仪器设备与材料: 激光打印机、 推扫式可见光-近红外高光谱成像系统、 A4纸张(Deli No.7400, 70 g· m^-2)、 光敏印章、 原子印章和印台印章等。 高光谱成像系统由卤素灯光源、 成像光谱仪、 铝型材支架、 样品台、 计算机及控制装置等组成, 型号为Pika XC2, 光谱范围为400~1 015 nm, 光谱分辨率为1.3 nm, 光谱通道数为462个。 光源为8个卤钨灯, 总功率为280 W。

实验样品: 激光打印碳粉选择多孔型打印碳粉(Porous-type toner), 印章印油按照印章类型的不同分别选取原子印油(Atomic ink)、 光敏印油(Photosensitive ink)和印台印油(Stamp-pad ink), 选取的激光打印机与印章印油类型信息如表1和表2所示。 在每种打印机碳粉与印油组合下, 制作“ 先墨后朱” 和“ 先朱后墨” 2种顺序的交叉线样品。 为确保实验结果的可靠性, 每种变量组合下重复制作3份样品, 共计制备120组交叉线样品。 样品制作时, 在A4纸张上打印相同的文字内容, 确保激光打印机碳粉分布一致; 在盖印印章时, 统一控制盖印力度、 角度和位置。 样品制备后置于温度25 ℃、 相对湿度50%的受控实验室环境中自然存放, 以保证样品的稳定性。

表1

Table 1

表1(Table 1)

表1 用于制作朱墨交叉线样品的激光打印机类型 Table 1 Type of Laser printers used to print crossing line samples Printer type Toner type ID Brand name Product name Company Laser printer Porous-type A HP LaserJet MFP1188w HP Development Company, L.P. B HP LaserJet P2055d

表1 用于制作朱墨交叉线样品的激光打印机类型 Table 1 Type of Laser printers used to print crossing line samples

表2

Table 2

表2(Table 2)

表2 用于制作朱墨交叉线样品的印章油墨类型 Table 2 Type of stamp inks used to print crossing line samples Ink type ID Brand name Product name Company Atomic ink 1 Deli No.9879 Deli Group Co., Ltd 2 M& G AYZ97509 Shanghai M& G Stationery Inc. 3 COMIX B3722 Shenzhen Comix Group Co., Ltd. 4 SIMAA No.9811 Beijing Sima Guozheng Technology Development Co. 5 Kingdee GM-101 Shenzhen Kingdee Mythic Interconnection Co. Photosensitive ink 6 Deli No.9873 Deli Group Co., Ltd 7 M& G AYZ97508 Shanghai M& G Stationery Inc. 8 COMIX B3712 Shenzhen Comix Group Co., Ltd. 9 SIMAA No.9812 Beijing Sima Guozheng Technology Development Co. 10 Kingdee YZ-101 Shenzhen Kingdee Mythic Interconnection Co. Stamp-pad ink 11 Deli No.9864 Deli Group Co., Ltd 12 M& G AYZ97517 Shanghai M& G Stationery Inc. 13 COMIX B3737 Shenzhen Comix Group Co., Ltd. 14 SIMAA No.9802 Beijing Sima Guozheng Technology Development Co. 15 Kingdee JYT-01 Shenzhen Kingdee Mythic Interconnection Co.

表2 用于制作朱墨交叉线样品的印章油墨类型 Table 2 Type of stamp inks used to print crossing line samples

实验设计如图1所示。 首先采集朱墨时序样品的光谱数据, 然后创建光谱差异数据集, 最后在构建的朱墨交叉线顺序鉴别分类模型上实现朱墨交叉线顺序的识别。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 本文的图形摘要Fig.1 Graphical abstract of this study

1.3.1 样品准备

为模拟真实案件中朱墨发生的互溶现象, 在实验样品制作7 d后, 我们才采集其高光谱图像数据。 选取了不同朱墨时序样品的交叉部位及非交叉部位打印碳粉墨迹区域作为感兴趣区域(ROI)。 对于不同组别朱墨时序样品的两类ROI, 分别提取了5 000个像素点的高光谱数据, 共采集了30组样本数据集, 每组创建了一个包含10 000个样本的高光谱差异数据集, 以供分类任务训练使用。 为了提高模型的泛化能力, 训练和测试所用的光谱数据样品是随机抽取的。

