《Forensic Science International》：Unravelling tool paint using FTIR spectroscopy: chemical identification, discrimination study and creation of a database for robust frequency estimations
编辑推荐：
弗洛里安·范尼斯特（Florian Vanneste）| 凯拉·伦斯特鲁特（Kyra Lunstroot）比利时布鲁塞尔国家刑事科学与犯罪学研究所（NICC/INCC）摘要工具用油漆虽然在犯罪现场经常被发现，但在法医学文献中并未受到与其他类型油漆同等的关注。本研究通过建立一个包含
弗洛里安·范尼斯特（Florian Vanneste）| 凯拉·伦斯特鲁特（Kyra Lunstroot）
比利时布鲁塞尔国家刑事科学与犯罪学研究所（NICC/INCC）
摘要
工具用油漆虽然在犯罪现场经常被发现，但在法医学文献中并未受到与其他类型油漆同等的关注。本研究通过建立一个包含388件工具上400个油漆样本的独特数据库，填补了这一空白，该数据库是在15年间建立起来的。
经过检查后，使用傅里叶变换红外（FTIR）光谱仪在透射模式下对每件工具上的油漆进行了采样和分析。根据这些结果，确定了每种油漆的化学成分。此外，还对这些光谱进行了比较，并计算了区分能力（DP），评估了FTIR在区分不同工具用油漆样本方面的有效性。
红色、黑色、蓝色和橙色的油漆在工具样本中占主导地位，其中红色是数据库中最常见的颜色。FTIR分析显示有22种不同的粘合剂系统，其中95%的样本中含有对苯二甲酸或邻苯二甲酸醇酸树脂。在三分之二的油漆样本中发现了硫酸钡和碳酸钙等无机成分，它们的存在受到所选粘合剂系统的显著影响。FTIR对工具用油漆的整体区分能力为0.982，证实了其强大的区分潜力。此外，还计算了数据库不同子集的区分能力，并与文献中的数值进行了比较。本文提出了一种基于工具用油漆化学成分的实用方法来计算似然比（LR），用于来源级别的评估。利用这种方法及研究结果，得到的似然比范围为5到400。
本研究为比利时工具用油漆提供了宝贵的数据，并强调了在不同地理区域进行研究的必要性。所建立的数据库和讨论的发现可以为未来的研究奠定基础，帮助法医从业者使用贝叶斯推理更一致地解释他们的发现。
引言
过去几十年中，科学文献中已经充分讨论了油漆的法医分析。通常，研究工作集中在分析序列中一种或多种技术的能力或附加价值上。例如，Zieba-Palus等人在2011年研究了红外光谱和拉曼光谱的应用。[1] 其他作者则专注于某种特定类型的油漆，要么使用单一分析技术，要么使用一组仪器。汽车油漆因其多层结构而成为这类研究的常见对象，由此产生了大量科学出版物，Duarte等人在一篇回顾性论文中总结了2010年至2019年间的相关研究。[2] 家用油漆（通常指单层油漆，如建筑油漆、喷漆和工具用油漆）传统上受到的关注较少。然而，法医科学家们清楚所有这些类型的油漆都可能出现在犯罪现场，因此成为重要的证据。[3] 因此，尽管研究程度有限，但这些类型的家用油漆都已在一定程度上得到了研究。[4],[5],[6],[7],[8],[9]
工具用油漆虽然在入室盗窃案现场经常被采集，但在法医学文献中是研究最少的油漆类型，过去40年只有少数相关出版物。Castle等人在1984年对100把开锁工具进行了群体研究，重点关注其外观特征和化学成分。[10] 2005年，Buzzini等人分析了207把撬棍，其中41把撬棍使用了FTIR进行分析。[8] 他们还进行了转移实验并计算了不同情景下的似然比。Charles等人在2022年研究了扫描电子显微镜/能量色散X射线光谱（SEM/EDX）映射在区分看似无法区分的工具用油漆样本方面的巨大潜力，该方法通过关注硫酸钡中微量锶的存在来实现。[9] Muehlethaler和Massonnet在2023年更全面地探讨了工具用油漆。[11] 最近几年还发表了两篇案例报告，展示了如何将犯罪现场的单向和双向转移分析结果转化为法庭可理解的评估报告。[3],[12]
Charles等人分析的样本和Vanneste等人讨论的工具集合有一个共同的起源，即2009年发起的一项旨在支持一起谋杀案中油漆证据的研究。[9],[12] 犯罪者通过打破窗玻璃进入房屋。从这扇窗户上发现了红色油漆痕迹，结合从嫌疑人处缴获的红色锤子和红色凿子，对这些痕迹进行了调查。根据分析结果，可以排除红色锤子作为红色痕迹的来源；而红色凿子上的油漆则无法区分。为了评估这一结果的法医价值，购买了大约100件红色工具和灭火器进行了检测，所有这些工具都可以与红色油漆痕迹区分开来。
自2009年以来，这个工具集合得到了进一步发展，不仅增加了新工具（NEW），还包括来自同事（COL）的工具、案件相关工作（CWK）以及从安特卫普法院仓库（CRA）获得的工具。该集合的规模从大约100件红色工具增加到了400多件不同颜色的工具（见图1）。一些新购买的工具或其样本已不在研究所内；这些工具在图1中用带条纹的方块表示。当前的工具集合及其对应的油漆样本构成了这项研究的基础。所有样本均使用了傅里叶变换红外（FTIR）光谱仪进行分析，随后确定了每种油漆的化学成分，并计算了FTIR对整个数据集及多个子集的区分能力（DP）。
章节摘录
工具的检查
首先对工具进行宏观检查，包括整体外观照片、长度测量以及记录宏观特征（如品牌名称和可见痕迹的颜色）。工具用油漆的颜色是主观确定的，并按照相对宽泛的颜色分类（红色、蓝色、橙色等），或者通过确定在日光条件下的最接近RAL颜色来进行更标准化的分类。完成这些初步步骤后，再使用...
样本概况
本项目选取了工具集合中的388件工具进行了检查和分析。图3展示了不同类型的工具、它们的出现频率以及每种工具的颜色分布。如图3所示，6%的工具的类型和颜色未知。这些工具是在项目开始前进行分析的，没有记录其他信息。红色工具（45%）和橙色工具（11%）的数量较为...
结论
研究了来自比利时不同来源的388件工具。从这些工具中收集并分析了400个油漆样本，使用了FTIR光谱仪。确定了每种油漆的化学成分，并进行了光谱比较。结果确定了工具用油漆中最常见的成分，并计算了FTIR光谱在这种油漆类型上的区分能力。
超过85%的样本是红色、黑色、蓝色或...
CRediT作者贡献声明
凯拉·伦斯特鲁特（Kyra Lunstroot）：撰写——审稿与编辑、监督、概念构思。弗洛里安·范尼斯特（Florian Vanneste）：撰写——审稿与编辑、初稿撰写、可视化、方法论、调查、正式分析、概念构思。
致谢
作者感谢Dominique Ziernicki和Christine Simonis在数据收集方面的宝贵贡献，以及NICC油漆实验室前团队在建立初始数据库方面的工作。
