Detection of Explosives Using Differential Laser-Induced Perturbation Spectroscopy with a Raman-based Probe

Abstract

Explosives detection is carried out with a novel spectral analysis technique referred to as differential laser-induced perturbation spectroscopy (DLIPS) on thin films of TNT, RDX, HMX, and PETN. The utility of Raman spectroscopy for detection of explosives is enhanced by inducing deep ultraviolet laser perturbation on molecular structures in combination with a differential Raman sensing scheme. Principal components analysis (PCA) is used to quantify the DLIPS method as benchmarked against a traditional Raman scattering probe, and the related photo-induced effects on the molecular structure of the targeted explosives are discussed in detail. Finally, unique detection is observed with TNT samples deposited on commonly available background substrates of nylon and polyester. Overall, the data support DLIPS as a noninvasive method that is promising for screening explosives in real-world environments and backgrounds.

Research progress in chemometrics in the detection of explosive residues

“…近十年来， 爆炸案件严重危害国家安全及社会稳 定，给人民生命财产安全带来巨大威胁。爆炸物是高 能、敏感和危险的物质，用于军事和商业应用以及恐 怖袭击。化学计量学 [1] 是通过统计学或数学方法对化 学体系的测量值和体系状态之间建立联系的一门学 科。它通过选择合适的测量技术和构建理想的模型， 从样本中获取尽可能多的特征信息。因此，适用于爆 炸残留物分析结果非常复杂以及分析数据庞大的情 况 [2] 。 化学计量学可以帮助确定爆炸残留物的成分， 通 过对爆炸残留物进行深入的化学分析， 结合化学计量 学中的多元统计分析方法， 可以识别和确定爆炸残留 物中的各种成分，例如炸药、添加剂、燃烧产物的种 类和浓度 [3] [4] 。在某些情况下，化学计量学为准 确检测感兴趣的物质提供了统计背景和一定程度的 信任，从而帮助研究人员进行决策过程，并为进一步 的研究收集适当的证据 [5] 。根据爆炸现场的情况，选 择合适的化学计量学方法用于爆炸残留物检验。 通过 光电仪器分析方法所得到的光谱数据因样品类型而 异， 基于现代仪器分析技术并结合化学计量学算法构 建的模型提取出不同样本类型的特征信息， 从而对特 定类别样品进行定性和定量分析，这个过程称为"化 学模式识别" [6] 。化学模式识别是建立"物以类聚" 为基础的模型，利用同类或相似的"样本"间的距离 较近、不同类的"样本"间的距离较远，进而进行样 本判别、分类。化学模式识别的方法可以分为两类， 即无监督模式识别和有监督模式识别 [7] 。 2.1 无监督的模式识别方法 无监督模式识别方法的目的是在不设置任何先 验标签或结果的情况下检测数据集中的模式。因此， 算法只能在最少的人工干预下推断模式。 层次聚类分 析(HCA) [5,8,9] 和主成分分析(PCA) [10][11][12][13][14][15] 是无监督 常用的两种算法， 不仅可以直接应用于分类或回归问 题， 它们还是探索数据潜在结构的理想方法 [16] 。 通常， 使用无监督技术的目的是探索可能的聚类， 并获得样 本的初步判别。 大多数研究在进行更先进的数据处理 之前，至少采用了一种无监督技术。事实上，这种做 法有助于更多地了解数据集， 并可以解决简单的问题 [17] 。 2.2 有监督的模式识别方法 有监督模式识别方法的目的是将标记输入映射 到预期输出。输入变量与预期输出或分类配对，算法 的任务是开发一个将两者关联起来的函数。换句话 说，有监督模式识别旨在根据已知数据创建函数，然 后对新样本进行推断。 有监督模式识别常见的算法包 含：k-最近邻分析(kNN) [7] 、线性判别分析(LDA) [18,19] 、软独立建模分析(SIMCA) [20,21] 、支持向量机 (SVM) [22,23] 、偏最小二乘判别分析(PLS-DA) [24][25][26][27] 、 人工神经网络(ANN) [28][29][30][31][32][33][34] 等。这些方法非常适合分 类和回归问题，因为可以通过上述方法"训练"模型 来检测特定模式，然后必须验证该模型，以评估它将 如何将这些模式推广到独立数据集 [35] 。 严格验证的重 要性怎么强调都不为过， 因为无法确定准确的错误率 会对法庭物证的鉴定产生重大影响。 3 化学计量学方法在爆炸残留物中的应用 近几十年来，爆炸事件日益引起人们的关注，化 学计量学可以提供一种快速方法来评估爆炸物调查 产生的大量数据， 以及区分各种爆炸材料...…”

Functionalised Al(iii) metal organic frameworks for fluorescence sensing of nitroaromatic vapours

“…Despite their effectiveness, traditional analytical methods suffer from high cost, lack of portability and the requirement for highly trained personnel. 5–8…”

“…Despite their effectiveness, traditional analytical methods suffer from high cost, lack of portability and the requirement for highly trained personnel. [5][6][7][8] One new promising sensing technology is based on the detection of NACs by monitoring the luminescence response of sensory materials (changes in intensity, wavelength, quantum yield or lifetime of emission). Optical sensors are effective analytical tools due to their portability, facile visualisation and short response times.…”

The Detection of 27 Fentanyl Compounds in Solid and Liquid Drugs Based on Differential Raman Spectroscopy

“…The Raman signal would be submerged in the fluorescence background in the worst situation. In order to solve the problem of the fluorescence background interference in the application of Raman detection, frequency shift-excited Raman differential spectroscopy (SERS-DS) can overcome the shortcomings of the fluorescence background of traditional Raman spectroscopy [17][18][19]. SERS-DS is applied in this work because it can effectively avoid the fluorescence background interference in SERS detection.…”