Este artigo utiliza a tecnologia de imageamento hiperespectral para obter dados espectrais de tintas de selos atômicos de várias marcas e aplica o método Savitzky-Golay (SG) para pré-processamento. Com base nisso, foi construído um modelo de identificação de tipos de tinta de selos atômicos baseado no algoritmo Random Forest (RF). Para validar o desempenho do modelo, foi realizada uma análise comparativa sistemática entre o modelo RF e métodos tradicionais como a rede neural de retropropagação (BP) e o perceptron multicamadas (MLP). Além disso, os parâmetros do modelo foram otimizados por busca em grade combinada com validação cruzada de cinco vezes para melhorar o desempenho e a capacidade de generalização do modelo. Os resultados experimentais mostram que o modelo de classificação RF (número de árvores 20, número de nós folha 3) superou os modelos BP e MLP em indicadores como precisão, sensibilidade, especificidade e pontuação F1, com acurácia de classificação de 99,77% e 98,66% nos conjuntos de treinamento e teste, respectivamente. A combinação proposta de tecnologia de imageamento hiperespectral e algoritmo RF pode identificar rapidamente, de forma não destrutiva e precisa os tipos de tinta, fornecendo uma nova referência técnica para inspeção das marcas de cor dos selos atômicos.

imageamento hiperespectral;Random Forest;tinta de selos atômicos;identificação de tipos