每组高光谱差异数据集的组合按照50%、 20%、 30%划分为训练集、 验证集和测试集。 验证集和测试集完全独立于训练集, 用于模型调参和性能评估, 测试集用于最终评估模型泛化能力, 且统一设置随机种子42以确保数据划分和结果的可复现性。 为了验证模型在不同类型的朱墨组合样本之间的泛化能力, 数据集按照朱墨类型进行分组, 数据集的划分如表3所示。

表3

Table 3

表3(Table 3)

表3 朱墨交叉线样品高光谱差异数据集的样本数 Table 3 The number of crossing line samples in the hyperspectral dataset Dataset ID Sample Training sets Validation sets Test sets A1 5 000 2 000 3 000 A2 5 000 2 000 3 000 … … … … A15 5 000 2 000 3 000 B1 5 000 2 000 3 000 B2 5 000 2 000 3 000 … … … … B15 5 000 2 000 3 000

表3 朱墨交叉线样品高光谱差异数据集的样本数 Table 3 The number of crossing line samples in the hyperspectral dataset

实验关键步骤流程详见图2。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 实验过程关键步骤流程图Fig.2 Flowchart of the key steps in the experimental procedure

1.3.2 光谱差异计算方法

在构建朱墨不同交叉线顺序样本的光谱数据集之前, 对样本的交叉部位与非交叉部位打印碳粉墨迹区域的光谱数据差异进行了计算, 并评估交叉部位和非交叉部位打印碳粉墨迹区域的光谱差异。 为了从不同角度量化两个区域的光谱差异, 以最大限度地揭示不同朱墨时序样本中的微小变化, 本文选取了三种经典的光谱差异计算方法: 直接差值(Direct Difference)^[24]、 对数比值(Log Ratio)^[25]和归一化差值(Normalized Difference)^[24], 见式(1)、 式(2)和式(3)所示, 其中X₁代表不同时序样品中交叉线部位光谱反射率值, X₂表示非交叉部位打印碳粉墨迹区域反射率值。

DirectDifference=X1-X2(1)

LogRatio=logX1X2(2)

NormalizedDifference=X1-X2X1+X2(3)

1.3.3 光谱预处理与降维

在高光谱数据处理中, 光谱信号通常受到散射效应、 光照不均和背景噪声的影响, 使模型精度降低。 为解决这一问题, 采用标准正态变量(standard normal variate, SNV)算法^[26]对光谱差异数据进行预处理。 SNV通过对每个光谱点的吸收值进行标准化处理, 使光谱数据的均值为零、 标准差为一, 可有效消除由散射和背景噪声引起的偏差。

由于高光谱数据的高维特性和波长之间可能存在的共线性及冗余信息, 直接使用全波进行建模不仅增加了计算复杂度, 还可能导致模型过拟合或预测性能下降。 因此, 对高光谱数据进行波长选择具有重要意义。 区间变量迭代空间收缩法(interval variable iterative space shrinkage approach, iVISSA)^[27]是一种光谱间隔选择算法, 可结合全局和局部搜索智能优化光谱间隔的位置、 宽度和组合, 并通过局部搜索结合光谱数据的连续性来确定波长间隔的宽度。

1.3.4 分类算法

在高光谱数据的二分类任务中, 由于数据维度高、 特征复杂且类别边界可能模糊, 选择适当的机器学习模型对分类效果至关重要^[28]。 基于线性的逻辑回归(logistic regression, LR)模型^[29]因其实现简单、 计算效率高, 常被用于高光谱二分类的基线建模, 在特征分布接近线性可分的情况下, LR能够快速生成准确的分类结果。 基于边界的支持向量机模型(support vector machines, SVM)^[30]在二分类任务中表现也很出色, 特别处另高维和非线性可分的高光谱数据时, SVM通过构建最大化分类边界的超平面, 能够在高维空间中精准区分类别, 其核函数的灵活性可以捕捉复杂模式, 并在高光谱二分类任务中有较高的准确率; 树模型以其鲁棒性和灵活性在高光谱二分类任务中表现同样优异, 如决策树(decision tree, DT)模型^[31]通过基于规则的分裂方式, 快速生成简单且易于解释的分类结果, 但其单树结构可能导致过拟合。 在改进这一问题方面, 随机森林(random forest, RF)模型^[32]集成了多棵决策树, 并采用投票机制提高了分类的准确性和稳定性。 此外, 作为增强树模型的XGBoost模型^[33]和LightGBM模型^[34]进一步优化了梯度提升方法, 在高光谱二分类任务中不仅能够提升分类精度, 还具备较高的计算效率, 适合在复杂特征空间中识别不同类别的光谱模式。

