其他行业
前言
案发现场随处可见咖啡、果汁、酒水类饮品微量污渍，依靠肉眼很难辨别种类。传统检测多依靠取样、化学显色处理，容易损伤物证，不利于后续复核。Nature发布一项研究，搭建高光谱成像结合波段筛选、深度学习的完整分析方案，针对九类饮品污渍开展无损鉴别实验，为刑侦微量物证检测提供新思路，彩谱结合该研究，和大家聊聊高光谱在法医领域的落地价值。
1. 肉眼识别局限大，咖啡与茶、威士忌与朗姆外观相近，人工区分难度高；
2. 化学检测会破坏污渍原始形态，物证无法重复核验；
3. 普通分光设备仅能单点采集，大面积痕迹检测耗时久；
4. 纸张色差、污渍风干氧化都会干扰判断，缺少标准化数据支撑。
高光谱成像依托无接触、全域采集物质光谱指纹的优势，能够弥补以上不足，成为微量物证分析实用光学工具。
本次研究采用400–1000nm可见光-近红外高光谱成像设备，搭载 204 个连续光谱波段，完整采集各类污渍三维光谱数据立方体（二维空间坐标 + 一维光谱曲线），整套采集流程标准化、可复现。
研究模拟真实案发现场条件，统一控制温湿度、光源角度、污渍滴加体积，针对9类饮品（木瓜汁、咖啡、石榴汁、橙汁、茶、红酒、威士忌、朗姆、白兰地）开展成像：
l载体覆盖白/ 粉 / 棕色吸水纸巾，包含平整、折叠两种形态；
l分0–5小时6个时间节点采集污渍风干光谱，捕捉氧化、蒸发带来的光谱变化；
l每个污渍划定1.5×1.5cm无反光ROI区域，剔除边缘干扰像素，保证数据纯净度。
拍摄前完成白板反射校正与暗电流校正，统一换算标准化反射率曲线，消除设备、光照带来的数值偏差，不同样本之间可横向对比光谱差异。
每一个成像像素都会生成专属光谱曲线，记录不同波长下的反射数值，解锁人眼无法识别的化学差异：
l红酒、石榴富含花青素，400–700nm可见光区间反射数值偏低；
l咖啡、茶多酚在蓝绿波段存在专属吸收特征；
l威士忌与朗姆的区分信号集中在750–900nm近红外区间。 正是数百组连续波段的精细数据，区分开视觉高度近似的两类饮品污渍。
设备采集原始光谱样本超12万条，经过噪点、重复像素清洗后，形成超11万条有效光谱样本，每条对应204维光谱特征，作为后续波段筛选、深度学习训练的原始数据底座。 充足、多变量的光谱样本，能支撑算法学习不同载体、不同风干时长下污渍稳定光谱规律，降低环境带来的识别波动。
高光谱原始波段数量多，波段间存在信息冗余，直接建模会增加运算负担，研究引入两层数据优化方案。
采用ANOVA F 检验计算每个波段的区分能力（类间方差 / 类内方差），对204个波段按区分效果排序。通过5折交叉验证测试不同波段数量对应的识别表现，最终选定162个高区分度波段用于建模，在兼顾识别表现的同时，缩减数据运算规模。
基于筛选后的162维光谱数据，统一超参训练4种主流网络模型：MLP、1D-CNN、LSTM、CNN-LSTM 混合网络，统一采用精确率、召回率、F1分数、整体准确率完成评估：
1. MLP 全连接网络：对全局光谱特征拟合表现稳定，实验分类表现优于其余模型；
2. 1D-CNN：擅长捕捉相邻波段局部光谱变化；
3. LSTM：适配光谱波段连续序列特征学习；
4. CNN-LSTM 混合结构：融合局部与序列特征，但受数据量影响，识别表现不及单一网络。 同时通过配对 t 检验、McNemar 检验验证模型之间的表现差异具备统计学参考意义，排除随机采样带来的波动干扰。
从光谱曲线可以直观看到模型错分逻辑：咖啡与茶在400–550nm波段曲线高度重合，威士忌、朗姆仅近红外区间存在细微差值，这两类样本容易出现互相误判，和模型混淆矩阵结果保持一致，证明光谱数据可以解释识别误差，提升鉴定结果可解释性。
1. 完整保全物证：全程无需试剂、不接触污渍，检测后样本可留存开展其他鉴定，符合司法物证规范；
2. 提升勘查效率：单次成像采集整片污渍全部光谱，无需逐点采样，适合现场快速筛查；
3. 区分近似痕迹：数百组连续波段捕捉有机物、色素细微光学差异，解决目视分辨难题；
4. 环境适配性强：实验验证设备可适配不同底色、褶皱、风干状态的污渍，后续可拓展布料、证件、皮肤等载体；
5. 数据数字化留存：光谱数值可导出归档，逐步搭建痕迹光谱库，实现样本智能比对。
产品推荐
FigSpecFS-23成像高光谱相机
l图像分辨率：1920*1920
l光谱范围：400-1000nm
l光谱分辨率(FWHM)：2.5nm
l光谱通道数：1200
免责声明
本内容依托Nature旗下公开学术文献（文献链接：https://www.nature.com/articles/s41598-026-49928-8）整理编撰，仅用于行业技术探讨与科普学习，不作任何商业相关承诺，亦不能作为投资参考依据。文中所列各项实验数据与结论会受试验环境、样本个体区别、模型构建方案等多重变量干扰，若落地实际场景使用，相关效果需结合自身场景另行实测核验。
