Quantum 3D Microscope Q&A

Anschaffungen


Welche Scantechnologie wird vom Quantum 3D-Mikroskop verwendet?

Quantum verwendet eine patentierte nichtlineare photometrische Stereoanalyse. Die Geschossoberfläche wird an bestimmten Stellen mit einer Reihe von LEDs abgebildet. Die Analyse der Intensität jedes Pixels innerhalb der LED-Bilderreihe ermöglicht Quantum die Bestimmung lokaler Höhenwerte. Die Oberflächenorientierung wird durch eine numerische Integrationsberechnung über die Höhenkarte der Höhenwerte ermittelt.

Verwendet Quantum die gleiche 3D-Bilderfassungstechnologie wie IBIS BULLETTRAX?

Das Quantum 3D-Mikroskop basiert auf dem neuen, 2019 veröffentlichten IBIS BULLETTRAX-Modell. Das neue BULLETTRAX bietet Kalibrierungsfunktionen für die Nachvollziehbarkeit von Messungen. Sein größeres Gesichtsfeld bietet mehr Betrachtungsumfeld, ermöglicht aber auch neue Methoden wie die Warnfunktion zur Erkennung von Unterklassen. Das RBL-Modell wird sich auf Grundlage der 3D-Daten entwickeln, die mit der neuen nichtlinearen photometrischen Stereoanalyse erfasst wurden. (siehe Fragen zum doppelten Verwendungszweck von Quantum mit IBIS).

Welche Auflösung hat das Mikroskop (Pixel und Z)?

Die laterale Auflösung beträgt etwas weniger als 3 µm/Pixel.

Die Tiefenauflösung beträgt etwa 0,3 µm.

Wie gross ist das Gesichtsfeld des Mikroskops? Wie viel Objektfläche kann abgebildet werden?

Die erfasste Fläche ist ein 2,8 mm (1/9″) breites Band, welches das Objekt in der Tiefe oder im Umfang erfasst.

Wie breit darf das Bild sein, z.B. für eine ganze Patronenhülsen-Seitenwand (Kammerspuren)?

Die Erfassungsbreite beträgt 2,8 mm (1/9″). Um den gesamten Seitenwandkörper einer Patronenhülse zu erfassen, wären mehrere Durchgänge erforderlich. Wenn Sie Quantum als 3D-Mikroskop verwenden, können Sie bestimmte Interessenbereiche zwischen den Proben anvisieren; vollständige Panoramabilder sind nicht immer erforderlich.

Wie ist die Größenbeschränkung für die Objekte, die in Quantum erfasst werden können?

Objekte dürfen maximal folgende Abmessungen haben:

Breite: Bis zu 45 mm (1,8″)

Höhe: Bis zu 28 mm (1,1″)

Länge: Bis zu 50 mm (2,0″)

Während der Erfassung beträgt der maximale Abstand von der Rotationsachse bis zur erfassenden Fläche 28 mm (1,1″).

Wie lange dauert es ein vollständiges Panoramabild eines Geschosses mit einem Kaliber von 9 mm zu erfassen? Wie lange dauert die Erfassung eines verformten Geschosses?

Ein Panoramabild eines 9-mm-Geschosses dauert derzeit etwa 11 Minuten. Den größten Teil dieser Zeit arbeitet das System vollautomatisch und unabhängig vom Benutzer.

Die Erfassungszeiten von Quantum für beschädigte Geschosse hängen von der Größe der zu erfassenden Fläche sowie von der Schwere der Beschädigung ab. Für komplexere Flächen ist mehr Zeit erforderlich. Das während der Präsentation beim Online Event erfasste Beispiel, das drei LEAs und mäßige Schäden aufwies, dauerte acht Minuten und 50 Sekunden, einschließlich Einrichtung und Validierung der Erfassung. Hätte es eine vierte LEA gegeben, hätte es länger gedauert – hätte es nur zwei LEAs gegeben, wäre es schneller gegangen. Nach unserer Erfahrung können die meisten verformten Objekte innerhalb von 15 Minuten erfasst werden.

