3Dプリント材料の携帯型ラマンスペクトルによる迅速識別法を確立するために、100個の3Dプリント材料サンプルのラマンスペクトルを収集し、Savitzky-Golay（SG）平滑化、非対称最小二乗法（AsLS）などの方法を用いて120の候補前処理フローを構築し、11種類の従来機械学習および深層学習分類器と組み合わせ、独立サンプルをグループ単位とした入れ子層別グループ交差検証によりモデル選択と汎化性能評価を完了した。結果は、材質3分類の最適方案がSG平滑-AsLSベースライン補正-Min-Max正規化とスペクトルTransformerの組み合わせであり、正確率88.0%であることを示したが、アクリロニトリル-ブタジエン-スチレン共重合体（ABS）は独立サンプルが4つしかなく、クラスレベルの指標は単一誤分類に非常に敏感であった。エチレングリコール修飾ポリエチレンテレフタレート（PETG）ブランド分類は二次分類の探索的検証として、最適方案はSG平滑-一次微分-標準正規変量（SNV）と多層パーセプトロン（MLP）の組み合わせであり、正確率は88.9%であった。3種材質それぞれ1つの代表サンプルの積分時間の初期最適化では、9秒時の平均スペクトル形状相関係数は0.995、単一PETGサンプルの固定点反復測定の平均コサイン類似度は0.994であった。本方法は、現場で疑似3Dプリント証拠として一次スクリーニングされたサンプルの後続化学組成スクリーニングと由来比較に使用でき、犯罪現場関連証拠の迅速な分類に技術支援を提供する。

3Dプリント材料;携帯型ラマンスペクトル;階層分類;入れ子交差検証;証拠検査