基于Python的手印熒光顯現(xiàn)質(zhì)量的量化評(píng)估

關(guān)鍵詞潛在手印；手印顯現(xiàn)；熒光；對(duì)比度；靈敏度；選擇性

手印顯現(xiàn)是指通過物理和化學(xué)等方法使手印與客體之間形成肉眼可見或儀器可辨的對(duì)比反差，進(jìn)而將潛在手印轉(zhuǎn)變?yōu)榭梢娛钟〉倪^程[1-3]。迄今為止，手印顯現(xiàn)領(lǐng)域研究主要集中于手印顯現(xiàn)質(zhì)量的提升[4-6]，而對(duì)手印顯現(xiàn)質(zhì)量的評(píng)估研究鮮有涉及。然而，對(duì)手印顯現(xiàn)質(zhì)量進(jìn)行準(zhǔn)確和全面地評(píng)價(jià)有助于顯現(xiàn)方法的合理選擇和證據(jù)價(jià)值的客觀評(píng)估，因此，構(gòu)建手印顯現(xiàn)質(zhì)量定量評(píng)估體系具有重要的理論意義和廣闊的應(yīng)用前景。近年來，手印顯現(xiàn)質(zhì)量的評(píng)估問題已經(jīng)逐漸引起研究人員的重視。2017 年， Wang 等[7]針對(duì)手印顯現(xiàn)中信號(hào)與噪聲反差程度、各級(jí)特征的清晰程度以及試劑特異性結(jié)合程度對(duì)應(yīng)提出了對(duì)比度、靈敏度和選擇性等指標(biāo)，作為手印顯現(xiàn)質(zhì)量的評(píng)估指標(biāo)。2021 年，李明等[8]從對(duì)比度、靈敏度、選擇性和毒害性等方面對(duì)手印顯現(xiàn)質(zhì)量的評(píng)估研究進(jìn)行了詳細(xì)介紹。

2008 年， Humphreys 等[9]首次提出了相對(duì)對(duì)比指數(shù)的評(píng)估指標(biāo)，將其定義為乳突紋線與客體的反射光譜峰值之比的對(duì)數(shù)值，并利用該指標(biāo)定量評(píng)估捺印手印及顯現(xiàn)手印的質(zhì)量。2011 年， Vanderwee 等[10]優(yōu)化了上述質(zhì)量評(píng)估體系，并驗(yàn)證了該體系的可靠性和重現(xiàn)性。2013 年， Matuszewski 等[11]提出了對(duì)比度的評(píng)估指標(biāo)，將其定義為乳突紋線與小犁溝的像素平均灰度值差異。以上文獻(xiàn)報(bào)道為定量評(píng)估手印顯現(xiàn)的早期研究，采用的方法不具備普適性，僅適用于白色客體表面的深色手印或黑色客體表面的淺色手印。2019 年，沈敦璞等[12]建立了基于灰度分析的非熒光手印顯現(xiàn)對(duì)比度評(píng)估體系，并于2020 年建立了基于光譜分析的熒光手印顯現(xiàn)對(duì)比度評(píng)估體系[13]。這兩項(xiàng)研究解決了非熒光和熒光方法顯現(xiàn)手印的對(duì)比度定量評(píng)估問題，方法具有普適性，但前者的計(jì)算結(jié)果誤差較大，后者極其依賴表征設(shè)備。目前，手印顯現(xiàn)對(duì)比度的評(píng)估研究大多停留在定性評(píng)價(jià)層面，即使深入到定量計(jì)算層面，也存在缺陷。2012年， Li等[14]首次考察了聚集誘導(dǎo)發(fā)光材料顯現(xiàn)手印的總體特征及細(xì)節(jié)特征，但該研究未涉及汗孔特征。2015 年，Wang 等[15]考察了稀土發(fā)光納米材料顯現(xiàn)手印的總體特征、細(xì)節(jié)特征及汗孔特征，但僅達(dá)到定性評(píng)價(jià)層面。因此，手印顯現(xiàn)靈敏度的評(píng)估研究基本停留在定性評(píng)價(jià)層面，尚未深入到定量計(jì)算層面。2014 年，He 等[16]首次考察了納米金顯現(xiàn)手印的選擇性，利用乳突紋線與小犁溝所對(duì)應(yīng)灰度曲線的峰谷高低衡量?jī)烧咧g的差異，但僅限于定性評(píng)價(jià)層面。2019 年，于海峰等[17]提出了利用乳突紋線與小犁溝所對(duì)應(yīng)灰度曲線的積分面積的比值計(jì)算手印顯現(xiàn)選擇性的方法。同年，智曉晨等[18]提出了利用乳突紋線與小犁溝所對(duì)應(yīng)灰度曲線的峰谷強(qiáng)度之差計(jì)算手印顯現(xiàn)選擇性的方法。以上研究解決了顯現(xiàn)手印的選擇性定量計(jì)算問題，但是所得數(shù)值只能反映手印中有限區(qū)域的選擇性，缺乏代表性和準(zhǔn)確性。因此，手印顯現(xiàn)選擇性的評(píng)估研究大多停留在定性評(píng)價(jià)層面，即使深入到定量計(jì)算層面，也存在缺陷。綜上所述，手印顯現(xiàn)質(zhì)量的量化評(píng)估方法在不同程度上存在以下亟需解決的問題：（1）定性評(píng)價(jià)方法相對(duì)較多、定量計(jì)算方法有限；（2）評(píng)價(jià)指標(biāo)分散單一、全面多維評(píng)價(jià)欠缺；（3）評(píng)價(jià)方法難以統(tǒng)一、評(píng)價(jià)結(jié)果可靠性低。因此，建立一種簡(jiǎn)單易行、準(zhǔn)確可靠、客觀全面以及普適性強(qiáng)的手印顯現(xiàn)質(zhì)量的定量評(píng)估體系至關(guān)重要。

