No campo da verificação de documentos criminais, a análise da sequência temporal da tinta vermelha e das impressões de carimbo é uma tecnologia chave para validar a autenticidade das evidências documentais. Este artigo baseia-se na vantagem da integração do espectro de imagens hiperespectrais de luz visível a infravermelho próximo (Vis-NIR HSI), combinada com redes neurais convolucionais (CNN), para estudar a discriminação da sequência temporal da tinta vermelha. Com base na análise morfológica das imagens espectrais, foram coletados dados hiperespectrais de 42.000 amostras com diferentes sequências temporais de tinta vermelha, estabelecendo um conjunto de dados hiperespectrais para sequências temporais de tinta vermelha. Os espectros das amostras foram pré-processados usando filtragem mediana, filtragem suave Savitzky-Golay, correção de dispersão múltipla e normalização; foram selecionados comprimentos de onda característicos usando o algoritmo de projeção sucessiva (SPA) e a amostragem adaptativa concorrente ponderada (CARS). Foram construídos vários modelos de aprendizado de máquina para classificação binária, incluindo regressão logística (LR) e redes neurais convolucionais unidimensionais (1D-CNN), e os resultados do modelo foram comparados. Os resultados experimentais mostraram que o modelo CARS-1D-CNN, construído com comprimentos de onda característicos extraídos pelo método CARS, atingiu precisões de 96,98% e 95,54% nos conjuntos de treinamento e teste, respectivamente, indicando que a combinação de Vis-NIR HSI e 1D-CNN pode reconhecer efetivamente a sequência temporal da tinta vermelha. Este método complementa e verifica os métodos convencionais de inspeção, melhorando a precisão e a eficiência da inspeção da sequência temporal da tinta vermelha.

Imagens hiperespectrais visível a infravermelho próximo (Vis-NIR HSI);inspeção de documentos;sequência temporal da tinta vermelha;aprendizado de máquina;1D-CNN