Espectroscopia no infravermelho próximo e quimiometria em problemas forense : identificação de manchas de sangue humano e plantações de Cannabis sativa L.

Abstract

Este trabalho aborda duas problemáticas de interesse forense, ambas estudadas empregando a espectroscopia na região do infravermelho próximo e técnicas quimiométricas de classificação. A primeira trata da identificação de Cannabis sativa Linneaus na presença de outras plantas típicas da região onde estão localizadas plantações ilegais no Estado de Pernambuco. Imagens hiperespectrais na região do infravermelho próximo (HSI-NIR) foram obtidas de amostras simulando plantações de Cannabis sativa L. contendo plantas similares, juntamente com solo. Para seleção de variáveis espectrais foi inicialmente empregada análise de componentes principais com sparce (sPCA). A técnica de classificação modelagem independente e flexível de analogia de classe (SIMCA) foi então utilizada, empregando apenas quatro variáveis selecionadas na etapa anterior. Sparse-SIMCA demonstrou alta especificidade e sensibilidade (0,922 e 0,902, respectivamente) para identificação inequívoca de Cannabis, além de ser capaz de identificar as folhas de Cannabis nas imagens de forma clara e objetiva. O segundo problema de interesse forense abordado foi a identificação de manchas de sangue depositadas em substratos comuns em possíveis cenas de crime. Em um primeiro estudo foi desenvolvida uma metodologia não destrutiva e confirmatória para identificação de manchas de sangue humano (SH) usando um espectrômetro NIR portátil. Manchas de SH, sangue animal (SA) e de falso-positivos comuns (FPC) foram depositadas em pisos cerâmicos, porcelanatos, vidro e metal e os espectros obtidos com o espectrômetro portátil MicroNIR (Viavi), após três dias de secagem. Foram criados modelos individuais para cada substrato utilizando três técnicas de classificação/seleção de variáveis: análise discriminante linear - algoritmo genético (GA-LDA), LDA - Algoritmo de Projeções Sucessivas (SPA-LDA) e análise discriminante por mínimos quadrados parciais (PLS-DA). GA-LDA e PLS-DA apresentaram os melhores resultados para classificação de um conjunto de validação externa composto por SH, SA e FPC, obtendo especificidade e sensibilidade iguais a 1 em todos os casos. Análises combinando pisos dois a dois foram conduzidas seguindo a metodologia anterior, porém nesse caso foi implementado o pré-processamento dos mínimos quadrados ponderados generalizados para minimizar a influência dos diferentes substratos. Os valores de especificidade e sensibilidade para a previsão em todos os modelos ficaram acima de 0,980 para o sangue humano e sangue animal. O segundo estudo descreve uma metodologia para identificação de manchas de SH em tecidos utilizando HSI-NIR e modelos de classificação hierárquica. Manchas de SH, SA e FPC foram preparadas sobre tecidos coloridos e estampados de base sintética e de algodão. Uma parte das amostras foi utilizada para construir modelos hierárquicos formulado pela fusão de modelos de PCA e PLS-DA, para os tecidos de composições distintas. As imagens de todas as amostras foram submetidas aos modelos e foi realizada a identificação visual de todas amostras de SH e SA. Obteve-se uma classificação correta de 95% das amostras de SH, sendo que mesmo as amostras de SH não classificadas corretamente foram identificadas como sangue. Assim, o modelo minimiza a possibilidade de negligenciar evidências reais.