基于近红外高光谱成像与偏最小二乘判别分析的指纹时效性评估研究

《Forensic Chemistry》：Evaluation of fingerprint aging using near infrared hyperspectral imaging with partial least squares-discriminant analysis

本文探讨了利用近红外高光谱成像（NIR-HSI）结合偏最小二乘判别分析（PLS-DA）进行指纹时效性评估的可行性。研究通过分析6名志愿者8周内采集的指纹样本，构建了三种不同时间分辨率的分类模型。结果表明，随着分类粒度减小（从8类到2类），模型准确率显著提升（5.56%→63.89%），凸显了指纹老化过程的复杂性及该方法在刑事鉴定中的潜在应用价值。

　　

^研究亮点

本研究聚焦于利用近红外高光谱成像（NIR-HSI）结合化学计量学方法——偏最小二乘判别分析（PLS-DA），对指纹时效性进行评估。实验设计涵盖6名志愿者在8周内采集的指纹样本，通过构建三种不同时间分辨率的分类模型（8类、4类和2类），系统探讨了分类精度与时间跨度的关联性。

^结论

本研究通过近红外高光谱成像（NIR-HSI）与偏最小二乘判别分析（PLS-DA）模型，针对单一捐赠者指纹在八周内的时效性变化进行了深入分析。三种PLS-DA模型随类别聚合程度的提高呈现显著差异：首模型尝试精确到周级的沉积时间判定，分类准确率极低（约5.6%），显然无法满足法医学应用需求；第二种策略将八周样本划分为两个子组（1–4周与5–8周），虽将准确率提升至30.56%，仍缺乏实践可靠性；最终模型将周期简化为"新旧"二分（1–4周为新样本，5–8周为旧样本），成功率达63.89%，展现出针对特定刑事场景（如判断指纹是否在案发前后留下）的潜在应用价值。