警察実務において歯ブラシ柄のプラスチック証拠物の迅速かつ非破壊なブランド識別ニーズを満たすために、差分ラマンスペクトルとX線蛍光スペクトル（XRF）に基づく二重スペクトル識別手法を構築し、段階的ゲート融合ネットワーク（SHG-Net）を提案した。実験では、9ブランドの歯ブラシ柄サンプル111個の差分ラマンおよびXRFデータを収集し、XRFデータの安定元素を選別・標準化処理し、差分ラマンスペクトルデータは前処理および次元削減を行った。また、正規分布サンプリングによるデータ拡張を採用し、小サンプルによる影響を緩和した。SHG-Netモデルは、差分ラマンおよびXRF特徴抽出ブランチを通じてゲート機構により特徴の適応的重み付け融合を実現し、最終的にブランドカテゴリを出力する。5分割交差検証の結果、SHG-Netは精度0.96、バランス精度0.94を示し、単一モーダル認識や単純結合融合方法より性能が優れている。従来の機械学習モデルや深層学習ベースモデルと比較して、SHG-Netは複数の評価指標でより良好な性能かつ全体的な変動が小さいことが示された。二重スペクトル情報の補完性とゲート融合機構は、少量サンプル条件下でブランド識別性能を効果的に向上させ、犯罪現場におけるプラスチック証拠物の迅速な分類に技術的支援を提供する。

差分ラマンスペクトル;X線蛍光スペクトル;ゲート融合;歯ブラシ柄証拠物;高速分類