在模型参数设置上, 基础模型如决策树和逻辑回归采用默认配置, 而RF、 XGBoost和LightGBM集成学习模型通过优化基学习器数量、 树的最大深度和学习率等关键参数以提升性能, 特别是LightGBM模型, 调整了叶节点数与样本最小数量等参数, 模型参数如表4所示。 此外, 所有模型训练均使用5折交叉验证来提高模型验证的稳定性, 数据预处理则采用StandardScaler标准化方法, 确保输入特征在不同模型间的一致性。

表4

Table 4

表4(Table 4)

表4 机器学习算法模型的参数配置 Table 4 Model parameter configurations for machine learning algorithms Model Parameter Model Parameter LR penalty=‘ l2’ solver=‘ lbfgs’ max_iter=100 C=1.0 DT criterion=‘ gini’ max_depth=None min_samples_split=2 SVM kernel=‘ rbf’ probability= True random_state=42 LightGBM n_estimators=100 learning_rate=0.1 max_depth=5 num_leaves=31 min_data_in_leaf=20 random_state=42 RF n_estimators=100 random_state=42 XGBoost n_estimators=100 random_state=42

表4 机器学习算法模型的参数配置 Table 4 Model parameter configurations for machine learning algorithms

为了深入探究不同朱墨时序样品的光谱反射差异, 本节利用高光谱成像技术对交叉部位和非交叉部位打印碳粉墨迹区域进行光谱反射率提取和差异分析, 旨在揭示朱墨时序样品的独特光谱特征, 为后续的分类识别提供依据。 高光谱成像技术有效分析可疑文书中印章印油与激光打印碳粉墨迹的时序差异, 关键在于比较两类特定区域的光谱反射差异: 一是交叉部位区域, 二是非交叉部位打印碳粉墨迹区域。 通过人工检视, 确定交叉部位和非交叉部位打印字墨迹区域为ROI区域, 并提取其光谱反射率曲线。 图3(a— c)和图3(d— f)分别展示了数据集A1和B10中不同朱墨时序样品两类ROI区域的光谱反射率曲线, 曲线中深色线条展示了样品的平均光谱反射率曲线。

图3

Fig.3

Figure Option ViewDownloadNew Window

图3 不同朱墨时序样品交叉部位和非交叉部位打印碳粉墨迹ROI区域的光谱差异示意图(a), (d): 数据集A1和B10先墨后朱的真实样品; (b), (e):数据集A1和B10先朱后墨的伪造样品; (c), (f): 数据集A1和B10两种朱墨时序的交叉部位Fig.3 Spectral differences of the ROI regions of line-crossing and toner print at different sequences(a), (d): Genuine samples of stamp inks over toner printing from dataset A1 and B10; (b), (e): Forged samples of stamp inks under toner printing from dataset A1 and B10; (c), (f): Comparison of the line-crossing regions for the two types of sequences from dataset A1 and B10

图3(a)和(d)比较了先墨后朱样品交叉部位和非交叉部位打印碳粉墨迹ROI的光谱反射率差异。 图3(a)中在可见光(Vis)范围内两个部位的反射率均较低, 而在近红外(NIR)区域内的反射率逐渐上升; 对于交叉部位而言, 在400~550 nm 波长的紫蓝绿光区域反射率较低, 表明对该波段光有较强吸收, 而在600 nm左右的红色区域至700~1 000 nm的NIR波长区域反射率逐渐上升, 并高于单纯打印碳粉墨迹区域, 表明对该区域的波段更敏感。 在朱墨重叠区域, 成分覆盖顺序会显著影响光谱特征^[22], 红色印章印油的高反射率特性会部分弥补打印碳粉墨迹的低反射率, 尤其在红色和NIR波段, 印章印油覆盖打印机碳粉, 使交叉部位呈现的反光变强^[35], 进一步凸显差异特征, 这与印油中的油机成分对近红外波段的敏感性有关。 而图3(d)和(e)中交叉部位反射率则在整个可见光至近红外波段范围内均高于打印碳粉墨迹部位, 光谱差异的不同体现出不同印油类型的物理和化学特性的不同。

