本研究成果旨在通過分析瀝青樣品的ATR紅外光譜圖來鑒別不同品類的瀝青。本研究采用主成分分析(PCA)方法對瀝青樣品ATR紅外光譜圖數據進行分析。主成分分析(Principal Component Analysis，PCA)是一種模式識別的定性方法，目的是把數據做降維處理，即將原始的多變量數據轉換為少量的新主成分變量，這些新的主成分變量的特點是能夠盡可能多地表征原始數據信息特征。此方法能夠克服某種單一指標不能反映數據信息而大量指標雖能反映數據信息但是又造成信息冗余的缺點，它就是一種能夠將有用的信息提取出來，將冗余的信息去除的算法。

應用前景

瀝青材料越來越多地被應用于道路工程中，其質量的優劣直接影響著整個瀝青路面的耐久性和安全性，所以嚴格控制瀝青質量非常關鍵。在一些工程項目中，瀝青的“三大指標”能滿足要求，但瀝青質量在使用過程中依舊得不到保證，極有可能用劣質瀝青代替優質瀝青。因為國內外瀝青的品類較多，導致瀝青市場魚龍混雜，而且除“三大指標”外的其他指標測試繁瑣，使得在實際工作檢測頻率較低，瀝青以次充好的現象時有發生。所以，進行瀝青品類識別研究及技術性質的簡便檢測研究具有重要意義。而傳統的紅外譜圖的對比是通過盲樣瀝青的譜圖與數據庫中的譜圖進行對比，這樣的對比效果很差且識別率不高，因此，開發一種基于紅外光譜分析的瀝青品牌識別模型及方法對實際工程使用中瀝青的質量把控是非常有價值的。

本成果對工程應用中的瀝青質量控制具有重要的實用價值。該方法可以提高瀝青品類識別的準確性和效率，從而更有效地管理實際工程中瀝青的整體質量和性能。此外，該方法還可以用于識別和區分不同類型的瀝青，從而匹配不同類型瀝青的三大指標性能，達到在不同的應用中更精準地選擇和使用合適瀝青的目的。總的來說，本成果的研發可以提高實際工程中使用的瀝青的質量和可靠性，使其成為施工現場工作中的重要原材料質量把控工具。

成熟度

本研究目前已與相關企業進行了前期的研究，并具有一定的研究基礎。在前期研究中，使用14種瀝青試驗集建立的識別算法譜庫對盲樣瀝青的識別率達到了85%以上，具有相當高的可信度，并且后期還會基于本研究進行相關軟件的開發，使其在實際工程中發揮相應作用。