Publicação: Uso de espectroscopia de emissão ótica com plasma induzido por laser (LIBS) associada à aprendizagem de máquinas para análise de resíduos de disparos de armas de fogo (GSR)
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Em uma situação na qual envolva o acidente ou agressão com uma arma de fogo, é
possível identificar o responsável pelos disparos através de marcadores químicos. Isso é
feito identificando elementos já catalogados pertencentes a munições convencionais, como
por exemplo o Ba - bário, Pb - chumbo e Sb - antimônio. No entanto, munições como a
NTA (Non-toxic ammunition) não possuem marcadores químicos tão claros como as mu-
nições convencionais necessitando de métodos alternativos na identificação de um possível atirador. Logo, este trabalho propõe um protocolo experimental capaz de fornecer tais marcadores químicos, e ainda fornece uma margem de precisão na identificação evitando falsos positivos. Para isso, é utilizado a espectroscopia óptica de emissão com plasma induzido por laser (LIBS) fornecendo a assinatura elementar das amostras, que por sua vez, serve de informação para treino do modelo de classificação Random Forest(RF) que é baseado em métricas estatísticas de informação. Com este método de aprendizagem de máquina supervisionado, é possível analisar quais parâmetros são utilizados ao distinguir um atirador de um não atirador tornando-o explicável. As amostras foram coletadas em um estande de tiro, sob protocolos estabelecidos pela SENASP (Secretaria Nacional de Segurança Pública), consistindo em 2, 6 e 8 disparos com munição NTA, e 1 e 6 disparos com munições convencionais. E para comparação foram coletadas amostras de 0 disparos (amostras da mão de um indivíduo que não entrou em contato com a arma de fogo). Os resultados apresentam marcadores químicos identificados a partir de transições atômicas de Cu I, Cu II, Ti I e Mo I, o modelo de classificação foi capaz de atingir uma precisão acima de 90% e possui um poder de generalização alto o suficiente para distinguir um atirador de um não atirador independentemente do tipo de munição, convencional ou NTA.
Abstract
In a situation involving an accident or assault with a firearm, it is possible to identify
the person responsible for the shots using chemical markers. This is done by identifying
elements already catalogued in conventional ammunition, such as Ba - barium, Pb - lead
and Sb - antimony. However, ammunition such as NTA (non-toxic ammunition) does not
have chemical markers as clear as conventional ammunition, requiring alternative methods
to identify a possible shooter. Therefore, this work proposes an experimental protocol
capable of providing such chemical markers, while still providing a margin of accuracy
in identification and avoiding false positives. To this end, laser-induced breakdown spec-
troscopy (LIBS) is used to provide the elemental signature of the samples, which in turn
serves as information for training the Random Forest(RF) classification model, which is
based on statistical information metrics. With this supervised machine learning method,
it is possible to analyze which parameters are used to distinguish a shooter from a non-
shooter, making it explainable. The samples were collected at a shooting range, under
protocols established by SENASP (National Secretariat for Public Security), consisting
of 2, 6 and 8 shots with NTA ammunition, and 1 and 6 shots with conventional ammu-
nition. For comparison, samples were taken from 0 shots (samples from the hand of an
individual who did not come into contact with the firearm). The results show chemical
markers identified from Cu I, Cu II, Ti I and Mo I atomic transitions, the classification
model was able to achieve an accuracy of over 90% and has a generalization power high
enough to distinguish a shooter from a non-shooter regardless of the type of ammunition,
conventional or NTA.
Palavras-chave
Munição NTA, LIBS, Random Forest, NTA ammunition, NTA ammunition
Citação
SOUZA, Gabriel da Silva. Uso de espectroscopia de emissão ótica com plasma induzido por laser (LIBS) associada à aprendizagem de máquinas para análise de resíduos de disparos de armas de fogo (GSR). 2025. 67 f. Dissertação (Mestrado em Física) - Universidade Federal de Uberlândia, Uberlândia, 2018. DOI http://doi.org/10.14393/ufu.di.2025.5090.
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto