Pour répondre au besoin de la police judiciaire d'identifier rapidement et sans dommage la marque des pièces en plastique des manches de brosse à dents, une méthode d'identification à double spectre basée sur le spectre Raman différentiel et le spectre de fluorescence X (XRF) a été développée, avec la proposition d'un réseau de fusion à portes en escalier (SHG-Net). Des données Raman différentielles et XRF de 111 échantillons de manches de brosse à dents couvrant 9 marques ont été collectées expérimentalement. Les éléments stables dans les données XRF ont été sélectionnés et normalisés, tandis que les données Raman différentielles ont été prétraitées et réduites en dimension. L'augmentation des données a été réalisée par échantillonnage selon une distribution normale pour atténuer l'impact des petits échantillons. Le modèle SHG-Net utilise des branches d'extraction de caractéristiques Raman différentielles et XRF, combinées par un mécanisme à portes pour une fusion adaptative pondérée des caractéristiques, produisant finalement la classification de la marque. Les résultats de validation croisée en 5 plis ont montré une précision de 0,96 et une précision équilibrée de 0,94, surpassant les méthodes unimodales et les fusions simples. Comparé aux modèles traditionnels d'apprentissage machine et aux modèles de base d'apprentissage profond, SHG-Net présente de meilleures performances sur plusieurs indicateurs d'évaluation avec une variance globale plus faible. La complémentarité des informations à double spectre et le mécanisme de fusion par portes améliorent efficacement la reconnaissance des marques sous conditions d'échantillons limités, apportant un support technique pour la classification rapide des preuves plastiques sur les scènes de crime.

spectre Raman différentiel; spectre de fluorescence X; fusion à portes; preuves de manches de brosse à dents; classification rapide