Heteroatom-Tuned Carbon Dots for Multimode High-Resolution Fluorescence Imaging of Latent Imprints
Notice bibliographique
Résumé
Fingerprints are recognized as one of the most reliable biometric features in forensic science. High-quality fingerprint imaging facilitates the extraction of essential personal information during examination and analysis. Here, we utilized the transfer mechanism between precursors and carbon dots (CDs) to synthesize wavelength-tunable fluorescent nanoparticles for developing latent fingerprints (LFPs). Experimental and theoretical results revealed that the precise design of the heteroatom-doped structure of carbon sources enabled the sequential introduction of heteroatoms to CDs, from oxygen alone, to bromine, chlorine, and finally nitrogen, which induced a gradual reduction of energy level gaps, thereby realizing adjustable fluorescence from green to red (538-612 nm). By combining CDs with diatomite, the resulting composite powders, available as multicolor fluorescence and daylight developers, demonstrated high sensitivity and selectivity for detecting both fresh and aging LFPs. Using a typical powdering method with CDs/diatomite stored for 30 days, level 1-3 fingerprint details were visualized with high contrast, and diversified latent imprints deposited on various substrates, including knuckle prints, palmprints, and footprints, were clearly developed. Furthermore, the developed multicolor enhancement technique ensured high-resolution details and overcame the challenges of poorly developed fingerprints. Thus, the proposed multimode framework establishes a viable platform for practical imprint imaging.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».