 

Patronenhülsen


Kann das Quantum 3D-Mikroskop andere Spurenbilder an der Patronenhülse, wie die Spuren der Auswurföffnung, analysieren?

Ja, die Erfassung der Rundumsicht oder von Details einer Patronenhülse kann in Quantum erfolgen. Das Modell Quantum S1 kann Patronenlager-, Auswerfer-, Auszieh- und andere Spuren an der Seite einer Patronenhülse erfassen.

Wird es ein Quantum 3D-Mikroskop für Hülsenböden (Verschlussfläche, Schlagbolzen, Auswerferspuren) geben?

Das erste Modell des Quantum (S1) ist zur Erfassung des gesamten Patronenhülsenbodens oder großer flacher Bereiche nicht sehr gut geeignet. Es kann jedoch Panoramabilder oder Detailflächen von Patronenlager-, Auswerfer-, Auszieh- und andere Spuren an Patronenhülsen und andere Spuren an der Seite einer Patronenhülse erfassen.

Die Implementierung eines Quantum 3D-Mikroskops für die Untersuchung von Spuren am Hülsenboden ist der nächste logische Schritt. Dieses Quantum-Modell wird auf Eindrücke am Hülsenboden und größere flache Objekte und Rillen-Werkzeugspuren spezialisiert sein. Wir haben mit der Arbeit an den erforderlichen, komplexeren Komponenten begonnen. Weitere Neuigkeiten sind also im Laufe der Zeit zu erwarten.

Im Laufe der Jahre hat unsere 3D-Technologie viele Sachverständige für Schusswaffen bei schwierigen Fällen mit Geschossen unterstützt, welche unter herkömmlichen Vergleichsmikroskopen schwer zu untersuchen waren. Wir haben unser Fachwissen eingesetzt, um Lösungen zu finden und haben wissenschaftliche Durchbrüche bei der Entwicklung objektiver Auswertungen von Geschossen erzielt.

 

Kalibrierung


Wie ist Quantum kalibriert?

Die Kalibrierung basiert auf ISO17025-zertifizierten Zielvorgaben. Jedes Quantum 3D-Mikroskop hat zertifizierte Zielvorgaben, die mithilfe von ISO17025-zertifizierten Lieferanten rückverfolgbar sind. Für das System wird ein Kalibrierungsbericht erstellt, in dem die tatsächlichen Messungen mit den kalibrierten Messungen verglichen werden. Jede 3D-Bilderfassung ist mit den Daten der letzten Kalibrierungsprüfung verknüpft.

Wie kann ein Benutzer die Quantum-Kalibrierung validieren?

Benutzer können Kalibrierungsprüfungen entweder in regelmäßigen Abständen oder manuell durchführen, um die Messungen zu validieren. Wenn ein externes Bezugsziel verwendet wird, können die 3D-Bilderfassungsdaten zur Analyse exportiert werden.

 

Quantitative Analyse


Warum werden bei der Berechnung der RBL-Grafik nur die beiden höchsten LEA-Werte gemittelt, und was ist, wenn es nur eine LEA auf einem Fragment gibt?

Im Rahmen der Präsentation beim Online Event wurde das „Best Phase“-Modell erläutert, das für den Durchschnittswert aus den beiden höchsten LEA-Werten in der besten Phase optimiert wird. Quantum hat auch ein „Best LEA-Modell“, das mit dem höchsten LEA-zu-LEA-Wert arbeitet. Dieses Modell wird sowohl für Fragmente funktionieren, die nur eine LEA zum Vergleich haben, als auch für Geschosse und Fragmente mit mehreren LEAs. Das „Best LEA-“ und „Best Phase“-Modell haben jeweils unterschiedliche Trennlinien und FMR-Isolinien (False Match Rate).

Haben Sie zusätzlich zur FMR (False Match Rate) ein Modell für einen Wahrscheinlichkeitsquotienten entwickelt, wie es in Ihrer veröffentlichten Abhandlung zur Objektauswertung dargestellt wird?