作為一種新興的完全面向?qū)ο蟮木幊陶Z(yǔ)言， Python 集成了能夠滿足多種需求的第三方庫(kù)（如OpenCV和PIL），可以有效實(shí)現(xiàn)圖像的灰度轉(zhuǎn)換、二值化和圖像增強(qiáng)等，因此在圖像處理領(lǐng)域廣泛應(yīng)用[19]。本研究提出了手印熒光顯現(xiàn)對(duì)比度、靈敏度和選擇性的定量計(jì)算公式，建立了一種基于Python 的手印熒光顯現(xiàn)質(zhì)量評(píng)估體系，從對(duì)比度、靈敏度和選擇性3 個(gè)角度評(píng)估了手印熒光顯現(xiàn)的質(zhì)量，驗(yàn)證了此評(píng)估體系的可行性和可靠性，討論了顯現(xiàn)試劑的性質(zhì)對(duì)手印顯現(xiàn)質(zhì)量的影響，提出了提高手印顯現(xiàn)質(zhì)量的有效策略。

1 實(shí)驗(yàn)部分

1.1 儀器與試劑

Cary Eclipse 熒光分光光度計(jì)（FS，美國(guó)Agilent 公司）；H-7650 透射電子顯微鏡（TEM，日本Hitachi公司）；JSM-IT200 掃描電子顯微鏡（SEM，日本JEOL 公司）；TENSOR 27 傅里葉變換紅外光譜儀（FT-IR，德國(guó)Bruker 公司）。

Y（NO3）3·6H2O、La（NO3）3·6H2O、Ce（NO3）3·6H2O、Yb（NO3）3·5H2O、Eu（NO3）3·6H2O、Tb（NO3）3·6H2O和Er（NO3）3·6H2O，純度為99.99%；Na3VO4·12H2O、Na3PO4·12H2O、NaF、對(duì)苯二甲酸（p-PTA）、鄰菲咯啉（o-Phen）、聚乙烯亞胺50%水溶液（PEI， MW 10000）、乙二醇、二乙三胺五乙酸（DTPA）、硬脂酸（SA）、油酸（OA）、NaOH、無水乙醇、95%乙醇、N，N-二甲基甲酰胺（DMF），純度均為分析純。以上試劑均購(gòu)自上海阿拉丁生化科技股份有限公司。

