通过剩余神经网络自动识别撞击喷雾和飞斑
Lihong Chen1, Yaoren Zhu1, Chuang Ma2
1Criminal Investigation School, Southwest University of Political Science and Law, Chongqing, China.
Forensic science international
|December 27, 2024
概括
这项研究使用人工智能和转移学习来准确区分撞击喷雾和飞斑血迹. 人工智能模型实现了93%的准确性,有助于刑事调查和推进血迹模式分析.
科学领域:
- 法医科学 法医科学 法医科学
- 计算机科学 计算机科学
- 生物技术是生物技术.
背景情况:
- 区分撞击喷雾和斑血迹是具有挑战性的,因为它们的形态相似性.
- 传统的血迹模式分析 (BPA) 依赖于专家检查人员,导致潜在的不准确性和低效率.
- 目前的方法容易受到外部因素的影响,影响刑事调查的可靠性.
研究的目的:
- 为了提高识别撞击喷雾和斑血迹的准确性和科学严谨性.
- 开发一种基于人工智能的方法,用于客观地分类血污.
- 协助法医调查人员进行犯罪现场重建和证据分析.
主要方法:
- 采用人工智能技术,特别是图像识别和转移学习.
- 使用预训练的神经网络 (ResNet-18) 来从模拟的血迹数据集中提取特征.
- 修改了ResNet-18架构,取代了用于血液污点类型二进制分类的完全连接层.
主要成果:
- 转移学习模型在形态上识别冲击喷射和飞斑时达到93%的最大准确度.
- 证明了AI在克服传统BPA方法的局限性方面的有效性.
- 提供了一个可靠的工具,用于客观的血污分类.
结论:
- 人工智能,特别是ResNet-18的转移学习,显著提高了血迹模式分析的准确性.
- 开发的模型提供了一种方便,快速和准确的方法来识别犯罪现场的血迹.
- 这一进步支持现场重建的科学证据,并促进了法医科学中的智能实践.
