형사 문서 검사 분야에서 붉은 잉크와 도장 인장의 시간 순서 분석은 문서 증거물의 진위 확인을 위한 핵심 기술입니다. 본 논문은 가시광선-근적외선 고분광 영상 기술(Vis-NIR HSI)의 스펙트럼 통합 장점과 합성곱 신경망(CNN)을 결합하여 주목의 시간 순서 판별 문제를 연구하였습니다. 스펙트럼 영상 형태 분석을 기반으로 42,000개의 다양한 주목 시간 순서 샘플의 고분광 데이터를 수집하여 주목 시간 순서 고분광 데이터셋을 구축하였습니다. 중간값 필터, Savitzky-Golay 평활 필터, 다중 산란 보정 및 정규화 방법을 사용하여 샘플 스펙트럼을 전처리하였으며, 연속 투영 알고리즘(SPA)과 경쟁 적응 가중 샘플링(CARS)을 통해 스펙트럼 특성 파장을 선택하였습니다. 로지스틱 회귀(LR) 등 여러 이진 분류 기계 학습 모델과 1차원 합성곱 신경망(1D-CNN) 모델을 각각 구축하고 모델링 효과를 비교하였습니다. 실험 결과, CARS 방법으로 추출한 스펙트럼 특성 파장을 기반으로 한 CARS-1D-CNN 모델이 학습 세트와 테스트 세트에서 각각 96.98%와 95.54%의 정확도를 보여, Vis-NIR HSI와 1D-CNN의 결합이 주목 시간 순서 인식을 효과적으로 가능하게 함을 나타냈습니다. 이 방법은 기존 검사 방법과 상호 보완 및 검증하여 주목 시간 순서 검사 판별의 정확성과 효율성을 향상시킬 수 있습니다.

가시광선-근적외선 고분광 영상(Vis-NIR HSI);문서 검사;주목 시간 순서;기계 학습;1D-CNN