Para satisfacer la necesidad de la policía judicial de identificar rápidamente y sin daños la marca de evidencias plásticas de mangos de cepillos de dientes, se construyó un método de identificación de doble espectro basado en espectros Raman diferencial y fluorescencia de rayos X (XRF), y se propuso una red de fusión por puerta escalonada (SHG-Net). Se recolectaron datos experimentales de Raman diferencial y XRF de 111 muestras de mangos de cepillo de dientes que cubren 9 marcas. Se seleccionaron y normalizaron los elementos estables en los datos XRF, al mismo tiempo que se preprocesaron y redujeron las dimensiones de los datos Raman diferenciales, utilizándose muestreo de distribución normal para aumentar los datos y aliviar el impacto de los pequeños conjuntos de muestras. El modelo SHG-Net utiliza ramas de extracción de características de Raman diferencial y XRF, combinando un mecanismo de puerta para lograr una fusión adaptativa ponderada de características, resultando finalmente en la salida de la categoría de marca. Los resultados de la validación cruzada de 5 pliegues mostraron una precisión de 0.96 y una precisión equilibrada de 0.94, superando el reconocimiento unimodal y los métodos de fusión simples. En comparación con modelos tradicionales de aprendizaje automático y modelos base de aprendizaje profundo, SHG-Net mostró un mejor rendimiento en múltiples métricas de evaluación y menor variabilidad general. La información complementaria de doble espectro y el mecanismo de fusión por puerta pueden mejorar eficazmente el rendimiento del reconocimiento de marcas en condiciones de muestras pequeñas, proporcionando soporte técnico para la clasificación rápida de evidencias plásticas en la escena del crimen.

espectro Raman diferencial; espectro de fluorescencia de rayos X; fusión por puerta; evidencia de mangos de cepillo de dientes; clasificación rápida