看不見的痕跡，看得見的光譜證據(jù)｜高光譜成像賦能法醫(yī)飲品痕量物證智能識(shí)別

前言

案發(fā)現(xiàn)場隨處可見咖啡、果汁、酒水類飲品微量污漬，依靠肉眼很難辨別種類。傳統(tǒng)檢測多依靠取樣、化學(xué)顯色處理，容易損傷物證，不利于后續(xù)復(fù)核。Nature發(fā)布一項(xiàng)研究，搭建高光譜成像結(jié)合波段篩選、深度學(xué)習(xí)的完整分析方案，針對(duì)九類飲品污漬開展無損鑒別實(shí)驗(yàn)，為刑偵微量物證檢測提供新思路，彩譜結(jié)合該研究，和大家聊聊高光譜在法醫(yī)領(lǐng)域的落地價(jià)值。

一、傳統(tǒng)物證檢測的現(xiàn)存難點(diǎn)

1. 肉眼識(shí)別局限大，咖啡與茶、威士忌與朗姆外觀相近，人工區(qū)分難度高；

2. 化學(xué)檢測會(huì)破壞污漬原始形態(tài)，物證無法重復(fù)核驗(yàn)；

3. 普通分光設(shè)備僅能單點(diǎn)采集，大面積痕跡檢測耗時(shí)久；

4. 紙張色差、污漬風(fēng)干氧化都會(huì)干擾判斷，缺少標(biāo)準(zhǔn)化數(shù)據(jù)支撐。

高光譜成像依托無接觸、全域采集物質(zhì)光譜指紋的優(yōu)勢，能夠彌補(bǔ)以上不足，成為微量物證分析實(shí)用光學(xué)工具。

二、高光譜相機(jī)在實(shí)驗(yàn)中承擔(dān)的核心工作

本次研究采用400–1000nm可見光-近紅外高光譜成像設(shè)備，搭載 204 個(gè)連續(xù)光譜波段，完整采集各類污漬三維光譜數(shù)據(jù)立方體（二維空間坐標(biāo) + 一維光譜曲線），整套采集流程標(biāo)準(zhǔn)化、可復(fù)現(xiàn)。

1. 多場景標(biāo)準(zhǔn)化光譜采集

研究模擬真實(shí)案發(fā)現(xiàn)場條件，統(tǒng)一控制溫濕度、光源角度、污漬滴加體積，針對(duì)9類飲品（木瓜汁、咖啡、石榴汁、橙汁、茶、紅酒、威士忌、朗姆、白蘭地）開展成像：

l載體覆蓋白/ 粉 / 棕色吸水紙巾，包含平整、折疊兩種形態(tài)；

l分0–5小時(shí)6個(gè)時(shí)間節(jié)點(diǎn)采集污漬風(fēng)干光譜，捕捉氧化、蒸發(fā)帶來的光譜變化；

l每個(gè)污漬劃定1.5×1.5cm無反光ROI區(qū)域，剔除邊緣干擾像素，保證數(shù)據(jù)純凈度。

拍攝前完成白板反射校正與暗電流校正，統(tǒng)一換算標(biāo)準(zhǔn)化反射率曲線，消除設(shè)備、光照帶來的數(shù)值偏差，不同樣本之間可橫向?qū)Ρ裙庾V差異。

2. 捕捉肉眼不可見物質(zhì)光譜特征

每一個(gè)成像像素都會(huì)生成專屬光譜曲線，記錄不同波長下的反射數(shù)值，解鎖人眼無法識(shí)別的化學(xué)差異：

l紅酒、石榴富含花青素，400–700nm可見光區(qū)間反射數(shù)值偏低；

l咖啡、茶多酚在藍(lán)綠波段存在專屬吸收特征；

l威士忌與朗姆的區(qū)分信號(hào)集中在750–900nm近紅外區(qū)間。 正是數(shù)百組連續(xù)波段的精細(xì)數(shù)據(jù)，區(qū)分開視覺高度近似的兩類飲品污漬。

3. 構(gòu)建完整標(biāo)準(zhǔn)化物證數(shù)據(jù)集

設(shè)備采集原始光譜樣本超12萬條，經(jīng)過噪點(diǎn)、重復(fù)像素清洗后，形成超11萬條有效光譜樣本，每條對(duì)應(yīng)204維光譜特征，作為后續(xù)波段篩選、深度學(xué)習(xí)訓(xùn)練的原始數(shù)據(jù)底座。 充足、多變量的光譜樣本，能支撐算法學(xué)習(xí)不同載體、不同風(fēng)干時(shí)長下污漬穩(wěn)定光譜規(guī)律，降低環(huán)境帶來的識(shí)別波動(dòng)。

