先进的深度学习用于自动分类从标准发行枪支发射的子弹.
Bai-En Guo1, Yao Shen2, Zhi-Fei Zhou3
1No. 1, Muxidi Nanli, Xicheng District, School of Criminal Investigation, People's Public Security University of China, Beijing 100038, China.
Science & justice : journal of the Forensic Science Society
|November 30, 2025
概括
这项研究使用深度学习来自动分类发射的子弹,提高法医枪支检查的准确性. 陆地雕刻区域 (LEA) 分段方法实现了97.2%的准确性,用于分类六种枪支类型的子弹.
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
- 人工智能的人工智能
背景情况:
- 枪支暴力是一个全球性问题,造成大量生命损失.
- 法医枪支检查依赖于主观分析,导致结果不一致.
- 自动化子弹分类可以提高准确性,减少法医调查中的主观性.
研究的目的:
- 开发和评估深度学习模型,用于自动分类发射的子弹标记.
- 提高法医枪支检查的准确性和减少主观性.
- 为了比较不同图像预处理策略的有效性,用于分类.
主要方法:
- 收集了来自中国执法部门六种枪支类型的6000发射子弹的数据集.
- 图像是使用BalScan系统捕获的,并使用全景成像,土地雕刻区域 (LEA) 分段和线段进行预处理.
- 预先训练的ResNet50深度学习网络被微调为图像分类.
主要成果:
- 深度学习模型在不同类型的枪支中实现了高分类准确性.
- 在LEA细分策略显著优于其他预处理方法.
- 根据LEA细分方法,在分类六种相似枪支类型的子弹时,达到97.2%的准确率,在分类不同类型的子弹时达到100.0%.
结论:
- 深度学习,特别是LEA细分,为自动发射子弹的分类提供了非常有效的解决方案.
- 这种人工智能驱动的方法可以显著提高法医枪支识别的效率和准确性.
- 这项研究为人工智能驱动的法医科学和刑事调查的进步提供了基础.


