경찰 실무에서 칫솔 손잡이 플라스틱 증거물의 빠르고 비손상 브랜드 식별 요구를 충족하기 위해, 차분 라만 스펙트럼과 X선 형광 분광법(XRF)을 기반으로 하는 이중 스펙트럼 인식 방법을 구축하고 단계적 게이트 융합 네트워크(SHG-Net)를 제안하였다. 실험을 통해 9개 브랜드 칫솔 손잡이 샘플 111개의 차분 라만 및 XRF 데이터를 수집하였으며, XRF 데이터 내 안정적인 원소들을 선별 및 표준화 처리하고, 차분 라만 스펙트럼 데이터는 전처리 및 차원 축소를 수행하였다. 또한 정규 분포 샘플링을 이용한 데이터 증강으로 소량 샘플의 영향을 완화하였다. SHG-Net 모델은 차분 라만과 XRF 특징 추출 분기를 통해 게이트 메커니즘으로 특징의 적응적 가중 융합을 실현하여 최종적으로 브랜드 분류를 출력한다. 5겹 교차 검증 결과 SHG-Net의 정확도는 0.96, 균형 정확도는 0.94로 단일 모드 인식 및 간단한 병합 융합 방식보다 우수한 성능을 보였다. 전통적인 기계학습 모델 및 딥러닝 기본 모델과 비교하여 SHG-Net은 다수 평가 지표에서 더 우수한 성능과 낮은 변동성을 나타냈다. 이중 스펙트럼 정보 상호 보완 및 게이트 융합 메커니즘은 소량 샘플 조건에서 브랜드 인식 성능 향상에 효과적이며, 범죄 현장 플라스틱 증거물의 빠른 분류에 기술적 지원을 제공한다.

차분 라만 스펙트럼; X선 형광 분광법; 게이트 융합; 칫솔 손잡이 증거물; 빠른 분류