中达瑞和SHIS高光谱相机在黑色水彩笔墨迹鉴定中的应用

在文件检验与物证溯源领域,对书写材料(如墨水)进行快速、准确、无损的鉴别至关重要。由陈维娜等人撰写的《高光谱技术结合化学计量法鉴别黑色水彩笔墨迹》(发表于《光谱学与光谱分析》2023年第7期)利用中达瑞和SHIS凝采式高光谱相机(型号SHIS-N220) 结合化学计量学方法,成功实现了对28种不同品牌和型号黑色水彩笔墨迹的有效分类与鉴别。该研究充分展现了SHIS-N220高光谱相机在司法物证鉴定中的关键作用。

SHIS-N220高光谱相机发挥的核心作用:

高精度光谱数据采集:

  • SHIS-N220的核心作用在于无损地采集了黑色水彩笔墨迹在 450 nm 至 950 nm 波长范围(覆盖可见光到近红外波段)的高光谱数据。

  • 凝采式(推扫式)成像技术确保了数据具有高的光谱分辨率和空间分辨率,能够捕捉到人眼无法识别的、不同墨水间细微的光谱特征差异。这些差异源于墨水配方中染料、颜料、添加剂等化学成分的不同及其与纸张的相互作用。

  • 为后续的化学计量学分析提供了原始、丰富且客观的光谱信息基础。

实现无损检测:

作为非接触、非破坏性的成像设备,SHIS-N220在采集墨迹光谱信息时完全不会对物证样本造成任何损害。这一点在司法鉴定中具有极其重要的意义,保证了物证的原始状态和证据效力。

提供分析基础:

采集到的高质量光谱数据是进行主成分分析(PCA) 和 Fisher判别分析(DA) 等化学计量学方法的前提。相机获取的稳定、可靠数据是后续数据处理和模型构建成功的保障。

得出的关键结论(基于SHIS-N220提供的数据和分析):

1、有效分类能力:

利用SHIS-N220采集的光谱数据进行主成分分析(PCA),提取的前三个主成分累积贡献率达到 90.57%。根据主成分得分图,成功地将28种黑色水彩笔墨迹清晰地划分为4个主要类别。这证明了高光谱数据能有效反映不同墨水样本间的本质差异。

2、高准确度判别:

基于SHIS-N220的光谱数据,建立Fisher判别分析模型。该模型表现出优异的判别性能:

  • 交叉验证准确率高达 92.0%,表明模型对已知样本具有极强的识别能力。

  • 对3个独立测试样本的分类准确率达到 100.0%,进一步验证了模型的泛化能力和对新样本的预测可靠性。

  • 判别分析结果也有力地支持了PCA分类结果的正确性和合理性。

3、技术可行性:

研究最终得出结论:高光谱技术(由SHIS-N220实现)结合化学计量学方法(PCA + DA),能够实现对黑色水彩笔墨迹的无损、快速、准确分类与鉴别。

4、司法应用价值:

该方法为司法实践中文件真伪鉴别、书写工具溯源、不同文件材料关联性判断等提供了一种强有力的新技术手段和思路。其无损特性尤其适合珍贵文件或关键物证的检验。

总结:

中达瑞和SHIS凝采式高光谱相机SHIS-N220在陈维娜等人的研究中扮演了核心数据采集者的角色。它通过无损获取墨迹在可见-近红外波段的高分辨率光谱信息,为后续的化学计量学分析奠定了坚实基础。研究结果证明,利用该相机提供的数据,结合主成分分析和判别分析,能够高效、准确地将多种黑色水彩笔墨迹分类,并获得极高的判别准确率(交叉验证92%,测试集100%)。

这不仅验证了SHIS-N220在物证光谱信息获取上的优异性能,更确立了"高光谱+化学计量学"作为一种无损、快速、可靠的笔墨鉴定新技术在司法实践中的应用价值。中达瑞和的SHIS-N220高光谱相机是这一成功应用的关键技术支撑设备。

相关推荐
Baihai_IDP37 分钟前
AI Agents 能自己开发工具自己使用吗?一项智能体自迭代能力研究
人工智能·面试·llm
大模型真好玩1 小时前
大模型工程面试经典(七)—如何评估大模型微调效果?
人工智能·面试·deepseek
黎燃10 小时前
短视频平台内容推荐算法优化:从协同过滤到多模态深度学习
人工智能
飞哥数智坊11 小时前
多次尝试用 CodeBuddy 做小程序,最终我放弃了
人工智能·ai编程
后端小肥肠12 小时前
别再眼馋 10w + 治愈漫画!Coze 工作流 3 分钟出成品,小白可学
人工智能·aigc·coze
唐某人丶14 小时前
教你如何用 JS 实现 Agent 系统(2)—— 开发 ReAct 版本的“深度搜索”
前端·人工智能·aigc
FIT2CLOUD飞致云15 小时前
九月月报丨MaxKB在不同规模医疗机构的应用进展汇报
人工智能·开源
阿里云大数据AI技术15 小时前
【新模型速递】PAI-Model Gallery云上一键部署Qwen3-Next系列模型
人工智能
袁庭新15 小时前
全球首位AI机器人部长,背负反腐重任
人工智能·aigc
机器之心15 小时前
谁说Scaling Law到头了?新研究:每一步的微小提升会带来指数级增长
人工智能·openai