图3(b)和(e)比较了先朱后墨样品交叉部位和非交叉部位打印碳粉墨迹区域ROI的反射率。 两者的总体趋势与图3(a)和(d)一致, 但图3(b)交叉部位的光谱反射率在所有的波段内均低于非交叉部位打印碳粉墨迹区域, 而图3(e)交叉部位的光谱反射率在所有的波段内均高于非交叉部位打印碳粉墨迹区域, 交叉部位打印机碳粉附着在渗有印油的纸张表面, 导致交叉部位表面粗糙度和光学干涉发生变化, 造成反射率的差异。

图3(c)和(f)直接对比了两种朱墨时序样品的交叉部位光谱反射率, 两图中先墨后朱样品在整个光谱范围内的反射率普遍高于先朱后墨样本, 特别是在图3(c)中红色至近红外波长区域。

综上所述, 不同组合的朱墨时序样品在交叉部位和非交叉部位打印碳粉墨迹ROI区域的光谱反射率曲线存在显著差异, 这些差异特征为朱墨时序的鉴别提供了重要的光谱依据。

为了从不同角度量化两个区域的光谱差异, 最大限度地揭示不同朱墨时序样本中的微小变化, 选取了三种经典的光谱差异计算方法(直接差值、 对数比值和归一化差值), 旨在比较和分析不同方法下光谱差异曲线的特征。 光谱差异数据集A1和B10的朱墨时序样本的反射率光谱差异曲线如图4所示。 图4(a— c)和图4(d— f)分别为数据集A1和B10基于三种差异计算方法所计算的反射率光谱差异曲线, 两类曲线显示出了不同时序样品光谱数据的差异特征。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 数据集A1 (a— c)和B10 (d— f)在不同差值计算方法下交叉部位和非交叉部位打印碳粉墨迹ROI区域的光谱差异曲线(a), (d): 直接差值; (b), (e): 对数比值; (c), (f): 归一化差值Fig.4 Spectral difference curves for the line-crossing and print toner ROI regions under different difference calculation methods from dataset A1 (a— c) and B10 (d— f)(a), (d): Direct difference; (b), (e): Log ratio; (c), (f): Normalized difference

由图4可见, 图4(a)和(d)直接差值方法清晰地表现了两种朱墨时序样品的反射率差异, 特别是图4(a)中红色至近红外区域的显著差异, 而图4(b)两种朱墨时序样品的反射率在可见光至近红外波段均存在显著差异, 这与图3中展示的反射率曲线差异能够进行对应; 图4(b)和(e)采用对数比值计算差异, 以反映样本反射率之间的非线性差异, 图4(b)对数比值方法有效地增强了红色至近红外区域的对比特性, 图4(e)在可见光至近红外波段上都增强了差异对比; 图4(c)和(f)显示了两种朱墨时序样本的归一化差值, 归一化差值方法突出显示了光谱差异的动态特性, 特别是在图4(c)的红色至近红外波段和图4(f)的可见光至近红外波段中。

这是由于不同的差值计算方法对光谱数据的处理方式不同, 能够从多个角度揭示光谱差异。 直接差值方法直接反映了两个区域的反射率差异; 对数比值方法能够反映样本反射率之间的非线性差异, 对相对变化更敏感; 归一化差值方法则通过归一化处理, 突出了差异的相对大小。

综上所述, 三种差值计算方法均能有效揭示不同朱墨时序样品的光谱差异, 但对数比值方法在增强光谱差异方面表现更优, 为后续的分类识别提供了更丰富的特征信息。

为了挖掘光谱差异数据集的内在结构和特性, 为后续的数据处理、 特征选择及模型建立提供依据, 计算了光谱差异数据集的相关矩阵热力图, 如图5所示。 图5展示了光谱差异数据的相关矩阵热力分布情况, 有效地揭示了A1和B10光谱差异数据集中不同波长间的线性关系强度和模式。 颜色越红, 表示正相关性越强。 图中大面积的红色区域表明光谱差异数据中存在显著的冗余, 许多波长提供了相似的信息, 不同波段内的信号表现出高度的内部相关性, 特别是近红外波段区域。 因此, 需要借助降维技术来减少特征数量, 在保留大部分重要信息的同时, 能够降低模型的计算成本, 提高模型效率。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 相关性矩阵热力图(a): A1数据集; (b): B10数据集Fig.5 Correlation matrix heatmap of spectral data(a): Dataset A1; (b): Dataset B10

