Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | National Institute of Forensic Science and Technology (INCT Forense) | - |
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | Brasilia | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Rodrigues, Caio Henrique Pinke | - |
Autor(es): dc.creator | Sousa, Milena Dantas da Cruz | - |
Autor(es): dc.creator | dos Santos, Michele Avila | - |
Autor(es): dc.creator | Filho, Percio Almeida Fistarol | - |
Autor(es): dc.creator | Velho, Jesus Antonio | - |
Autor(es): dc.creator | Leite, Vitor Barbanti Pereira | - |
Autor(es): dc.creator | Bruni, Aline Thais | - |
Data de aceite: dc.date.accessioned | 2025-08-21T19:23:50Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T19:23:50Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-11-30 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.microc.2024.111780 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/300883 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/300883 | - |
Descrição: dc.description | Traces found at a crime scene can be interpreted as vectors of information that help describe the possible dynamics of the crime. However, some analyses show that pattern recognition, especially in materials, is subjective, as it depends on the analyst's references. Based on this problem, the work aimed to use different statistical methods to establish pattern recognition in silver tapes. For this, two approaches were used, one based on deep learning (convolutional neural networks) and the other using a different method (Pearson's correlation, distance metrics, and Principal Component Analysis). The dataset comprised four brands of silver-tape available in the retail market in the crime scene region, and fragments of tape originating after the detonation of a handmade explosive device. These materials were analyzed using a Leica DVM6 microscope. In both approaches, it was possible to recognize patterns. In deep learning, it was possible to establish that the fragments came from a common origin. The best model demonstrated that 92.1 % of the real materials questioned were the same silver-tape, with a confidence level of 0.94. By combining the methods, it was possible to observe a trend among the results. These responses demonstrated that using images in a computer vision context could remove the subjectivity of forensic analysis and correlate the microtraces found at a crime scene. In this way, these techniques can open new perspectives for the forensic area, making the interpretation more objective and transparent in its responses to society. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | National Institute of Forensic Science and Technology (INCT Forense), Ribeirão Preto | - |
Descrição: dc.description | Department of Chemistry Ribeirão Preto School of Philosophy Sciences and Letters University of São Paulo, Ribeirão Preto | - |
Descrição: dc.description | Federal Police Brasilia, Federal District | - |
Descrição: dc.description | Institute of Biosciences Letters and Exact Sciences São Paulo State University “Júlio Mesquita Filho” São José do Rio Preto | - |
Descrição: dc.description | Institute of Biosciences Letters and Exact Sciences São Paulo State University “Júlio Mesquita Filho” São José do Rio Preto | - |
Descrição: dc.description | CAPES: Financial Code 001 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Microchemical Journal | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Computer vision | - |
Palavras-chave: dc.subject | Convolutional Neural Network | - |
Palavras-chave: dc.subject | Evidence | - |
Palavras-chave: dc.subject | Forensic Science | - |
Palavras-chave: dc.subject | Statistical analysis | - |
Título: dc.title | Forensic analysis of microtraces using image recognition through machine learning | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: