基于高光谱成像的光敏印油种类区分实验

印油种类区分是法庭科学文件检验领域的重要一环,为研究无损高效区分光敏印油种类的方法。以33种不同品牌光敏印油的原始光谱数据当作对照组,对原始数据进行t-SNE降维和UMAP降维后,选择XGBoost、SVM和MLP三种分类算法,以1比4的比例确定测试集和训练集,对原始数据和降维后的数据进行分类,同时使用网格搜索和五倍交叉验证来优化模型的性能和泛化能力。结果表明,上述三种分类算法对降维后光谱数据区分的平均准确率高于对原始光谱数据区分的平均准确率,且UMAP-MLP分类模型的区分准确率最高,可达到98%。提出的分类模型可用于光敏印油种类的快速区分。     

基于高光谱成像结合分光光度技术的喷墨打印墨水种类鉴别方法

在法庭科学实践中,往往需要通过对文件中字迹墨水的成分分析来精确地判定检材和样本文件的同一性。利用高光谱成像和分光光度技术结合化学计量法,提出了一种对喷墨打印墨水分类的方法。采集14台不同品牌、型号的四色喷墨打印墨水高光谱数据和色度值。计算出平均色度值后进行PCA降维处理和K-Means聚类分析,将样品初步分类。之后应用LightGBM模型、XGBoost模型和SVM模型共三种分类模型,以1:4的比例确定测试集和训练集,对聚类分析结果中每一类别的样品进行逐一鉴别。结果表明,LightGBM和XGBoost对四色样品的分类精度都能达到95%以上,SVM的分类精度为100%。提出的方法能够做到无损、准确、快速地将不同品牌乃至型号的喷墨打印墨水进行区分。     

高光谱喷墨打印墨水数据的非线性降维及分类建模方法研究

在法庭科学实践中,往往需要通过对文件中字迹墨水的成分分析来精确判定检材和样本文件的同一性。该文利用高光谱成像技术结合机器学习对喷墨打印墨水的种类进行区分,分别采集14套不同品牌、型号的4色（黑、青、品红和黄色）喷墨打印墨水打印的文件在400～1 000 nm范围的高光谱图像,共提取56种样品墨迹的光谱数据。使用均匀流形逼近与投影技术（UMAP）和T分布随机近邻嵌入技术（t-SNE）两种算法对高光谱喷墨打印墨水数据进行降维处理,然后建立极致梯度提升（XGBoost）、轻量级梯度提升机器学习（LightGBM）和支持向量机（SVM）3种分类模型,以1∶4的比例确定测试集和训练集,分别对原始数据和降维后的数据进行分类。实验结果显示,UMAP降维算法结合SVM模型对喷墨打印墨水分类的效果最优,黑色墨水样品的分类精度为90%左右,其余颜色墨水样品的分类精度均为100%。该研究为喷墨打印文件的检验鉴定提供了一种新的、无损、准确的鉴别方法。