为了降低高光谱数据的维度, 提高模型的计算效率和分类性能, 本节采用iVISSA算法进行特征波长选择, 旨在识别出具有最大类间差异性的波长区域, 同时最小化冗余光谱信息。 iVISSA算法参数设置如下: 最大主成分数设为15, 交叉验证次数设为15。 同时, 选择“ 集中式” (center)数据处理方法, 二元矩阵样本数设置为500。 iVISSA算法在机器学习分类任务的波长选择中表现出优异的性能, 将光谱维度从462个波段有效降低至112个, 同时保持了99.75%的分类准确率。 在保持完美分类性能的同时大幅降低了维度, 在识别信息丰富的光谱特征方面非常有效。 图6为A1数据集在iVISSA算法迭代过程中分类准确率的演变和特征波长的选择结果。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 iVISSA 特征波长选择算法的迭代过程图(a): 分类精度; (b): 特征波长分布Fig.6 Iterative process diagram of iVISSA feature wavelength selection algorithm(a): Accuracy; (b): distribution of selected wavelengths

由图6(a)可见, 分类准确率随迭代次数变化, 起始准确率约为0.97, 随迭代次数增加, 准确率持续提升, 在第13次迭代时达到最高; 图6(b)为波长选择结果分布, 可以看到特征波长倾向于在光谱曲线变化明显的区域集中分布, 特别是红光到近红外区域, 选择的特征波长覆盖了整个光谱波段, 这种选择模式表明算法有效识别出具有最大类间差异性的波长区域, 同时最小化了冗余光谱信息。

2.5.1 波段选择

为了实现对不同朱墨时序样本的准确分类, 本节利用多种机器学习模型对A1光谱差异数据集进行分类识别, 旨在比较不同模型在全波段、 可见光、 近红外和特征波长等范围的性能差异, 探究不同波段对模型性能的影响。 在全波段(All bands)、 可见光(Vis)和近红外(NIR)光谱波段对分类结果进行评估, 直接差值计算方法构建的光谱差异数据集分类结果见表5。

表5

Table 5

表5(Table 5)

表5 基于直接差值方法, 不同波段和预处理对分类模型准确率的影响(单位: %) Table 5 Effect of different wavebands and preprocessing methods on classification accuracy (in %) for different models, based on the Direct Difference method Model Wavebands All bands Vis (400~780 nm) NIR (780~1 000 nm) Selected bands Preprocessing Validation Test Validation Test Validation Test Validation Test LR None 92.07 92.47 84.50 83.40 98.29 98.00 95.71 96.10 SNV 98.07 98.57 86.79 86.67 98.29 98.23 98.21 98.63 SVM None 95.64 95.13 84.93 84.17 98.07 97.67 96.79 96.77 SNV 98.36 98.03 87.07 87.63 98.43 98.73 98.57 98.73 RF None 94.57 94.13 82.86 82.40 94.43 94.07 94.50 95.00 SNV 95.93 95.53 84.14 84.20 94.64 95.57 95.43 95.33 DT None 85.71 85.77 71.71 71.83 85.57 85.23 83.42 84.13 SNV 89.64 89.23 74.36 72.90 89.21 87.50 84.71 85.50 XGBoost None 96.29 96.53 85.01 82.33 95.79 96.63 96.07 95.33 SNV 96.93 96.73 85.36 85.73 97.07 96.93 97.29 97.20 LightGBM None 96.01 95.73 83.86 82.57 95.64 96.00 95.29 95.17 SNV 96.64 96.07 85.71 85.83 96.93 96.93 96.93 96.77

表5 基于直接差值方法, 不同波段和预处理对分类模型准确率的影响(单位: %) Table 5 Effect of different wavebands and preprocessing methods on classification accuracy (in %) for different models, based on the Direct Difference method

全波段分类模型中, XGBoost模型的准确率最高。 然而, 使用SNV预处理方法时, SVM和LR模型的表现优于其他模型。 与Vis波段相比, 人眼无法观测的NIR波段的分类准确率更高。 这表明, NIR波段能提供更多关于差异特征的信息。 各个模型在选择特征波长后的表现介于全波段和NIR波段之间, 使用SNV预处理后, 模型的分类性能有所提升。

