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
`流年づ1 小时前
人工智能学习笔记-Transformer
人工智能·深度学习·transformer
Wanderer X1 小时前
【ML】rope
人工智能
nVisual1 小时前
nVisual:AI驱动的智能排障,平均响应时间缩短40%
android·人工智能·缓存
白日做梦Q1 小时前
PyTorch从零手写CNN实现NEU钢材表面缺陷检测(完整实战·单篇完结)
人工智能·pytorch·cnn
星马梦缘1 小时前
机器学习与模式识别 第十一章 优化于梯度下降 考点压缩
人工智能·机器学习·梯度下降·hessian·条件数
想会飞的蒲公英1 小时前
TF-IDF + 随机森林中文文本分类全链路实战:从训练脚本到 Flask API + Streamlit 前端
人工智能·pytorch·python·随机森林·分类·flask·tf-idf
AI服务老曹1 小时前
摄像机安装AI视频分析参数配置说明:POC现场交付全流程指南
人工智能·音视频
FriendshipT1 小时前
Ultralytics:解读C3模块
人工智能·pytorch·python·深度学习·目标检测
极光代码工作室1 小时前
基于深度学习的异常行为检测系统
人工智能·python·深度学习·神经网络·机器学习
阿拉斯攀登1 小时前
RAG 性能优化:缓存、批量与并发
人工智能·缓存·性能优化·embedding·agent·loop·rag