Zur Entwicklung einer tragbaren Methode zur schnellen Erkennung von 3D-Druckmaterialien mittels Raman-Spektroskopie wurden Raman-Spektren von 100 3D-Druckmaterialproben gesammelt und 120 Kandidaten für Vorverarbeitungsprozesse unter Verwendung von Methoden wie Savitzky-Golay (SG) Glättung und asymmetrischer kleinster Quadrate (AsLS) Baseline-Korrektur erstellt. Diese wurden mit 11 traditionellen Machine-Learning- und Deep-Learning-Klassifikatoren kombiniert. Die Modellauswahl und Bewertung der Generalisierungsleistung erfolgte durch verschachtelte, schichtweise gruppierte Kreuzvalidierung basierend auf unabhängigen Proben als Gruppierungseinheiten. Die Ergebnisse zeigten, dass die beste Lösung für die 3-Klassen-Materialklassifizierung die Kombination aus SG-Glättung, AsLS-Baseline-Korrektur, Min-Max-Normalisierung und spektralem Transformer mit einer Genauigkeit von 88,0 % ist, wobei das Acrylonitril-Butadien-Styrol-Copolymer (ABS) nur 4 unabhängige Proben enthält, was die Klassenindikatoren gegenüber einzelnen Fehlklassifikationen sehr empfindlich macht. Die Markenklassifikation des glykolmodifizierten Polyethylenterephthalats (PETG) als explorative Verifikation der sekundären Klassifikation ergab, dass die beste Lösung SG-Glättung, erste Ableitung und standardisierte Normalvariable (SNV) kombiniert mit einem Mehrschichtigen Perzeptron (MLP) mit einer Genauigkeit von 88,9 % ist. Bei der vorläufigen Optimierung der Integrationszeit für je eine repräsentative Probe der 3 Materialien lag der durchschnittliche Spektrenformkorrelationskoeffizient bei 9 s bei 0,995; die durchschnittliche Kosinusähnlichkeit der wiederholten Festpunktmessungen einer einzelnen PETG-Probe betrug 0,994. Diese Methode kann zur nachfolgenden chemischen Zusammensetzungs-Screening und Quellenvergleich bei vor Ort als verdächtige 3D-Druck-Beweismittel vorsorglich gefilterten Proben verwendet werden und bietet technische Unterstützung für die schnelle Klassifizierung von Beweismitteln am Tatort.

3D-Druckmaterialien;tragbare Raman-Spektroskopie;hierarchische Klassifikation;verschachtelte Kreuzvalidierung;Beweisprüfung