中國(guó)人民公安大學(xué)姜紅教授。姜紅，中國(guó)人民公安大學(xué)偵查學(xué)院教授、碩士生導(dǎo)師。主要從事微量物證和毒物毒品檢驗(yàn)鑒定工作。主持和參加完成各級(jí)科研項(xiàng)目30余項(xiàng)，發(fā)表核心期刊論文100余篇，其中SCI和EI收錄20余篇。出版《鞋底材料物證檢驗(yàn)》、《香煙物證檢驗(yàn)》、《化妝品物證分析》等4部學(xué)術(shù)著作。主編教材2部，參編教材10余部，參編教材《刑事科學(xué)技術(shù)》獲北京市精品教材獎(jiǎng)。參加的公安部科研項(xiàng)目有兩項(xiàng)獲得公安部科技進(jìn)步三等獎(jiǎng)。2021、2022連續(xù)兩年被學(xué)校評(píng)為“親家數(shù)科獎(jiǎng)教金”科研名師。

第29期高光譜課堂榮幸邀請(qǐng)到中國(guó)人民公安大學(xué)教授—姜紅做線上講座報(bào)告，姜老師本次報(bào)告主要介紹高光譜成像技術(shù)在法庭科學(xué)領(lǐng)域具有廣泛的應(yīng)用，主要從以下三個(gè)方面介紹高光譜成像技術(shù)在法庭科學(xué)中的應(yīng)用： 利用高光譜成像技術(shù)檢驗(yàn)微量物證、中藥材、檢驗(yàn)食源性致病菌

一、利用高光譜成像技術(shù)檢驗(yàn)微量物證；

二、利用高光譜成像技術(shù)檢驗(yàn)中藥材；

三、利用高光譜成像技術(shù)檢驗(yàn)食源性致病菌。

利用高光譜檢驗(yàn)汽車保險(xiǎn)杠樣品時(shí)，為什么選擇了KNN、RF 和 LSTM 這三種模型進(jìn)行建模，其中各自的優(yōu)勢(shì)是什么？

KNN分類算法是一種基于實(shí)例的學(xué)習(xí)算法，通過(guò)計(jì)算待分類樣本與已知類別樣本之間的距離，確定相鄰的 K 值，并根據(jù)這些鄰近的類別對(duì)分類模型進(jìn)行判別。KNN算法的優(yōu)勢(shì)是簡(jiǎn)單直觀，且對(duì)于高光譜數(shù)據(jù)中的非線性關(guān)系有較好的處理能力。RF 算法則是一種基于決策樹(shù)的集成學(xué)習(xí)算法，它通過(guò)構(gòu)建多個(gè)決策樹(shù)并結(jié)合它們的輸出進(jìn)行分類。RF算法的優(yōu)勢(shì)是抗過(guò)擬合能力強(qiáng)、泛化性能好，且能夠處理高維數(shù)據(jù)，適合用于高光譜數(shù)據(jù)的分類。LSTM 則是一種適用于序列數(shù)據(jù)的深度學(xué)習(xí)算法，它通過(guò)引入門(mén)控機(jī)制和記憶單元來(lái)捕捉序列中的長(zhǎng)期依賴關(guān)系。雖然高光譜數(shù)據(jù)本身不是序列數(shù)據(jù)，但可以通過(guò)一定的預(yù)處理將其轉(zhuǎn)換為適合 LSTM 處理的格式。LSTM 的優(yōu)勢(shì)是在處理高光譜數(shù)據(jù)時(shí)，能夠?qū)W習(xí)到光譜曲線中的復(fù)雜模式，從而提高分類的準(zhǔn)確性。

與傳統(tǒng)的微生物培養(yǎng)法、免疫學(xué)方法、分子生物學(xué)方法相比，通過(guò)研究構(gòu)建的基于光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)的檢測(cè)方法在檢測(cè)成本、檢測(cè)效率、檢測(cè)準(zhǔn)確性以及適用范圍等方面有何異同，在未來(lái)推廣應(yīng)用中還需要解決哪些問(wèn)題？

在檢測(cè)成本方面：傳統(tǒng)方法中微生物培養(yǎng)法成本相對(duì)較低，但耗時(shí)較長(zhǎng)；免疫學(xué)方法和分子生物學(xué)方法如 RT - qPCR，儀器設(shè)備和試劑成本較高。

檢測(cè)效率上：傳統(tǒng)方法前處理繁瑣、檢測(cè)周期長(zhǎng)，微生物培養(yǎng)法需數(shù)天甚至數(shù)周，免疫學(xué)和分子生物學(xué)方法也需數(shù)小時(shí)；本研究方法操作簡(jiǎn)便，檢測(cè)時(shí)間短，可實(shí)現(xiàn)快速鑒別。

檢測(cè)準(zhǔn)確性方面：傳統(tǒng)方法在各自適用范圍內(nèi)準(zhǔn)確性較高，但存在局限性，如微生物培養(yǎng)法可能受微生物生長(zhǎng)條件限制，免疫學(xué)方法存在交叉反應(yīng)問(wèn)題；本研究方法在菌種和血清型鑒別上取得了較高的準(zhǔn)確率，但對(duì)于一些光譜特征相似的菌株可能存在鑒別困難。

適用范圍上：傳統(tǒng)方法應(yīng)用廣泛且針對(duì)不同類型食源性致病菌有相對(duì)成熟的方案；本研究方法目前針對(duì)實(shí)驗(yàn)選取的五種食源性致病菌效果較好，但對(duì)于其他種類致病菌的適用性還需進(jìn)一步驗(yàn)證。

在未來(lái)推廣應(yīng)用中，還需要解決儀器設(shè)備的小型化和便攜化問(wèn)題，以適應(yīng)現(xiàn)場(chǎng)檢測(cè)需求；完善光譜數(shù)據(jù)庫(kù)，增加更多食源性致病菌的光譜數(shù)據(jù)，提高對(duì)不同菌株的鑒別能力；開(kāi)展大規(guī)模的實(shí)際樣品檢測(cè)驗(yàn)證，進(jìn)一步評(píng)估方法的可靠性和穩(wěn)定性；加強(qiáng)操作人員培訓(xùn)，確保檢測(cè)結(jié)果的準(zhǔn)確性和一致性。