Der Wahrscheinlichkeitsquotient ist eine Herausforderung, da er aus der Werteverteilung von Übereinstimmungen und Nichtübereinstimmungen hervorgeht. Damit eine statistische Verteilung gültig ist, muss sie aus einer hohen Anzahl von Werten generiert werden, und wir haben deutlich mehr Werte für Nichtübereinstimmungen als Übereinstimmungen zur Verfügung. Daher haben wir uns entschieden, uns vorerst auf den FMR zu konzentrieren, da er ausschließlich aus der Werteverteilung für Nichtübereinstimmungen berechnet wird. Wir haben ferner festgestellt, dass die Werteverteilung der Übereinstimmungen viel empfindlicher auf bestimmte Schusswaffen reagiert, während die Werteverteilung der Nichtübereinstimmungen deutlich stabiler ist. Wir könnten in Betracht ziehen, den Wahrscheinlichkeitsquotienten in zukünftigen Versionen von Quantum zu berechnen, falls in der Fachwelt ein entsprechender Bedarf besteht.

Sind in Ihren Beispielszenarien die 4 oder 5 Testschüsse aufeinanderfolgend oder sind es die besten aus einer Reihe von Testschüssen mit der sichergestellten Schusswaffe?

In unseren Fallbeispielen haben wir festgestellt, dass alle 5 Testschüsse bei der Darstellung von Spuren einer Schusswaffe hilfreich sind. Es ist jedoch üblich nach der Sicherstellung die ersten Testschüsse der Schusswaffe zu verwenden, da sie repräsentativ für das Spurenbild des Laufs beim letzten Gebrauch sind.

Wie wirkt sich der Verzug auf den Linienzählwert aus? Komprimiert oder dehnt das System die Beweise automatisch?

Der aktuelle Algorithmus erlaubt eine gewisse Dehnung im Vergleichsprozess. Die größte erlaubte Dehnung wurde durch die optimierte Trennung der Werteverteilungen von Übereinstimmungen und Nichtübereinstimmungen erreicht. Das Zulassen von Dehnungen erhöht sowohl die Werte für Übereinstimmungen als auch Nichtübereinstimmungen. Wenn die erlaubte Dehnung zu groß wird, werden die Nichtübereinstimmungen bevorzugt und die Werteverteilungen von Übereinstimmungen und Nichtübereinstimmungen beginnen, sich zu überlappen.

Weiß man, wie groß die Wahrscheinlichkeit für eine falsche Eliminierung durch das System ist? Wenn die Punktzahl bei einer unzureichend markierten bekannten Übereinstimmung niedrig ist, würde dieses System die Übereinstimmung nicht in Frage stellen?

Das System entfernt keine Übereinstimmungen, sondern liefert für jede Bewertung eine False Match Rate (FMR). Es liegt in der Verantwortung der Experten, Schlussfolgerungen zu ziehen; die FMR ist jedoch ein quantitatives Maß zur möglichen Fundierung ihrer Schlussfolgerung.

Das Konzept der falschen Eliminierung muss im Zusammenhang mit der Identifizierung von Geschossen mit Vorsicht definiert werden. Im Gegensatz zur Biometrie, die über die Zeit stabil ist, kann es bei Geschossspuren von Schuss zu Schuss zu erheblichen Abweichungen kommen. Manchmal ist ein Geschosspaar eine bekannte Übereinstimmung, aber der Grad der Ähnlichkeit führt nicht zu einem hohen Punktwert. Nach unserer Meinung ist es nicht angemessen, einen solchen Fall als falsche Eliminierung zu definieren, da der Experte ein solches Paar nicht als schlüssige Übereinstimmung einstufen würde (selbst wenn es sich um eine bekannte Übereinstimmung handelt).

Quantum generiert einen Wert, der mit der Ähnlichkeit zwischen zwei Geschossen übereinstimmt. Wie in unserer Abhandlung erörtert, bestand unsere Trainingsreihe aus 422 bekannten übereinstimmenden Paaren von 9-mm-Geschossen, von denen nur 55 % visuell zugeordnet werden konnten. Diese visuelle Analyse ist unvoreingenommen, da sie vor jeder Algorithmen Entwicklung durchgeführt wurde. Alle bis auf 8 der Werte der bekannten Nichtübereinstimmungen fallen unter die Trennlinie (für FMR = 1/10000). Fünf der 235 visuell übereinstimmenden Paare (2%) lagen etwas unterhalb der Trennlinie, was mit dem beobachteten Grad der Ähnlichkeit übereinstimmt.