由表5可见, 除DT模型外, 其余模型在所有评估指标上表现均衡, SVM和LR表现较好, 测试集准确率均超过98%, 表明全波段光谱信息能够全面表征样本特征, 支持分类模型的高效学习。 在Vis波段, 模型性能出现一定下降, 尤其是DT, 测试集准确率仅为72.90%。 然而, SVM和LR的表现相对稳定, 测试集准确率分别为86.67%和87.63%。 这说明在较少波段特征下模型依然具有一定的适应能力。 NIR波段对分类任务的贡献显著提高, 特别是SVM的测试集准确率由98.03%提高到了98.73%, 表明NIR波段包含了关键的分类特征。 XGBoost和LightGBM的测试集准确率相较于全波段分别提高至97.20%和96.77%; SVM的测试集准确率为98.73%, 与NIR波段表现一致, 是最优模型; LR紧随其后, 测试集准确率为98.63%。

综上所述, 特征波长选择方法的分类效果接近全波段, 甚至在部分模型中能够获得更高的测试集准确率, 说明波长选择能够提高模型性能, 同时减少计算复杂度。

2.5.2 差异计算方法

为了进一步探究不同差异计算方法对模型性能的影响, 对比了三种差异计算方法得到A1数据集的光谱差异数据对模型性能的影响, 以确定最佳差异计算方法。 重点关注模型针对正类样本即伪造文书样本的预测准确性, 即模型的精准度(Precision), 以尽量减少假阳性误报, 从而提高系统在实际应用中的可靠性和效率。 此外, 特异性(Specificity)同样重要, 因为高特异性意味着模型能够有效区分负类样本即真实文书样本, 进一步提升整体分类的准确性^[36]。 因此, 本文基于三种光谱差值计算方法, 对多种模型的精准度和特异性进行了全面比较, 模型在波长选择后的性能结果如表6所示。

表6

Table 6

表6(Table 6)

表6 不同光谱差异计算方法对模型分类准确率的影响(单位: %) Table 6 Effect of different methods of spectral difference calculation on classification accuracy (in %) for different models Model Direct Difference Normalized Difference Log Ratio Precision Specificity Precision Specificity Precision Specificity LR 98.46 98.47 98.41 98.40 92.64 93.13 SVM 99.26 99.27 99.33 99.33 99.47 99.39 RF 96.12 96.20 96.09 96.13 96.47 95.95 DT 83.69 83.00 87.43 87.40 86.53 87.93 XGBoost 97.77 97.80 97.12 97.13 97.57 97.87 LightGBM 97.49 97.53 96.93 96.93 97.35 97.67

表6 不同光谱差异计算方法对模型分类准确率的影响(单位: %) Table 6 Effect of different methods of spectral difference calculation on classification accuracy (in %) for different models

由表6可见, SVM在三种光谱差值方法下均表现最佳, 精准度分别达到99.26%、 99.33%和99.47%, 特异性分别为99.27%、 99.33%和99.39%。 相比之下, 集成模型XGBoost和LightGBM尽管略逊于SVM, 但在所有指标上仍然表现出高度稳定性。 在对数比值差值方法下, XGBoost的精准度为97.57%, 特异性为97.87%; 而LightGBM的精准度和特异性分别达到97.35%和97.67%。 DT和RF模型的表现相对较差, DT模型在直接差值方法下的精准度和特异性仅为83.69%和83.00%, 在其他差值方法下的性能提升也较为有限。

综上所述, 在基于对数比值的差异数据集上, SVM模型在特征波长下表现出最佳的分类性能, 此外集成模型XGBoost和LightGBM也表现出高度的稳定性。

2.5.3 泛化能力评估

为了进一步验证所提方法的泛化能力, 在涵盖激光打印碳粉与3种印章类型的印油组合的光谱差异数据集进行了验证。 通过对上述最优模型进行了跨数据集的性能评估, 测试本方法的泛化能力。 在其他各组的数据集中, 采用相同的对数比值方法计算光谱差异, 随后依次对光谱差异数据采用SNV预处理和iVISSA特征波长选择策略, 最后通过SVM、 XGBoost和LightGBM等最优模型对本方法进行评估。 不同最优模型在不同数据集上的识别准确率及性能如表7和图7所示。

表7

Table 7

表7(Table 7)

表7 最优模型在不同数据集上的识别准确率(单位: %) Table 7 Classification accuracy (in %) of the optimal models across different datasets Ink type Dataset ID SVM XGBoost LightGBM Validation Test Validation Test Validation Test Atomic ink A1 98.78 98.85 97.51 97.42 97.08 96.98 B3 98.43 98.27 96.64 96.57 95.64 95.73 Photosensitive ink A8 95.36 95.93 93.07 94.13 93.14 93.63 B10 97.29 96.60 96.43 95.73 96.64 95.50 Stamp-pad ink A11 87.93 86.83 93.86 94.53 94.21 93.83 B15 95.36 95.80 93.50 93.77 92.79 93.37

表7 最优模型在不同数据集上的识别准确率(单位: %) Table 7 Classification accuracy (in %) of the optimal models across different datasets

图7

Fig.7

Figure Option ViewDownloadNew Window

图7 最优模型在不同数据集中的性能表现(a), (d): B3数据集ROC曲线和SVM模型测试集混淆矩阵; (b), (e): B10数据集ROC曲线和SVM模型测试集混淆矩阵; (c), (f): A11数据集ROC曲线和XGBoost测试集混淆矩阵Fig.7 The performance of the optimal models in different datasets(a), (d): The ROC curves of the B3 dataset and the confusion matrix of the SVM model test set; (b), (e): The ROC curves of the B10 dataset and the confusion matrix of the SVM model test set; (c), (f): The ROC curve of the A11 dataset and the confusion matrix of the XGBoost model test set

实验发现, 30组不同类型的印油与同种激光打印碳粉形成的朱墨时序组合在模型分类性能方面具有相似性, 因此在每类组合中各选取了两组具有代表性的数据集进行展示。 表7中列出的数据集A1与B3、 A8与B10、 A11与B15为激光打印机碳粉分别与原子印油、 光敏印油和印台印油组合的代表。 由表7可见, SVM在所有数据集上的验证集和测试集准确率都相对较高, 尤其是在原子印油组合的数据集上表现最佳, XGBoost和LightGBM在不同数据集上的表现相对接近, 但总体上略低于SVM。 对于不同的数据集而言, 原子印油组合的数据集上, 所有模型的准确率都较高, 尤其是SVM模型; 光敏印油组合的数据集上, SVM模型的表现也优于其他模型, 但XGBoost和LightGBM的表现也较为接近; 而印台印油组合的数据集上, XGBoost体现出较SVM更佳的性能。

图7选取了具有代表性的B3、 B10和A11数据集展示了最优模型的性能表现。 SVM模型体现出较好的分类性能, 在B3和B10数据集中表现最佳, 但在A11数据集中性能有所下降; XGBoost的鲁棒性和泛化能力较强, 在所有三个数据集中均表现出色; LightGBM表现也较为稳定, 性能仅次于XGBoost。 造成模型性能差异的原因可能是不同类型朱墨组合的物理和化学特性的差异, 导致不同数据集中特征分布的复杂度存在差异导致。 此外, 不同模型对于不同数据结构的适应性不同, 因此, 模型在这些不同类型数据集上的表现也会不同。

综上所述, SVM、 XGBoost和LightGBM这三个机器学习模型作为最优的模式识别方法, 能够实现光谱差异数据的有效分类, 该方法在不同数据集中均能够表现出较好的分类效果,

实验结果可见, 不同朱墨时序样品在交叉部位与非交叉部位打印碳粉墨迹的ROI区域中, 其光谱反射率曲线表现出显著差异, 这些差异特征为朱墨时序的鉴别提供了坚实的光谱依据。 进一步分析表明, 3种差值计算方法均能有效揭示样品间的光谱差异, 其中对数比值方法对于光谱差异增强效果尤为突出, 为后续分类模型提供了更丰富且具有判别力的特征信息。 SNV预处理显著增强模型性能, 特别是在关键特征波段。 iVISSA特征波长选择策略能够有效识别出类间差异最大的关键波长区域, 同时最大限度地减少了冗余信息的干扰, 该方法不仅降低了计算复杂度, 还提升了模型的整体性能。 差异计算方法对模型性能有显著影响, 对数比值差值法通过放大光谱相对变化, 增强了模型的分类能力。 模型对比显示, SVM在对数比值法下对小差异特征尤为敏感, 而XGBoost和LightGBM在复杂数据中展现了出色的鲁棒性。 上述结果进一步支持了Vis-NIR HSI结合模式识别的化学计量学方法在检验互溶型朱墨时序样品中的应用潜力及泛化能力。