三、配套算法流程：降維+ 多模型對(duì)比，提升識(shí)別穩(wěn)定度

高光譜原始波段數(shù)量多，波段間存在信息冗余，直接建模會(huì)增加運(yùn)算負(fù)擔(dān)，研究引入兩層數(shù)據(jù)優(yōu)化方案。

1. ANOVA 波段篩選，保留有效判別波段

采用ANOVA F 檢驗(yàn)計(jì)算每個(gè)波段的區(qū)分能力（類間方差 / 類內(nèi)方差），對(duì)204個(gè)波段按區(qū)分效果排序。通過5折交叉驗(yàn)證測試不同波段數(shù)量對(duì)應(yīng)的識(shí)別表現(xiàn)，最終選定162個(gè)高區(qū)分度波段用于建模，在兼顧識(shí)別表現(xiàn)的同時(shí)，縮減數(shù)據(jù)運(yùn)算規(guī)模。

2. 四類深度學(xué)習(xí)模型對(duì)比驗(yàn)證

基于篩選后的162維光譜數(shù)據(jù)，統(tǒng)一超參訓(xùn)練4種主流網(wǎng)絡(luò)模型：MLP、1D-CNN、LSTM、CNN-LSTM 混合網(wǎng)絡(luò)，統(tǒng)一采用精確率、召回率、F1分?jǐn)?shù)、整體準(zhǔn)確率完成評(píng)估：

1. MLP 全連接網(wǎng)絡(luò)：對(duì)全局光譜特征擬合表現(xiàn)穩(wěn)定，實(shí)驗(yàn)分類表現(xiàn)優(yōu)于其余模型；

2. 1D-CNN：擅長捕捉相鄰波段局部光譜變化；

3. LSTM：適配光譜波段連續(xù)序列特征學(xué)習(xí)；

4. CNN-LSTM 混合結(jié)構(gòu)：融合局部與序列特征，但受數(shù)據(jù)量影響，識(shí)別表現(xiàn)不及單一網(wǎng)絡(luò)。 同時(shí)通過配對(duì) t 檢驗(yàn)、McNemar 檢驗(yàn)驗(yàn)證模型之間的表現(xiàn)差異具備統(tǒng)計(jì)學(xué)參考意義，排除隨機(jī)采樣帶來的波動(dòng)干擾。

3. 光譜規(guī)律佐證識(shí)別混淆成因

從光譜曲線可以直觀看到模型錯(cuò)分邏輯：咖啡與茶在400–550nm波段曲線高度重合，威士忌、朗姆僅近紅外區(qū)間存在細(xì)微差值，這兩類樣本容易出現(xiàn)互相誤判，和模型混淆矩陣結(jié)果保持一致，證明光譜數(shù)據(jù)可以解釋識(shí)別誤差，提升鑒定結(jié)果可解釋性。

四、高光譜成像用于法醫(yī)物證的核心應(yīng)用價(jià)值

1. 完整保全物證：全程無需試劑、不接觸污漬，檢測后樣本可留存開展其他鑒定，符合司法物證規(guī)范；

2. 提升勘查效率：單次成像采集整片污漬全部光譜，無需逐點(diǎn)采樣，適合現(xiàn)場快速篩查；

3. 區(qū)分近似痕跡：數(shù)百組連續(xù)波段捕捉有機(jī)物、色素細(xì)微光學(xué)差異，解決目視分辨難題；

4. 環(huán)境適配性強(qiáng)：實(shí)驗(yàn)驗(yàn)證設(shè)備可適配不同底色、褶皺、風(fēng)干狀態(tài)的污漬，后續(xù)可拓展布料、證件、皮膚等載體；

5. 數(shù)據(jù)數(shù)字化留存：光譜數(shù)值可導(dǎo)出歸檔，逐步搭建痕跡光譜庫，實(shí)現(xiàn)樣本智能比對(duì)。

產(chǎn)品推薦

FigSpecFS-23成像高光譜相機(jī)

l圖像分辨率：1920*1920

l光譜范圍：400-1000nm

l光譜分辨率(FWHM)：2.5nm

l光譜通道數(shù)：1200

免責(zé)聲明

本內(nèi)容依托Nature旗下公開學(xué)術(shù)文獻(xiàn)（文獻(xiàn)鏈接：https://www.nature.com/articles/s41598-026-49928-8）整理編撰，僅用于行業(yè)技術(shù)探討與科普學(xué)習(xí)，不作任何商業(yè)相關(guān)承諾，亦不能作為投資參考依據(jù)。文中所列各項(xiàng)實(shí)驗(yàn)數(shù)據(jù)與結(jié)論會(huì)受試驗(yàn)環(huán)境、樣本個(gè)體區(qū)別、模型構(gòu)建方案等多重變量干擾，若落地實(shí)際場景使用，相關(guān)效果需結(jié)合自身場景另行實(shí)測核驗(yàn)。