(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210875523.5 (22)申请日 2022.07.25 (71)申请人 司法鉴定科 学研究院 地址 200063 上海市普陀区光复西路1347 号 (72)发明人 陈晓红　杨旭　张敬伟　汤昊　 张清华　王雅晨　 (74)专利代理 机构 上海汉盛律师事务所 31316 专利代理师 韩雪松　管雨 (51)Int.Cl. G01N 27/64(2006.01) G06V 10/44(2022.01) G06V 10/77(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种墨水分类和溯源的方法 (57)摘要 本发明公开一种墨水分类和溯源的方法， 包 括： 建立一个全彩色喷墨打印墨水质谱数据库， 墨水质谱数据库为通过实时直接分析质谱方法 在大气压下对物质的原始状态进行快速和直接 的分析获得； 通过实时直接分析质谱 方法获得待 溯源样品的墨水质谱数据； 两质谱 数据均是按照 质谱图像上的每个像素点为最小数据单元， 将墨 水质谱数据库和样品墨水质 谱数据一起进行质 谱对齐和标准化预处理后形成质谱峰矩阵； 对质 谱峰矩阵进行降维处理， 将降维处理后的数据作 为质谱特征数据， 质谱成像技术对降维数据进行 可视化， 直接呈现墨水之间的不同， 或者进一步 使用卷积神经网络(CNN)模型对质谱特征数据进 行分类和溯源。 经本申请实现对墨水品牌和型号 进行稳健的高准确率的溯源。 权利要求书3页 说明书7页 附图1页 CN 115389607 A 2022.11.25 CN 115389607 A 1.一种墨水分类和溯源的方法， 其包括： 建立一个全彩色 喷墨打印墨水质谱数据库， 其 特征在于： 所述墨水质谱数据库为通过实时直接分析质谱方法在大气压下对物质的原始状态进 行快速和直接的分析获得； 通过所述实时直接分析质谱方法获得待溯源样品的墨水质谱数据； 所述墨水质谱数据库和所述样品墨水质谱数据均是按照质谱图像上的每个像素点为 最小数据单元， 将所述墨水质谱数据库和所述样品墨水质谱数据一起进 行质谱对齐和标准 化预处理后形成质谱峰矩阵； 对所述质谱峰矩阵进行降维处 理， 将所述降维处 理后的数据作为质谱特 征数据； 采用质谱成像技 术对所述质谱特 征数据进行 可视化后并进行如下 方法分类和溯源： (1)直接观察质谱成像图上墨水之间的不同， 以作为法庭科学墨水分析中一种快速、 直 观的分类方法； (2)对于质谱成像未发现差异的墨水， 进一步使用卷积神经网络模型以对所述待溯源 样品中的墨水品牌和型号分别进行分类和溯源。 2.根据权利要求1所述的一种墨水分类和溯源的方法， 其特征在于： 所述待溯源样品包 括： 背景材料和所述背景 材料上的墨水 材料。 3.根据权利要求2所述的一种墨水分类和溯源的方法， 其特征在于： 所述墨水材料在所 述背景材料上呈现为文字、 线条、 色块或图案中的至少一种形式。 4.根据权利要求3所述的一种墨水分类和溯源的方法， 其特征在于： 所述样品墨水质谱 数据的获得 过程为： 在相同条件和相同质谱方法下分别获得： 包括所述背景材料和所述墨水材料在内的整 体样品质谱数据， 和排除所述墨水 材料而获得的背景 材料质谱数据； 在所述整体样品质谱数据中扣除背景 材料质谱数据， 以获得 所述样品墨水质谱数据。 5.根据权利要求1所述的一种墨水分类和溯源的方法， 其特征在于： 所述降维处理采 用： 主成分分析方法、 非负矩阵分解方法和概率潜在语义分析方法中的至少一种进行降维 处理。 6.根据权利要求5所述的一种墨水分类和溯源的方法， 其特征在于： 在采用所述主成分 分析方法、 非负矩阵分解方法和概率潜在语义分析方法进行降维处理时， 概率潜在语义分 析方法参数选择包括： 变化阈值 等于0.01。 7.根据权利要求6所述的一种墨水分类和溯源的方法， 其特征在于： 在同时采用所述主 成分分析方法、 所述非负矩阵分解方法和所述概率潜在语义分析方法进行降维处理时， 分 别选取所述主成分分析方法降维处理后的300个维度数据， 所述非负矩阵分解方法降维处 理后的前300个维度数据， 和所述概率潜在语义分析方法降维处理后的前300个维度数据， 以形成共3 ×300维度的融合数据作为所述质谱特 征数据。 