1.2 實(shí)驗(yàn)方法

1.2.1 顯現(xiàn)材料的合成

YVO4∶Eu 納米發(fā)光材料的合成參照文獻(xiàn)[15]的方法合成Y0.85VO4∶Eu0.15 納米發(fā)光材料。將3.26 gY（NO3）3·6H2O 和0.67 g Eu（NO3）3·6H2O 溶解于200 mL 水中，加入5 mL PEI 溶液，配制溶液A；將4.00 gNa3VO4·12H2O 溶解于200 mL 水中，配制溶液B。電動(dòng)攪拌下，將溶液B 緩慢滴入溶液A 中，調(diào)節(jié)體系pH=8.0。將混合物在不同加熱條件下反應(yīng)2 h，離心分離、洗滌，于50 ℃真空干燥，即得到Y(jié)VO4∶Eu 納米粉末。若將加熱條件設(shè)定為90 ℃水浴反應(yīng)，可得到發(fā)光較弱的納米材料；若將加熱條件設(shè)定為180 ℃水熱反應(yīng)，可得到發(fā)光較強(qiáng)的納米材料。

LaPO4∶Ce，Tb 納米發(fā)光材料的合成參照文獻(xiàn)[15]的方法合成La0.60PO4∶Ce0.25，Tb0.15 納米發(fā)光材料。將2.60 g La（NO3）3·6H2O、1.09 g Ce（NO3）3·6H2O 和0.68 g Tb（NO3）3·6H2O 溶解于水或水-乙二醇混合溶劑中，配制溶液A；將3.80 g Na3PO4·12H2O 溶解于100 mL 水中，配制溶液B。電動(dòng)攪拌下，將溶液B 緩慢滴入溶液A 中，調(diào)節(jié)體系pH=8.0。將混合物在180 ℃條件下水熱反應(yīng)2 h，離心分離、洗滌，于50 ℃真空干燥，得到LaPO4∶Ce，Tb 納米粉末。若溶液A 中使用的溶劑為300 mL 水，可得到表面無有機(jī)分子修飾的納米材料；若溶液A 中使用的溶劑為100 mL 水與200 mL 乙二醇的混合物，可得到表面有乙二醇分子修飾的納米材料。

NaYF4∶Yb，Er 上轉(zhuǎn)換發(fā)光微/納米材料的合成參照文獻(xiàn)[20]的方法合成NaY0.78F4∶Yb0.20， Er0.02 微米發(fā)光材料。將2.99 g Y（NO3）3·6H2O、0.90 g Yb（NO3）3·5H2O 和0.09 g Er（NO3）3·6H2O 溶于100 mL 水中，加入3.93 g DTPA，配制溶液A；將1.68 g NaF 溶解于100 mL 水中，配制溶液B。電動(dòng)攪拌下，將溶液B緩慢滴入溶液A 中，調(diào)節(jié)體系pH=6.0，常溫反應(yīng)1 h。將產(chǎn)物離心分離、洗滌，于50 ℃真空干燥形成粉末，在500 ℃、Ar 氣氛中煅燒5 h， 得到NaYF4∶Yb，Er 微米粉末。

NaYF4∶Yb，Er 納米材料的合成參照文獻(xiàn)[21]的方法合成NaY0.78F4∶Yb0.20，Er0.02 納米發(fā)光材料。將2.99 g Y（NO3）3·6H2O、0.90 g Yb（NO3）3·5H2O、0.09 g Er（NO3）3·6H2O、8.53 g SA 與100 mL 95%乙醇混合，升溫至75 ℃使其溶解，配制溶液A；將1.20 g NaOH 溶解于20 mL 水中，配制溶液B。電動(dòng)攪拌下，將溶液B 緩慢滴入溶液A 中，調(diào)節(jié)體系pH=7.0， 75 ℃恒溫反應(yīng)40 min。將產(chǎn)物抽濾、洗滌，在50 ℃真空干燥，得到稀土硬脂酸鹽前驅(qū)體。將此前驅(qū)體與1.68 g NaF、50 mL OA、100 mL 水和150 mL 無水乙醇混合均勻后， 180 ℃水熱反應(yīng)24 h。產(chǎn)物離心分離、洗滌，于50 ℃真空干燥，得到NaYF4∶Yb，Er 納米粉末。

Eu（p-PTA）3（o-Phen）納米材料的合成參照文獻(xiàn)[22]的方法合成Eu（p-PTA）3（o-Phen）納米配合物。配制濃度均為0.25 mol/L 的Eu（NO3）3 乙醇溶液、p-PTA DMF 溶液及o-Phen 乙醇溶液。將60 mLp-PTA 溶液與20 mL o-Phen 溶液混合，升溫至50 ℃，調(diào)節(jié)體系pH=7.0，配制溶液A。電動(dòng)攪拌下，將20 mL Eu（NO3）3 溶液緩慢滴入溶液A 中， 50 ℃下反應(yīng)5 h。將產(chǎn)物離心分離、洗滌，于50 ℃真空干燥，得到Eu（p-PTA）3（o-Phen）納米粉末。

1.2.2 手印納米顯現(xiàn)

采用經(jīng)典的粉末法顯現(xiàn)手印。使用下轉(zhuǎn)換及上轉(zhuǎn)換發(fā)光材料顯現(xiàn)后的手印，分別搭配254 nm 紫外光源及980 nm 紅外光源對(duì)手印進(jìn)行熒光增強(qiáng)，并置于暗場(chǎng)下拍照。拍攝參數(shù)為：光圈值f/4、曝光時(shí)間1.6 s、感光度200。

1.2.3 手印顯現(xiàn)質(zhì)量的定量評(píng)估

手印顯現(xiàn)圖像的處理過程如圖1 所示。步驟Ⅰ：通過灰度處理（Grayscale processing）將彩色圖像轉(zhuǎn)化為灰度圖像。步驟Ⅱ～Ⅶ從兩個(gè)層面將灰度圖像進(jìn)一步處理。一方面是乳突紋線、小犁溝、客體背景的識(shí)別與提取。步驟Ⅱ：通過圖像分割（Image segmentation）處理將灰度圖像轉(zhuǎn)化為圖像切片；步驟Ⅲ：通過灰度方差圖像分割（Grayscale variance segmentation）算法將所得圖像識(shí)別為手?。‵ingerprint，F(xiàn)P）區(qū)域和背景（Background， B）區(qū)域；步驟Ⅳ：通過最大類間方差（OTSU）算法將所得圖像二值化處理并識(shí)別為乳突紋線（Ridge， R）和小犁溝（Furrow， F）區(qū)域；最終，分別計(jì)算出B、R 和F 區(qū)域的灰度均值。另一方面為乳突紋線細(xì)節(jié)特征點(diǎn)的識(shí)別與提取。步驟Ⅴ：通過圖像增強(qiáng)（Image enhancement）處理將灰度圖像的紋線結(jié)構(gòu)清晰化；步驟Ⅵ：通過骨架化（Skeletonization）算法將乳突紋線細(xì)化；步驟Ⅶ：通過細(xì)節(jié)特征點(diǎn)識(shí)別（Minutiae recognition）算法將所得圖像識(shí)別為交點(diǎn)（Bifurcation）和端點(diǎn)（Termination）；最終，以特征點(diǎn)為中心建立切片，并利用步驟Ⅳ方法計(jì)算各細(xì)節(jié)特征點(diǎn)切片中R、F 區(qū)域的灰度均值。

手印顯現(xiàn)對(duì)比度（Contrast）的計(jì)算公式如式（1）所示：

其中， GR 表示乳突紋線的灰度均值；GB 表示客體背景的灰度均值；GRi 和GBj 分別表示乳突紋線和客體背景區(qū)域內(nèi)單個(gè)像素點(diǎn)的灰度值；x 和y 分別表示乳突紋線和客體背景區(qū)域所包含像素點(diǎn)的總數(shù)。

手印顯現(xiàn)靈敏度（Sensitivity）的計(jì)算公式如式（2）所示：

其中， GRl 和GFl 分別表示每個(gè)被識(shí)別細(xì)節(jié)特征點(diǎn)切片中乳突紋線和小犁溝的灰度均值；n 表示被識(shí)別細(xì)節(jié)特征點(diǎn)切片的總數(shù)；GRli 和GFlk 分別表示每個(gè)切片中乳突紋線和小犁溝區(qū)域內(nèi)單個(gè)像素點(diǎn)的灰度值；x 和z 分別表示每個(gè)切片中乳突紋線、小犁溝區(qū)域所包含像素點(diǎn)的總數(shù)。