Können die Daten von Testschüssen beim „Lernen“ des Systems für den FMR-Wert in IBIS/NIBIN/IBIN-Systemen verwendet werden?

Das Lernen basierte auf Erfassungen, die mit einer Quantum Erfassungseinheit bei Ultra-FT aus dem Datensatz verschiedener Schusswaffenhersteller durchgeführt wurden, die repräsentativ für die Population von Handfeuerwaffen in einer städtischen Umgebung in Amerika sind. Es gibt keinen Mechanismus, mit dem Quantum-Benutzer ihr System „lernen“ lassen können.

Kann die Entscheidungslinie über 1/10000 wie etwa 1/100 liegen? Was bedeutet das?

Die FMR-Linienwert von FMR=1/10000 ist keine formale Entscheidungslinie. Übereinstimmungen liegen nicht immer über dieser Linie, und Nichtübereinstimmungen liegen nicht immer unter der Linie. Deshalb bevorzugen wir den Ausdruck „Trennlinie“. Diese Linie trennt annähernd die Geschosspaare, die sich sehr ähnlich sind, von denen, die nach der visuellen Analyse auf einem konventionellen Vergleichsmikroskop oder einem virtuellen Vergleichsmikroskop signifikant anders aussehen. Es gibt also keinen Hinweis, dass die Definition der Trennlinie in der Grafik auf 1/100 oder 1/1000 gesetzt werden könnte. Wir haben jedoch festgestellt, dass der Grad der Ähnlichkeit bei Werten oberhalb der FMR = 1/10000-Linie signifikant wird. Es bleibt die Entscheidung des Sachverständigen, ob ein bestimmtes Geschosspaar schlüssig übereinstimmt oder nicht. Der aus dem Wert berechnete FMR wird als Unterstützung für diese Schlussfolgerung angegeben.

Wie behandelt das System Geschosse mit Unterklasse? Welchen Einfluss hat dies auf die False Match Rate?

Diese Funktionalität wurde während der Präsentation im Rahmen des Online Events nicht diskutiert. Nach unserer Kenntnis ähneln die schwierigsten Geschosse hinsichtlich der Unterklassenmerkmale dem Norris-Datensatz, der 10 Geschosspaare, die aus nacheinander hergestellten Läufen abgefeuert wurden, und 15 Unbekannte berücksichtigt. Für diese Daten wird festgestellt, dass die meisten Spuren starke Unterklassenspuren aufweisen. Die meisten Spuren treten in dem gesamten Satz auf und der Grad der Ähnlichkeit zwischen bekannten Nichtübereinstimmungen ist typisch für den Grad der Ähnlichkeit, der bei guten Übereinstimmungen festgestellt wird. Unterklassenspuren können nicht automatisch aus der Topografie eines Geschosses erkannt werden und Experten müssen sich bei der Suche nach Unterklassenspuren auf den tatsächlich vorhandenen Lauf verlassen. Quantum bietet jedoch einen Algorithmus zur Erkennung langer Spuren, die den größten Teil der Bildbreite überqueren. Der Benutzer erhält eine Warnung, sobald die Anzahl solcher Spuren über einem kritischen Wert liegt. Dies deutet darauf hin, dass eine starke Unterklasse vorhanden sein könnte. Wenn dies der Fall ist, wäre die FMR nicht gültig.

Gibt es getrennte Verteilungen für konventionelle Läufe, Polygonläufe und glatte Läufe?

Für jeden dieser Lauftypen bei Schusswaffen müssen unterschiedliche Modelle entwickelt werden, da die Geschosse sehr unterschiedliche Spuren aufweisen und die Verteilungen von Übereinstimmungen und Nichtübereinstimmungen wahrscheinlich deutlich unterschiedlich sein werden. Für die Zukunft sind neue Algorithmen und Ähnlichkeitswerte für Polygonläufe und Glattläufe geplant. Für die Umsetzung sind wir jedoch vom Stand der Wissenschaft abhängig.

