基于近红外光谱技术和极限学习机算法的血迹种属快速鉴定

血迹是刑事案件案发现场最重要的物证之一,快速识别血迹、获取潜在证据,对刑事案件侦破具有重要意义。本文采用手持式近红外光谱仪采集了不同颜色纯棉纺织物上的人血、鸡血和猪血等不同类型的血迹样本的近红外光谱数据。利用标准正态变量(SNV)的预处理方式对采集的近红外光谱数据进行预操作,结合极限学习机(ELM)算法建立血迹种属快速识别模型。接下来,对建立的血迹种属快速识别模型进行了样本测试,并与使用传统支持向量机(SVM)和遗传算法-反向传播(GA-BP)所建立识别模型的测试结果进行了对比和分析。实验结果表明,ELM算法的预测准确率为98.48%,高于GA-BP算法的预测准确率(84.62%)和SVM算法的预测准确率(73.84%)。同时,ELM算法的精准度、灵敏度、特异度和F1-score也均远高于SVM和GA-BP算法。ELM算法所建立的血迹种属识别模型达到了较高的准确率,具有最佳的建模效果。本文的研究结果表明基于手持式近红外光谱仪和ELM算法结合的快速检测方法能够高效、无损、快速、准确地识别血迹类型,为刑事案件中血迹种属的快速鉴定和识别提供了新的技术参考。