手印顯現(xiàn)選擇性（Selectivity）的計(jì)算公式如式（3）所示：

其中， GR、GB 和GF 分別表示乳突紋線、背景和小犁溝的灰度均值；GF *表示修正后小犁溝的灰度均值；GRi、GBj 和GFk 分別表示乳突紋線、背景和小犁溝區(qū)域內(nèi)單個(gè)像素點(diǎn)的灰度值；x、y 和z 分別表示乳突紋線、背景和小犁溝區(qū)域所包含像素點(diǎn)的總數(shù)。

2 結(jié)果與討論

2.1 手印顯現(xiàn)對(duì)比度的量化評(píng)估

2.1.1 對(duì)比度的量化原理

手印顯現(xiàn)對(duì)比度是指顯現(xiàn)手印信號(hào)與客體背景噪聲之間的對(duì)比反差程度[7]。手印顯現(xiàn)對(duì)比度的定義參考了分析化學(xué)領(lǐng)域的信噪比，將顯現(xiàn)手印和客體背景分別歸為分析信號(hào)和干擾噪聲。其中，分析信號(hào)來源于乳突紋線（R）部位所產(chǎn)生的熒光，干擾噪聲來源于客體背景（B）部位所產(chǎn)生的熒光。因此，可利用分析信號(hào)與干擾噪聲之間的灰度均值之比（GR/GB）定量評(píng)估手印顯現(xiàn)對(duì)比度。

2.1.2 對(duì)比度的影響因素

選用較弱發(fā)光的YVO4∶Eu 納米材料[YVO（W）]和較強(qiáng)發(fā)光的YVO4∶Eu 納米材料[YVO（S）]分別顯現(xiàn)大理石表面的潛在手印，研究材料的發(fā)光強(qiáng)度對(duì)顯現(xiàn)對(duì)比度的影響。由圖2A 和圖2B 可見，在254 nm紫外光激發(fā)下， YVO（W）與YVO（S）在618.0 nm 處均產(chǎn)生了最強(qiáng)熒光發(fā)射峰，對(duì)應(yīng)于Eu3+的5D0→7F2 能級(jí)躍遷[15]，并且前者的強(qiáng)度較低（404.5，圖2A），后者的強(qiáng)度較高（692.2，圖2B）。從視覺效果的角度定性判斷，如圖2A′和圖2B′所示， YVO（S）具有較高的發(fā)光強(qiáng)度，使其顯現(xiàn)的乳突紋線與客體背景之間的視覺反差更明顯。Python 計(jì)算結(jié)果如表1 所示，兩次顯現(xiàn)的背景噪聲強(qiáng)度未產(chǎn)生顯著差異，而使用YVO（S）顯現(xiàn)手印的顯現(xiàn)信號(hào)強(qiáng)度更高，使對(duì)應(yīng)的對(duì)比度數(shù)值更大。綜上所述，提高材料的發(fā)光強(qiáng)度有利于增強(qiáng)手印顯現(xiàn)的對(duì)比度。

選用紅色發(fā)光的YVO4∶Eu 納米材料[YVO（R）]和綠色發(fā)光的LaPO4∶Ce， Tb 納米材料[LPO（G）]分別顯現(xiàn)紅便箋紙表面的潛在手印，研究材料的發(fā)光顏色對(duì)顯現(xiàn)對(duì)比度的影響。由圖3A 和圖3B 可見，在254 nm 紫外光激發(fā)下，背景在（0.48， 0.33）處產(chǎn)生了紅色熒光， YVO（R）、LPO（G）分別在（0.63， 0.37）和（0.29， 0.61）處產(chǎn)生了紅光和綠光，并且YVO（R）的發(fā)光顏色與背景熒光顏色相似（圖3A）， LPO（G）的發(fā)光顏色與背景熒光顏色相異（圖3B）。從視覺效果的角度定性判斷，如圖3A′和圖3B′所示， LPO（G）具有綠色發(fā)光性能，其產(chǎn)生的綠色顯現(xiàn)信號(hào)與紅色背景噪聲之間的視覺反差更明顯。Python 計(jì)算結(jié)果見表2，兩次顯現(xiàn)的背景噪聲強(qiáng)度未產(chǎn)生顯著差異，而使用LPO（G）顯現(xiàn)手印的顯現(xiàn)信號(hào)強(qiáng)度更高，使對(duì)應(yīng)的對(duì)比度數(shù)值更大。綜上所述，調(diào)諧材料的發(fā)光顏色有利于增強(qiáng)手印顯現(xiàn)的對(duì)比度。另外，相比調(diào)諧材料的發(fā)光顏色，提高材料的發(fā)光強(qiáng)度對(duì)顯現(xiàn)對(duì)比度的增強(qiáng)效果更明顯，這與文獻(xiàn)[23]的結(jié)果一致。

2.2 手印顯現(xiàn)靈敏度的量化評(píng)估

2.2.1 靈敏度的量化原理

手印顯現(xiàn)靈敏度是指顯現(xiàn)手印中細(xì)節(jié)特征的清晰程度和總體數(shù)量[7]。手印顯現(xiàn)靈敏度的定義中包含兩方面信息：（1）細(xì)節(jié)特征的質(zhì)量，細(xì)節(jié)特征切片中乳突紋線與小犁溝之間的灰度均值的比值（GRl/GFl）越大，體現(xiàn)出細(xì)節(jié)特征的清晰程度越高；（2）細(xì)節(jié)特征的數(shù)量，將切片中GRl/GFl 進(jìn)行累加，該累加值越大，則體現(xiàn)出細(xì)節(jié)特征的總體數(shù)量越多。因此，可利用細(xì)節(jié)特征點(diǎn)切片中乳突紋線與小犁溝之間的灰度均值的比值的累加值[Σ（GRl/GFl）]定量評(píng)估手印顯現(xiàn)靈敏度。

2.2.2 靈敏度的影響因素

選用微米尺度的NaYF4∶Yb， Er 材料[NYF（M）]和納米尺度的NaYF4∶Yb， Er 材料[NYF（N）]分別顯現(xiàn)玻璃表面的潛在手印，考察材料的粒徑尺寸對(duì)顯現(xiàn)靈敏度的影響。由圖4A 和圖4B 可見，煅燒法合成的NYF（M）材料出現(xiàn)明顯的團(tuán)聚現(xiàn)象，其粒徑尺寸為微米級(jí)（242.1 nm×862.5 nm， 圖4A）；水熱法合成的NYF（N）材料具有良好的單分散性，其粒徑尺寸為納米級(jí)（30.7 nm×45.1 nm， 圖4B）。從視覺效果的角度定性判斷，如圖4A1′和圖4B1′所示， NYF（M）的粒徑尺寸較大，容易粘連甚至覆蓋細(xì)節(jié)特征；NYF （N）的粒徑尺寸較小，容易清晰精細(xì)地反映細(xì)節(jié)特征。Python 識(shí)別的細(xì)節(jié)特征數(shù)量如圖4A2′和圖4B2′所示，使用NYF（M）和NYF（N）顯現(xiàn)的手印分別被標(biāo)記出32 和53 個(gè)細(xì)節(jié)特征；兩者所對(duì)應(yīng)的靈敏度數(shù)值依次為60.258 和100.742。綜上所述，選用粒徑較小的材料有利于增強(qiáng)手印顯現(xiàn)的靈敏度。

