innosferaНаука и инновацииScience and Innovations1818-98572412-9372Издательский дом «Белорусская наука»10.29235/1818-9857-2024-11-65-70innosfera-710Research ArticleИННОВАЦИОННАЯ РАЗРАБОТКАБлижняя инфракрасная спектроскопия в судебно-экспертных исследованиях древесиныNear-infrared spectroscopy used in forensic wood researchХохА.KhokhA.

Анна Хох, завлабораторией исследования материалов, веществ и изделий научного отдела технических, криминалистических и специальных исследований

Anna Khokh

1ann1hoh@gmail.comНаучно-практический центр Государственного комитета судебных экспертиз Республики БеларусьBelarus2024141220240116570Copyright © Издательский дом «Белорусская наука», 20242024Издательский дом «Белорусская наука»Издательский дом «Белорусская наука»https://innosfera.belnauka.by/jour/about/submissions#copyrightNoticehttps://innosfera.belnauka.by/jour/article/view/710

Статья посвящена актуальным вопросам повышения эффективности судебно-экспертных исследований древесины за счет применения инновационных технологий. Оценены возможности использования спектроскопии в ближней инфракрасной области для установления (подтверждения) видовой принадлежности древесины, рассмотрены основные хемометрические алгоритмы создания классификационных моделей в случае многообъектной и бинарной систематизации. Показано, что важным условием для правильной интерпретации спектральных данных является наличие постоянно обновляемой базы эталонных (референтных) БИК-спектров.

The article is devoted to topical issues of increasing the efficiency of forensic wood research through the use of innovative technologies. It evaluates the possibilities of using spectroscopy in the near-infrared region to establish (confirm) the species of wood, and examines the main chemometric algorithms for creating classification models in the case of multi-object and binary classification. It is shown that an important condition for the correct interpretation of spectral data is the presence of a constantly updated database of standard (reference) NIR spectra.

спектроскопия в ближней инфракрасной областихемометрические алгоритмыдревесинасосна обыкновеннаясудебная экспертизаклассификационные моделивидовая принадлежностьnear-infrared spectroscopychemometric algorithmswoodScots pineforensic examinationclassification modelsspecies identificationReferencesKhokh A. Using molecular near infrared spectroscopyin investigation of offences connected with illegal forestry activity / A. Khokh, V. Zvyagintsev // Legea şi Viaţa. 2019. Vol. 328, №4. P. 8–10.Khokh A. Using molecular near infrared spectroscopyin investigation of offences connected with illegal forestry activity / A. Khokh, V. Zvyagintsev // Legea şi Viaţa. 2019. Vol. 328, №4. P. 8–10.De Oliveira R.R. Experimental design, near-infrared spectroscopy, and multivariate calibration: an advanced project in a chemometrics course / R.R. de Oliveira, L.S. das Neves, K.M. G. de Lima // Journal of chemical education. 2012. Vol. 89, №12. P. 1566–1571.De Oliveira R.R. Experimental design, near-infrared spectroscopy, and multivariate calibration: an advanced project in a chemometrics course / R.R. de Oliveira, L.S. das Neves, K.M. G. de Lima // Journal of chemical education. 2012. Vol. 89, №12. P. 1566–1571.Tharwat A. Linear discriminant analysis: A detailed tutorial / A. Tharwat [et al.] // AI communications. 2017. Vol. 30, №2. P. 169–190.Tharwat A. Linear discriminant analysis: A detailed tutorial / A. Tharwat [et al.] // AI communications. 2017. Vol. 30, №2. P. 169–190.Sauzier G. Chemometrics in forensic science: approaches and applications / G.Sauzier, W. van Bronswijk, S.W. Lewis // Analyst. 2021. V. 146, №8. P. 2415–2448.Sauzier G. Chemometrics in forensic science: approaches and applications / G.Sauzier, W. van Bronswijk, S.W. Lewis // Analyst. 2021. V. 146, №8. P. 2415–2448.Bystrzanowska M. Chemometrics for selection, prediction, and classification of sustainable solutions for green chemistry –A review / M. Bystrzanowska, M. Tobiszewski // Symmetry. 2020. Vol. 12, №12. P. 2055.Bystrzanowska M. Chemometrics for selection, prediction, and classification of sustainable solutions for green chemistry –A review / M. Bystrzanowska, M. Tobiszewski // Symmetry. 2020. Vol. 12, №12. P. 2055.Labrín C., Urdinez F. Principal component analysis // R for Political Data Science. – Chapman and Hall / CRC, 2020. P. 375–393.Labrín C., Urdinez F. Principal component analysis // R for Political Data Science. – Chapman and Hall / CRC, 2020. P. 375–393.Ochoa-Muñoz, A.F. Missing data in multiple correspondence analysis under the available data principle of the NIPALS algorithm / A.F. Ochoa-Muñoz, V.M. González-Rojas, C.E. Pardo // Dyna. 2019. Vol. 86, №211. P. 249–257.Ochoa-Muñoz, A.F. Missing data in multiple correspondence analysis under the available data principle of the NIPALS algorithm / A.F. Ochoa-Muñoz, V.M. González-Rojas, C.E. Pardo // Dyna. 2019. Vol. 86, №211. P. 249–257.Ballabio D. Classification tools in chemistry. Part 1: linear models. PLS-DA / D. Ballabio, V. Consonni // Analytical methods. 2013. Vol. 5, №16. P. 3790–3798.Ballabio D. Classification tools in chemistry. Part 1: linear models. PLS-DA / D. Ballabio, V. Consonni // Analytical methods. 2013. Vol. 5, №16. P. 3790–3798.

The authors declare that there are no conflicts of interest present.