Para atender à necessidade da polícia em identificar rapidamente e sem danos a marca de evidências plásticas de cabos de escovas de dente, foi desenvolvido um método de identificação de dupla espectroscopia baseado em espectroscopia Raman diferencial e fluorescência de raios X (XRF), e proposta uma rede de fusão em degraus com porta (SHG-Net). Foram coletados experimentalmente dados Raman diferencial e XRF de 111 amostras de cabos de escovas de dente abrangendo 9 marcas. Elementos estáveis nos dados XRF foram selecionados e normalizados, enquanto os dados do espectro Raman diferencial foram pré-processados e reduziram dimensionalmente. O aumento de dados foi realizado por amostragem de distribuição normal para mitigar o impacto de pequenas amostras. O modelo SHG-Net utiliza ramos de extração de características Raman diferencial e XRF, combinados por um mecanismo de porta para uma fusão adaptativa ponderada das características, produzindo finalmente a saída da categoria da marca. Os resultados da validação cruzada de 5 dobras mostraram precisão de 0,96 e precisão balanceada de 0,94, superando o reconhecimento unimodal e métodos simples de fusão. Em comparação com modelos tradicionais de aprendizado de máquina e modelos base de aprendizado profundo, o SHG-Net apresentou melhor desempenho em várias métricas de avaliação e menor variabilidade geral. A complementaridade da informação duplespectral e o mecanismo de fusão por portas podem melhorar eficazmente o desempenho do reconhecimento de marcas sob condições de amostras pequenas, fornecendo suporte técnico para a classificação rápida de evidências de plástico em cenas de crime.

espectroscopia Raman diferencial; fluorescência de raios X; fusão por porta; evidências de cabos de escova de dente; classificação rápida