Российские и зарубежные химики внедрили методы машинного обучения в анализ чернил и создали уникальный метод DCA-ML. Компьютерные алгоритмы позволят дешево и безопасно выявлять подделки документов и классифицировать чернила с высокой точностью. Результаты исследования опубликованы в журнале Forensic Science International, сообщила пресс-служба Санкт-Петербургского государственного университета.
Анализ чернил ручек в криминалистике — это сложный и многоэтапный процесс, который играет ключевую роль в установлении подлинности документов, выявлении подделок или определении времени создания записи. Современные методы помогают экспертам с высокой точностью определить, например, возраст и производителя чернил и сделать вывод о подлинности авторской подписи под документом.
Так, спектральный анализ определяет химический состав чернил на основе их взаимодействия с электромагнитным излучением в определенном диапазоне, однако требует дорогостоящего оборудования и чувствителен к примесям. Хроматографические методы позволяют разделять компоненты чернил для последующей идентификации, но для этого нужны эталонные образцы, которые можно было бы брать за основу. Для визуального изучения структуры и особенностей нанесения чернил используют метод микроскопии, но такое исследование не предоставляет данных о химическом составе и ограничен разрешающей способностью оборудования.
Основные минусы всех этих подходов, используемых в настоящее время, — высокая стоимость и возможная деградация или модификация образцов в процессе анализа. Одним из самых современных и перспективных направлений сегодня является цифровой анализ цвета (DCA). Этот подход использует изображения, фотографии или сканы документов, а также специальные программы для изучения чернил без физического воздействия на оригинал. Теперь российские и зарубежные ученые усовершенствовали метод, объединив его с машинным обучением и сделав его более точным.
«Результаты проведенных исследований показали, что созданный нами подход эффективен для классификации чернил. Например, анализ цветов в системах RGB (красный, зеленый, синий) и HSV (оттенок, насыщенность, яркость) помог выявить важные особенности, такие как изменение цвета после воздействия ультрафиолетом в течение различных временных интервалов. Кроме того, машинное обучение позволило успешно группировать чернила по схожим признакам», — отметила доцент кафедры теории систем управления электрофизической аппаратурой Санкт-Петербургского государственного университета Анна Головкина.
Созданный подход обладает рядом значительных преимуществ перед другими методами: он является неинвазивным, то есть практически не приводит к изменению структуры оригинала документа, не требует использования агрессивных химических соединений. Более того, метод может быть адаптирован для изучения старинных бумаг, подписей и произведений искусства.
Как отмечают эксперты, в будущем DCA-ML, объединяющий анализ цвета и компьютерные технологии, может стать важным инструментом для криминалистов и исследователей. Он открывает новые возможности для точного определения возраста документов, выявления подделок и сохранения культурного наследия, делая процесс экспертизы более доступным и эффективным.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
