基于生物燃料辅助合成CoCr2O4:Mn2+纳米颜料及YOLOv8x模型在潜指纹检测中的应用研究

本研究针对传统潜指纹（LFPs）检测方法存在的对比度低、背景干扰大等问题，通过绿色溶液燃烧法（SCS）合成Mn2+掺杂CoCr2O4纳米颜料（NPs），结合YOLOv8x深度学习模型，实现了多基底高精度指纹可视化。该材料在可见光下即可清晰呈现三级指纹特征，兼具光稳定性（120分钟UV）和热稳定性（250°C），为法医学提供了非毒性、高效的新型检测方案。

　　

指纹作为个体独特的生物标识，在法医学中被称为“人体身份证”。然而，潜指纹（LFPs）因与背景对比度低、传统检测方法依赖有毒荧光材料或复杂设备，其应用受到限制。现有技术难以兼顾高灵敏度、环境友好性和自动化分析需求。为此，来自中国的研究团队在《Surfaces and Interfaces》发表论文，通过生物燃料辅助的绿色合成策略，开发出CoCr₂O₄:Mn²⁺纳米颜料，并首次将YOLOv8x深度学习模型应用于指纹特征提取，实现了从材料开发到智能识别的全链条创新。

研究采用溶液燃烧合成（SCS）技术，以Gasteria succulent植物提取物为生物燃料，制备了不同Mn²⁺掺杂浓度（0-16 mol%）的Co_1-xMn_xCr₂O₄纳米颗粒。通过X射线衍射（XRD）、场发射扫描电镜（FE-SEM）等技术表征材料特性，并系统评估其在多孔/非多孔基底上的指纹显影性能。

XRD分析 显示所有样品均形成单一立方尖晶石相（空间群Fd3?m），16% Mn²⁺掺杂样品晶格参数增至8.344 ?，证实Mn²⁺成功取代Co²⁺进入四面体位点。FE-SEM与TEM 揭示材料呈16.89 nm的均匀纳米结构，EDX图谱证实元素分布均匀。XPS分析 验证了Cr³⁺和Mn²⁺的氧化态，表面羟基化特性增强了与指纹残留物的结合力。

潜指纹检测实验 表明，16% Mn²⁺掺杂样品在铝箔、玻璃等基底上均呈现高对比度指纹图像，可清晰分辨汗孔（Level III特征）和重叠指纹。材料展现卓越稳定性：紫外照射120分钟后信号保留率>95%，250°C热处理后仍保持显影能力。YOLOv8x模型分析 实现了指纹图像的自动二值化、脊线细化及细节特征识别，准确率较传统方法提升32%。

该研究创新性地将绿色合成纳米材料与人工智能相结合，解决了传统指纹检测中毒性大、操作复杂等痛点。CoCr₂O₄:Mn²⁺纳米颜料在可见光下即可实现三级指纹特征识别，其环境稳定性满足法庭证据长期保存需求。YOLOv8x模型的引入为法医学数字化提供了新范式，对推动刑事侦查技术进步具有重要意义。