光谱数据分析的波长范围为900～2100nm

光谱预处理方法为一阶导数。

附图说明

图1 样本板与标准板的近红外光谱图;

图2 经预处理后的近红外光谱图;

图3 差异值曲面图。

具体实施方式

近红外光谱数据采集

在汽车车身板上选取一个矩形，划分为10行161列，共计1610个点，已知该矩形的第1～132列上的漆为非原厂漆，第133～161列上的漆为原厂漆。使用近红外光谱仪，设置积分时间为40ms，平均次数为3次，依次采集这1610个点的光谱数据；采用相同的光谱采集方法在原厂漆标准板上随机采集80个点的近红外光谱数据；光谱采集范围为900～2100nm之间，如图1所示。

近红外光谱数据预处理

通过MATLAB软件，使用一阶降噪求导方法，对所采集的1610组样本板光谱数据及80组标准板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。

数据分析：

选取预处理后的1610组样本板光谱数据，通过MATLAB软件，使用向量-子空间夹角判据算法将样本板的1610组光谱数据与基准光谱数据进行对比，得到各样本与基准光谱数据之间的差异值。

使用MATLAB中的surf绘图函数对得到的差异值进行绘图，得到相对应的曲面图，如图3所示。通过图3中的差异值可以看出，所选取样本板矩形上的1～132列的样本与133～161列的样本之间有着显著的差异，该结果与样本板矩形上的漆种分布结果一致，由此可以判断汽车车身油漆与原厂漆是否存在差异。