成果简介
本研究成果旨在通过分析沥青样品的ATR红外光谱图来鉴别不同品类的沥青。本研究采用主成分分析(PCA)方法对沥青样品ATR红外光谱图数据进行分析。主成分分析(Principal Component Analysis，PCA)是一种模式识别的定性方法，目的是把数据做降维处理，即将原始的多变量数据转换为少量的新主成分变量，这些新的主成分变量的特点是能够尽可能多地表征原始数据信息特征。此方法能够克服某种单一指标不能反映数据信息而大量指标虽能反映数据信息但是又造成信息冗余的缺点，它就是一种能够将有用的信息提取出来，将冗余的信息去除的算法。
应用前景
沥青材料越来越多地被应用于道路工程中，其质量的优劣直接影响着整个沥青路面的耐久性和安全性，所以严格控制沥青质量非常关键。在一些工程项目中，沥青的“三大指标”能满足要求，但沥青质量在使用过程中依旧得不到保证，极有可能用劣质沥青代替优质沥青。因为国内外沥青的品类较多，导致沥青市场鱼龙混杂，而且除“三大指标”外的其他指标测试繁琐，使得在实际工作检测频率较低，沥青以次充好的现象时有发生。所以，进行沥青品类识别研究及技术性质的简便检测研究具有重要意义。而传统的红外谱图的对比是通过盲样沥青的谱图与数据库中的谱图进行对比，这样的对比效果很差且识别率不高，因此，开发一种基于红外光谱分析的沥青品牌识别模型及方法对实际工程使用中沥青的质量把控是非常有价值的。
本成果对工程应用中的沥青质量控制具有重要的实用价值。该方法可以提高沥青品类识别的准确性和效率，从而更有效地管理实际工程中沥青的整体质量和性能。此外，该方法还可以用于识别和区分不同类型的沥青，从而匹配不同类型沥青的三大指标性能，达到在不同的应用中更精准地选择和使用合适沥青的目的。总的来说，本成果的研发可以提高实际工程中使用的沥青的质量和可靠性，使其成为施工现场工作中的重要原材料质量把控工具。
成熟度
本研究目前已与相关企业进行了前期的研究，并具有一定的研究基础。在前期研究中，使用14种沥青试验集建立的识别算法谱库对盲样沥青的识别率达到了85%以上，具有相当高的可信度，并且后期还会基于本研究进行相关软件的开发，使其在实际工程中发挥相应作用。
成果展示
成果完成人
化学化工学院：李晶
成果转化，请联系成果与合作处，联系人：刘老师，联系电话：0771-3272162。