Para estabelecer um método portátil de rápida identificação de materiais para impressão 3D baseado em espectroscopia Raman. Foram coletados espectros Raman de 100 amostras de materiais de impressão 3D e construídos 120 processos candidatos de pré-processamento utilizando métodos como suavização Savitzky-Golay (SG) e correção de linha de base por mínimos quadrados assimétricos (AsLS). Esses processos foram combinados com 11 classificadores tradicionais de aprendizado de máquina e aprendizado profundo. A seleção do modelo e a avaliação do desempenho de generalização foram concluídas por meio de validação cruzada aninhada estratificada por grupos, considerando amostras independentes como unidade do grupo. Os resultados mostram que a melhor solução para classificação de 3 tipos de material é a combinação de suavização SG, correção de linha de base AsLS, normalização Min-Max e Transformer espectral, com precisão de 88,0%, embora o copolímero acrilonitrila-butadieno-estireno (ABS) contenha apenas 4 amostras independentes, tornando os indicadores de classe altamente sensíveis a um único erro de classificação. A classificação de marcas do tereftalato de polietileno modificado com glicol (PETG) serviu como validação exploratória de classificação secundária, sendo a melhor solução suavização SG, primeira derivada e variável normal padrão (SNV) combinados com perceptron multicamada (MLP), com precisão de 88,9%. Na otimização preliminar do tempo de integração para uma amostra representativa de cada um dos 3 materiais, o coeficiente médio de correlação da forma espectral aos 9 s foi 0,995; a similaridade média do cosseno de medidas repetidas em ponto fixo de uma amostra individual de PETG foi 0,994. Esse método pode ser usado para triagem química subsequente e comparação de fontes de amostras previamente filtradas em campo como evidências suspeitas de impressão 3D, fornecendo suporte técnico para classificação rápida de evidências em cenas de crime.

materiais de impressão 3D;espectroscopia Raman portátil;classificação hierárquica;validação cruzada aninhada;exame de evidências