Pour établir une méthode portable de reconnaissance rapide des matériaux d'impression 3D basée sur la spectroscopie Raman. 100 échantillons de matériaux d'impression 3D ont été collectés, et 120 processus de prétraitement candidats ont été construits en utilisant des méthodes telles que le lissage Savitzky-Golay (SG) et la correction de ligne de base par moindres carrés asymétriques (AsLS). Ces processus ont été combinés avec 11 classificateurs traditionnels d'apprentissage automatique et d'apprentissage profond, et la sélection des modèles ainsi que l'évaluation des performances de généralisation ont été réalisées via une validation croisée emboîtée hiérarchique basée sur des échantillons indépendants en tant qu'unités de regroupement. Les résultats montrent que la meilleure solution pour la classification en 3 matériaux est la combinaison du lissage SG, de la correction de ligne de base AsLS, de la normalisation Min-Max et du Transformer spectral, avec une précision de 88,0%, bien que le copolymère acrylonitrile-butadiène-styrène (ABS) ne contienne que 4 échantillons indépendants, rendant les indicateurs de catégorie très sensibles à une fausse classification unique. La classification des marques de polyéthylène téréphtalate glycol modifié (PETG) a servi de validation exploratoire pour une classification secondaire, la meilleure solution étant le lissage SG, la première dérivée et la variable normale standard (SNV) combinés à un perceptron multicouche (MLP), avec une précision de 88,9%. Lors de l'optimisation préliminaire du temps d'intégration pour un échantillon représentatif de chaque matériau, le coefficient de corrélation moyen de la forme spectrale à 9 s était de 0,995; la similarité cosinus moyenne des mesures répétées au point fixe d'un échantillon PETG unique était de 0,994. Cette méthode peut être utilisée pour un criblage chimique ultérieur et une comparaison des sources d'échantillons préalablement présélectionnés sur le terrain comme preuves suspectées d'impression 3D, fournissant un support technique à la classification rapide des preuves sur les scènes de crime.

matériaux d'impression 3D;spectroscopie Raman portable;classification hiérarchique;validation croisée emboîtée;examen des preuves