Quantum wurde für 9 mm-Geschosse getestet. Muss ein statistisches Modell für jedes Kaliber oder jede Art von Geschossspuren erstellt/getestet werden?

Ja, die RBL-Methode wird auch für andere Kaliber angeboten, aber zunächst nur für Schusswaffen mit konventionellen Läufen. Für die Zukunft ist jedoch auch die Unterstützung von Polygonläufen und glatten Läufen geplant.

Was ist mit Bleigeschossen? Wie werden bei der RBL-Methode andere Werkstoffzusammensetzungen als Kupfer verarbeitet?

Das statistische Modell, das während der Präsentation im Rahmen des Online Events vorgestellt wurde, basierte auf einer Datenbank von kupferummantelten 9-mm-Geschossen. Quantum wird jedoch auch andere Kaliber und Werkstoffzusammensetzungen unterstützen.

Wie lange dauert die Berechnung der Ergebnisse aus der quantitativen Analyse im Vergleich zur IBIS-Korrelationszeit?

IBIS vergleicht ein vorhandenes Beweisstück über einen schnellen Algorithmus mit einer umfassenden Datenbank. Die Rechenzeit für jede einzelne Geschoss-zu-Geschoss-Korrelation ist so kurz wie möglich. Die Gesamtrechenzeit einer Korrelationsanfrage zwischen einem Geschoss und einer großen Datenbank kann jedoch in einer Größenordnung von mehreren Stunden liegen.

In Quantum werden kleine Datensätze berücksichtigt, da es speziell für die Fallarbeit konzipiert wurde. Der Korrelationsalgorithmus benötigt mehr Zeit pro Geschoss-zu-Geschoss-Vergleich, aber die gesamte Rechenzeit für die Korrelation eines typischen Datensatzes liegt bei Sekunden oder Minuten.

Linienzähl- und Referenzvergleichswerte werden gegeneinander gewichtet, was ist dabei die Logik?

Ein deutlicher Vorteil der PMS- und LCS-Werte ist ihre Interpretierbarkeit. Die beiden Arten von Werten stellen komplementäre Blickwinkel dar, die auf die von Schusswaffenexperten angewandten Methode zurückzuführen sind. Der jeweilige Wert dieser beiden Bewertungen stimmt stark mit der beobachteten Ähnlichkeit eines beliebigen Geschosspaares in einer Weise überein, die den Blickwinkeln der Linienzähl- oder Referenzvergleichswerte entspricht. Die Berechnung eines False Match Error Rate (FMR)-Wertes aus einer zweidimensionalen Werteverteilung stellt jedoch eine Herausforderung dar, insbesondere im Hochwertebereich, wo Daten zu Nichtübereinstimmungen knapp sind. Wir wenden daher zum Preis einer geringeren Interpretierbarkeit eine Standardmethode zur Reduzierung der Dimensionalität an, die im Bereich des Machine Learnings weit verbreitet ist. Zur Reduzierung der Dimensionalität wird im Prozess die Anzahl der betrachteten Variablen reduziert, indem ein kleinerer Satz von Hauptvariablen erhalten wird, die den größten Teil des Verhaltens der ursprünglichen multidimensionalen statistischen Verteilung erfassen. Der sich in Quantum ergebende Wert ist der projizierte Abstand D, der eine gewichtete Summe von PMS und LCS ist. In diesem Prozess wird tatsächlich ein einziger Wert definiert, der PMS und LCS linear kombiniert. Dieser Wert kann zur Definition einer FMR verwendet werden, aber er kann nicht so einfach interpretiert werden wie die individuellen PMS und LCS. Daher schlagen wir vor, die Darstellung als 2D-Grafik (PMS-LCS) zur leichteren Interpretation beizubehalten, aber ihre gewichtete Linearkombination D für die Berechnung der FMR zu verwenden.

Stellen die ausgegrauten Punkte in den RBL-Grafiken Werte aus tatsächlichen Vergleichen einer LEA mit einer LEA aus diesem Vergleich dar, oder sind einige dieser Punkte nur Hintergrundwerte des Algorithmus, die nicht notwendigerweise mit zwei LEAs aus den zu vergleichenden Proben zusammenhängen?

Die ausgegrauten Punkte stellen die Ähnlichkeitswerte aus dem Datensatz von 406 Geschossen (aus unserer Trainingsreihe) dar, die zur Definition der Trennlinie und der FMR-Isolinien verwendet wurden. Sie werden als Referenz in den Hintergrund gezeichnet. Im Gegensatz dazu stellen die farbigen Punkte die Ergebnisse dar, die sich aus dem Vergleich der Proben ergeben und die im aktuellen Arbeitsbereich analysiert wurden.

Ich verstehe, woher die 10^4 FMR-Linie kommt, aber wie wurde die 10^6-Linie hochgerechnet, usw.

Dieser Schritt wird in unserer Abhandlung in Abschnitt 4.7 [Objective Identification of Bullets Based on 3D Pattern Matching and Line Counting Scores (Objektive Identifizierung von Geschossen auf der Grundlage von 3D-Referenzvergleichs- oder Linienzählwerten) im International Journal of Pattern Recognition and Artificial Intelligence, 2019, 33(11)] erläutert. Die große Anzahl von Nichtübereinstimmungswerten (80K) erlaubt es uns, das Verhalten der Werteverteilung bei Nichtübereinstimmungen auf der Grundlage der 1% (d.h. 800) der größten Werte hochzurechnen. Die Form der FMR-Funktion im Hochwertebereich ist dann eine exponentiell abnehmende Funktion, d.h. ihr Logarithmus ist eine lineare Funktion, wie in Abb.15 dargestellt. Ein Anpassungsverfahren wird angewendet, um die beste Anpassungslinie zu definieren, die dann zur Extrapolation der FMR-Funktion in dem Wertebereich verwendet wird, in dem keine Daten zu Nichtübereinstimmungen verfügbar sind. Eine solche Extrapolation ist aufgrund fehlender Daten aus der Werteverteilung der Nichtübereinstimmungen offensichtlich sehr spekulativ. Die exponentielle Anpassung ist jedoch viel konservativer als die Gaußsche Anpassung, die man aufgrund der Gesamtwerteverteilung erwarten würde.

Haben Sie mehrere Quervergleiche mit ähnlichen Fragmenten wie bei der Brundage-Studie durchgeführt?

Für die Programmierung der RBL-Vergleichsalgorithmen, haben wir aus praktischen Gründen Testschüsse verwendet. Es ist eine herausfordernde Aufgabe, einen großen Datensatz mit beschädigten und fragmentierten Geschossen aufzubauen, welche Übereinstimmungen aufweisen. Wir waren jedoch in der Lage, die Auswirkungen von Deformationen und fehlenden LEAs wie folgt zu simulieren. Der Vergleichsalgorithmus wurde so kalibriert, dass er beim Vergleich eines beliebigen Paares von LEAs eine gewisse Dehnung erlaubt. Es wurde ein Kompromiss gefunden, um die Ergebnisse für die Übereinstimmungen zu verbessern, ohne bei Nicht-Übereinstimmungen zu tolerant zu sein. Wir untersuchten auch das Verhalten der Vergleichsalgorithmen unseres Datensatzes von unbeschädigten Geschossen, wenn eine oder mehrere LEAs künstlich aus dem Vergleich ausgeschlossen wurden. Diese Strategie basiert auf unseren früheren Erfahrungen mit IBIS-Suchergebnissen und ermöglichte es uns, neben der Best Phase-Methode auch die Best LEA-Methode zu entwickeln. Die Best LEA-Methode bringt die optimalen Ergebnisse, auch wenn viele LEAs fehlen.

Was ist, wenn die Reproduzierbarkeit bei Testschüssen schlecht ist? Würde das nicht den FMR Wert (F….. M…… R……) beeinträchtigen und möglicherweise vor Gericht Zweifel aufkommen lassen?

