Cet article utilise la technologie d'imagerie hyperspectrale pour obtenir les données spectrales d'encre d'estampille atomique de plusieurs marques, et applique la méthode Savitzky-Golay (SG) pour le prétraitement. Sur cette base, un modèle de discrimination des types d'encre d'estampille atomique basé sur l'algorithme de forêt aléatoire (RF) a été construit. Afin de valider la performance du modèle, une analyse comparative systématique a été réalisée entre le modèle RF et des méthodes traditionnelles telles que le réseau de neurones à rétropropagation (BP) et le perceptron multicouche (MLP). De plus, l'optimisation des paramètres du modèle a été réalisée par une recherche en grille combinée à une validation croisée à cinq plis afin d'améliorer la performance et la capacité de généralisation du modèle. Les résultats expérimentaux montrent que le modèle de classification RF (nombre d'arbres 20, nombre de nœuds feuille 3) surpasse les modèles BP et MLP en termes de précision, sensibilité, spécificité et score F1, avec une précision de classification de 99,77 % et 98,66 % sur les ensembles d'entraînement et de test respectivement. La combinaison proposée de la technologie d'imagerie hyperspectrale et de l'algorithme RF permet une identification rapide, non destructive et précise des types d'encre, offrant une nouvelle référence technique pour la vérification des traces de couleur des sceaux atomiques.

imagerie hyperspectrale;forêt aléatoire;encre d'estampille atomique;identification des types