2.3 手印顯現(xiàn)選擇性的量化評(píng)估

2.3.1 選擇性的量化原理

手印顯現(xiàn)選擇性是指顯現(xiàn)試劑與手印物質(zhì)之間的特異結(jié)合程度[7]。通常，背景部位較光滑且不易遺留手印物質(zhì)，因此背景與顯現(xiàn)試劑之間的吸附作用微弱，背景的灰度均值（GB）較??；小犁溝部位受到相鄰乳突紋線的阻擋且容易沾染手印物質(zhì)，小犁溝與顯現(xiàn)試劑之間可能產(chǎn)生非特異性吸附，所以小犁溝的灰度均值（GF）偏大。但是，考慮到顯現(xiàn)試劑的熒光強(qiáng)度通常較高，少量沾染即可引起GF 顯著增加，進(jìn)而影響計(jì)算結(jié)果的客觀性，所以需要對(duì)GF 進(jìn)行修正。乳突紋線與顯現(xiàn)試劑之間的吸附作用最強(qiáng)，故乳突紋線的灰度均值GR 最高，可抵消并修正GF。因此，可將GF/GR 作為修正系數(shù)，并將GF 與GF/GR 的乘積作為修正后小犁溝的灰度均值（GF *），進(jìn)而客觀評(píng)估手印顯現(xiàn)的選擇性。

2.3.2 選擇性的影響因素

選用片狀形貌的Eu（p-PTA）3（o-Phen）納米材料（EPP）和球狀形貌的YVO4∶Eu 納米材料（YVO）分別顯現(xiàn)玻璃表面的潛在手印，研究材料的微觀形貌對(duì)顯現(xiàn)選擇性的影響。從圖5A 和5B 可以看出， EPP 的微觀形貌呈現(xiàn)為片狀（圖5A）， YVO 的微觀形貌為球狀（圖5B）。從視覺效果角度定性判斷，如圖5A1′和5B1′所示， EPP 的微觀形貌為納米片，其較大的接觸面積和過強(qiáng)的吸附性能極易在小犁溝處產(chǎn)生吸附；而YVO 的微觀形貌為納米球，其較小的接觸面積和適中的吸附性能不易產(chǎn)生非特異性吸附。Python 統(tǒng)計(jì)的選擇性質(zhì)量分布圖如圖5A2′和5B2′所示，使用YVO 顯現(xiàn)的手印被統(tǒng)計(jì)出高選擇性區(qū)域的比例較大；Python 統(tǒng)計(jì)的選擇性數(shù)值如表3 所示，使用EPP 和YVO 顯現(xiàn)的手印所對(duì)應(yīng)的選擇性數(shù)值分別為0.927 和1.287。綜上所述，選用接觸面積較小和吸附性能適中的材料有利于增強(qiáng)手印顯現(xiàn)的選擇性。

選用表面乙二醇修飾的LaPO4∶Ce，Tb 納米材料[LPO （E）]和表面無有機(jī)分子修飾的LaPO4∶Ce，Tb 納米材料[LPO（N）]分別顯現(xiàn)玻璃表面的潛在手印，研究材料的表面性質(zhì)對(duì)顯現(xiàn)選擇性的影響。由圖6A 和6B 可見，位于1047 cm–1（圖6A）和1041 cm–1（圖6B）處的吸收峰對(duì)應(yīng)于PO4 3– 離子的非對(duì)稱伸縮振動(dòng)，位于953 cm–1（圖6A）和955 cm–1（圖6B）處的吸收峰對(duì)應(yīng)于P—O—P 的對(duì)稱伸縮振動(dòng)，位于623 cm–1（圖6A）、619 cm–1（圖6B）及565 cm–1（圖6A 和圖6B）處的吸收峰對(duì)應(yīng)于O—P—O 鍵的彎曲振動(dòng)，說明以上兩種LPO 納米材料均為稀土的正磷酸鹽。此外，位于3383 cm–1（圖6A）處的強(qiáng)吸收峰對(duì)應(yīng)于乙二醇羥基的伸縮振動(dòng)，位于2976 cm–1（圖6A）處的吸收峰對(duì)應(yīng)于乙二醇亞甲基的反對(duì)稱伸縮振動(dòng)，說明LPO（E）的表面被乙二醇修飾；而LPO （N）在對(duì)應(yīng)位置并未出現(xiàn)亞甲基的伸縮振動(dòng)峰，僅在3385 cm–1（圖6B）處出現(xiàn)弱吸收峰（來源于水分子），說明LPO（N）的表面無有機(jī)分子修飾。從視覺效果的角度定性判斷，如圖6A1′和圖6B1′所示， LPO （E）的表面被乙二醇修飾，具有很強(qiáng)的吸附性能，極易在小犁溝處產(chǎn)生吸附；而LPO（N）表面無有機(jī)分子修飾，具有適中的吸附性能，不易產(chǎn)生非特異性吸附。Python 統(tǒng)計(jì)的選擇性質(zhì)量分布圖（圖6A2′和6B2′）表明，使用LPO（N）顯現(xiàn)的手印被統(tǒng)計(jì)出高選擇性區(qū)域的比例較大。Python統(tǒng)計(jì)的選擇性數(shù)值如表4 所示，使用LPO（E）和LPO（N）顯現(xiàn)的手印所對(duì)應(yīng)的選擇性數(shù)值分別為0.367 和0.549。綜上所述，選用吸附能力適中的材料有利于增強(qiáng)手印顯現(xiàn)的選擇性。