8.根据权利要求7所述的一种墨水分类和溯源的方法， 其特征在于： 所述分类和溯源 中， 其中80％的数据作为训练集， 剩余20％的数据作为测试集。 9.根据权利要求8所述的一种墨水分类和溯源的方法， 其特征在于： 在质谱成像比较 上， 所述主成分分析方法和所述非负矩阵分解方法的成像效果接近， 但所述非负矩阵分解 方法在成像的层次上更丰富； 所述概率潜在语义分析方法与所述主成分分析方法和所述 非权　利　要　求　书 1/3 页 2 CN 115389607 A 2负矩阵分解方法在成像效果上存在差异， 三种方法之间存在成像效果优势互补的关系， 所 述主成分分析方法和所述 非负矩阵分解方法对不同品牌的墨水显示明显的区别， 所述概率 潜在语义分析 方法对相同品牌 不同型号墨水显示区别。 10.根据权利要求9所述的一种墨水分类和溯源的方法， 其特征在于： 在所述实时直接 分析质谱方法中， 采用实时直接分析离子源、 高分辨质谱仪、 实时直接分析软件、 Xcalibur 软件、 赛默飞Q  Exactive 软件。 11.根据权利要求10所述的一种墨水分类和溯源的方法， 其特征在于： 在所述实时直接 分析质谱方法中的参数包括： 45 °角吹扫模块， 离子源解离气体为氦气， 温度为250℃， X－Y 图像测试模式， X轴速度为1毫米/秒， Y轴速度为1毫米/秒， X轴的测试时间设定为0.25分， 所 述Xcalibur软件建立方法的参数为： 正离子模式全扫描， 扫描范围为50～750m/z， 分辨率为 35000FWHM， 网格电压为15 0V。 12.根据权利要求11所述的一种墨水分类和溯源的方法， 其特征在于： 在所述实时直接 分析质谱方法中包括样品检测步骤序列， 所述样品检测步骤序列包括： 对所述待溯源样品 的确定标准样品区域， 在所述样品区域中进行序列步进。 13.根据权利要求12所述的一种墨水分类和溯源的方法， 其特征在于： 所述样品区域的 长度为1.5厘米， 高度0.5厘米， 所述序列步进的顺序是在所述样品区域内沿所述高度内平 均分成5个检测行， 自最低检测行逐行并与上一行首尾相连直至上升到最高检测行， 且每一 行检测10 0个点。 14.根据权利要求13所述的一种墨水分类和溯源的方法， 其特征在于： 所述质谱图像包 括： 一次性检测成像的情况和无法一次性检测成像的情况， 所述无法一次性检测成像的情 况包括： 同一载体的不同区域成像和不同载体成像， 对于所述无法一次性检测成像墨水， 先 分别进行检测然后融合成一个质谱图像， 所述墨水质谱数据库和所述样品墨水质谱数据采 用的所述质谱图像的格式为 imzML格式并保存， 以进行 所述进行质谱 对齐和标准 化预处理。 15.根据权利要求14所述的一种墨水分类和溯源的方法， 其特征在于： 所述质谱对齐和 标准化预处理的步骤依 次包括： 导入所述墨水质谱数据库和所述样品墨水质谱数据， 强度 转化和平滑， 基线调整， 强度校准和提取质谱峰， 对齐和形成所述质谱峰矩阵。 16.根据权利要求15所述的一种墨水分类和溯源的方法， 其特征在于： 所述墨水质谱数 据库包含市场占有率前三品牌的黑色喷墨打印墨水型号， 所述全彩色包括： 黑色、 品红、 黄 色、 蓝色。 17.根据权利要求16所述的一种墨水分类和溯源的方法， 其特征在于： 所述卷积神经网 络模型的训练模型包括一个输入层， 两个卷积层和一个输出层共四层， 所述输入层为初始 层并包含设计的CNN模型中的油墨信息； 两个所述卷积层分别包含64个和 32个可优化过滤 器， 相应用于转换输入或输入之前的第一个隐藏层； 最后一层是输出层， 代表墨水来源的分 类。 18.根据权利要求17所述的一种墨水分类和溯源的方法， 其特征在于： 针对不同墨水量 和墨水不同空间分布情况， 采取大面积扫描和所述质谱图像多像素集体决策提高方法的适 用范围和准确率。 19.根据权利要求18所述的一种墨水分类和溯源的方法， 其特征在于： 所述卷积神经网 络基于每个质谱像素进行溯源， 当待检测样品的墨水量和墨水空间分布变化时， 通过多像权　利　要　求　书 2/3 页 3 CN 115389607 A 3