利用来自自然资源的光碳量子点来推进汗液隐藏指纹识别,使用机器学习算法来增强人类识别

科学领域:

• 材料科学 材料科学 材料科学
• 纳米技术 纳米技术
• 法医科学 法医科学 法医科学

背景情况:

• 工程废弃物生物质转化为功能性纳米材料是一个不断增长的领域.
• 开发用于潜伏指纹检测的先进材料对法医至关重要.
• 杏花提取物 (Tagetes erecta) 作为一种绿色前体,具有独特的特性.

研究的目的:

• 为了从黄提取物中合成异质原子合的碳量子点 (N-S@MCDs).
• 使用N-S@MCDs和玉米粉开发一种新的光指纹粉.
• 评估N-S@MCDs/玉米粉光剂在隐藏指纹可视化和分析方面的有效性.

主要方法:

• 从Tagetes erecta提取物中合成N-S@MCD.
• 使用分析技术对N-S@MCD进行表征.
• 将N-S@MCD纳入玉米粉中以形成.
• 在紫外线照射下,在无孔表面上开发和可视化隐藏的指纹.
• 人工智能程序用于指纹匹配的应用.

主要成果:

• 成功合成并验证了N-S@MCDs.
• 创建了N-S@MCDs/玉米粉光体,表现出可调色的光.
• 开发出高度光和持久的隐藏指纹.
• 使用人工智能程序进行指纹分析,获得了高匹配得分 (86.94%).
• 与传统的指纹检测方法相比,其表现优越.

结论:

• 从黄提取物中提取的N-S@MCDs对于创建先进的光指纹粉末是有效的.
• 这种N-S@MCDs/玉米粉光体提供了增强的可视化和隐藏指纹的保存.
• 人工智能与这些光体的整合显示出对现实世界法医应用的巨大潜力.