2.4 量化評(píng)估方法的重現(xiàn)性研究

通過對(duì)主觀視覺判斷和客觀評(píng)估數(shù)值的比較，驗(yàn)證了此量化評(píng)估方法的準(zhǔn)確性。為驗(yàn)證本方法的重現(xiàn)性，將手印樣本數(shù)量增加為10 組，平行重復(fù)2.1～2.3 節(jié)的實(shí)驗(yàn)操作，手印顯現(xiàn)照片及對(duì)應(yīng)的量化評(píng)估結(jié)果見電子版文后支持信息圖S1～S10 及表S1～S10，對(duì)量化評(píng)估方法重現(xiàn)性的統(tǒng)計(jì)結(jié)果見圖7。手印顯現(xiàn)對(duì)比度（圖7A）、靈敏度（圖7B 和7C）和選擇性（圖7D）的平均值與視覺效果（圖2～圖6）及Python 計(jì)算結(jié)果一致，表明本方法具有良好的準(zhǔn)確性；另外，統(tǒng)計(jì)結(jié)果的標(biāo)準(zhǔn)差較小，表明本方法具有良好的重現(xiàn)性。雖然統(tǒng)計(jì)結(jié)果的標(biāo)準(zhǔn)差較小，但也不盡相同，這與手印顯現(xiàn)操作造成的不可避免的細(xì)微差別（如手印遺留物質(zhì)、手印捺印質(zhì)量、手印顯現(xiàn)方法和手印著粉數(shù)量等）有關(guān)，說明此量化評(píng)估方法具有較好的靈敏響應(yīng)性。

3 結(jié)論

以對(duì)比度、靈敏度和選擇性作為評(píng)估手印熒光顯現(xiàn)質(zhì)量的具體指標(biāo)，建立了基于Python 的定量評(píng)估手印熒光顯現(xiàn)質(zhì)量的方法。提出了上述3 個(gè)評(píng)估指標(biāo)的定量計(jì)算公式，并驗(yàn)證了由Python 計(jì)算出的客觀評(píng)估數(shù)值與視覺效果的主觀判斷結(jié)論的一致性。詳細(xì)討論了影響手印熒光顯現(xiàn)質(zhì)量的主要因素，即材料的發(fā)光強(qiáng)度和材料的發(fā)光顏色主要決定顯現(xiàn)的對(duì)比度，材料的粒徑尺寸主要決定顯現(xiàn)的靈敏度，材料的微觀形貌和表面性質(zhì)主要決定顯現(xiàn)的選擇性。同時(shí)，提出了增強(qiáng)手印熒光顯現(xiàn)質(zhì)量的有效途徑，即提高材料的發(fā)光強(qiáng)度和調(diào)諧材料的發(fā)光顏色有利于增強(qiáng)顯現(xiàn)的對(duì)比度，降低材料的粒徑尺寸有利于增強(qiáng)顯現(xiàn)的靈敏度，調(diào)整材料的微觀形貌和改變材料的表面性質(zhì)利于增強(qiáng)顯現(xiàn)的選擇性。本研究對(duì)象僅為顯現(xiàn)手?。z材），并未涉及捺印手?。颖荆?，后續(xù)研究將借助Python 定量評(píng)估檢材與樣本相似程度，將物證價(jià)值由定性判斷水平提升到定量評(píng)估水平。