一种高光谱成像框架，结合了波段选择和深度学习技术，用于法医分析中的饮料污渍分类

《Scientific Reports》：A hyperspectral imaging framework integrating band selection and deep learning for beverage stain classification in forensic analysis

　　

摘要

高光谱成像（HSI）技术在无损法医犯罪现场调查领域具有重要意义，因为它能够识别出广泛波长范围内的微小光谱变化。在本研究中，通过模拟一个模拟犯罪现场的环境，研究了九种饮料污渍（如木瓜汁、咖啡、石榴汁、橙汁、茶、葡萄酒、威士忌、朗姆酒和白兰地）的光谱特征。使用具有204个可见光和近红外（VNIR）波段的高光谱成像系统收集了这些图像。为了消除光谱冗余，采用了基于方差分析（ANOVA）的特征选择技术，最终选择了162个光谱波段。这些光谱特征被用于训练四种深度学习模型，以对饮料污渍进行分类，所使用的模型包括多层感知器（MLP）、一维卷积神经网络（1D-CNN）、长短期记忆网络（LSTM）以及CNN-LSTM。训练过程采用了标准化光谱数据，并通过自适应学习率和提前停止策略来确保模型的稳定收敛。通过对分层数据进行五折交叉验证，评估了这些模型的性能。实验结果表明，MLP模型的分类准确率最高，达到了95.58%。这表明将高光谱成像与深度学习结合用于法医中的无损污渍识别具有巨大潜力。