锐器创自动识别与分类

Automatic identification and classification of sharp wounds

二维码有效期 120s

摘要目的探索及验证基于深度学习网络模型的锐器创自动识别、分类的可行性.方法收集案件中锐器造成的刺创、砍创、切创、剪创图像共1 475张,按照8∶1∶1的比例分为训练集、验证集和测试集.图像经预处理后输入基于Vit-L32-21k、Densenet-201、Efficientnet 3类预训练分类网络为基础框架的微调模型,以精确率、准确率、召回率、F1分数、阅片时间为评价指标,进行模型验证、测试及人机对抗分析,通过热力图对模型测试结果进行可视化解析.结果模型创伤分类整体准确率和召回率介于75.0%～81.6%之间,F1分数>0.749,阅片时间(<0.1 s)明显短于法医学家.4类创伤中,刺创(96.4%)、砍创(77.5%)的分类准确率与具有高级职称的法医学家相当,剪创(60.0%)与切创(47.3%)分类准确率低于初级职称的法医学家,模型分类准确率与样本量呈正相关.热力图所关注创伤特征与法医学家在分类时关注的内容相一致.结论模型具备与高级职称法医学家相当的刺创、砍创自动识别与分类能力,并能够通过热力图呈现可视化分类依据.

作者倪首涛 ^[1] 鞠方茂 ^[2] 张家鑫 ^[3] 邓俊航 ^[2] 练春锋 ^[2] 李洋 ^[4] 学术成果认领

作者单位中国人民公安大学侦查学院,北京 100038;公安部鉴定中心,北京 100038;青岛铁路公安处,山东青岛 266000 ^[1] 西安交通大学数学与统计学院,陕西西安 710049;西安交通大学智能化诊疗装备研究中心,陕西西安 710049 ^[2] 河南省公安厅,河南郑州 450003 ^[3] 公安部鉴定中心,北京 100038 ^[4]

关键词法医损伤深度学习分类网络锐器创热力图 forensic traumatology deep learning classification network sharp wound heat map

分类号 R89（法医学）

栏目名称

生物安全专题研究

DOI 10.7652/jdyxb202602013

发布时间 2026-03-31（万方平台首次上网日期，不代表论文的发表时间）