Die Ähnlichkeitswerte und der damit verbundene FMR Wert stellen die Ähnlichkeit der Eintiefungen dar, die beim Vergleich von Geschossen vorhanden sind, unabhängig davon, ob sie aus derselben Schusswaffe abgefeuert wurden oder nicht. Wenn die Übereinstimmung schwach ist, dann sind die Werte niedrig und der FMR gibt diese Tatsache wieder. Die Schlussfolgerung, die vor Gericht präsentiert wird, sollte ähnlich wie diejenige sein, welche auf der Grundlage konventioneller Vergleichsmikroskope basiert. Solange der FMR Wert mit der beobachtbaren Ähnlichkeit übereinstimmt, kann er zuverlässig beurteilt werden.

Vergleichsbetrachtung


Werden die Bildanpassungen in den Metadaten erfasst?

Die Anpassungen im Comparison Viewer zur Verbesserung der 3D-Darstellung bleiben über die Screenshots, die gespeichert werden können, erhalten. Über einen Screenshot des Comparison Viewers wird der genaue Status der Ansicht gespeichert, so dass Sie später hierhin zurückkehren und dort weitermachen können, wo Sie aufgehört haben.

Wie viele Geschosse können im virtuellen Comparison Viewer angezeigt werden?

Bis zu 6 Erfassungen können gleichzeitig nebeneinander in der Surface-Ansicht und in der Shape-Ansicht betrachtet werden.

 

Datenzugriff


Wie werden die Quantum-Daten für Benutzer zugänglich?

Das Quantum 3D-Mikroskop speichert die Daten und Ergebnisse im aktuellen Workspace-Ordner. Diese Dateien sind über den Windows Explorer frei zugänglich und können im Netzwerk des Kunden oder auf USB-Wechselmedien gespeichert oder archiviert werden.

Arbeiten Sie mit NIST zusammen, reichen Sie Scans ein oder teilen Sie X3P-Dateien für die Forschung und die Erstellung einer nationalen 3D-Datenbank?

Das Quantum 3D Mikroskops bietet Labors die Möglichkeit X3P Daten zu exportieren und X3P-Daten für die NIST Ballistics Toolmark Research Database (NBTRD) einzusenden. Bei der Entwicklung dieses Produktes wurde der Schwerpunkt auf einen flexiblen Datenzugang und flexibles Datenmanagement gelegt, da die gemeinsame Nutzung von Daten von grundlegender Bedeutung ist.

Doppelter Verwendungszweck von Quantum mit IBIS


Kann ein BULLETTRAX für Quantum wiederverwendet werden?

Das neueste Modell von IBIS BULLETTRAX (2019) kann für das Quantum 3D-Mikroskop wiederverwendet (gemeinsam genutzt) werden. Leider erfordert Quantum eine neuere Technologie, die bei den älteren Modellen von IBIS BULLETTRAX (2004-2018) nicht verfügbar ist; für diese Geräte ist ein Upgrade erforderlich. Das neue BULLETTRAX bietet Kalibrierungsfunktionen für die Rückverfolgbarkeit von Messungen. Sein größeres Gesichtsfeld bietet mehr Betrachtungsumfeld, ermöglicht aber auch neue Methoden, wie die Warnfunktion zur Erkennung von Unterklassen. Die Algorithmen des RBL-Verfahrens werden anhand von 3D-Daten trainiert, die mit der nichtlinearen photometrischen Stereoanalyse erfasst wurden. Die zukünftige Entwicklung wird auf diesen neuen BULLETTRAX-Daten basieren.

Die bisherigen, bereits eingesetzten BULLETTRAX-Einheiten müssten nachgerüstet werden, um sie nach den von Quantum geforderten Vorgaben für die Kalibrierung zu zertifizieren. Künftig wird BULLETTRAX diese Vorgaben aufnehmen und somit einen doppelten Verwendungszweck mit Quantum ermöglichen.

Ist das Quantum 3D-Mikroskop ein eigenständiges System wird dazu ein IBIS BULLETTRAX benötigt?

Das Quantum 3D-Mikroskop arbeitet als eigenständiges Instrument. Es ist keine Komponente eines IBIS Search-Netzwerks.

Besitzt IBIS BULLETTRAX die gleichen ISO-Zertifizierungen wie das Quantum 3D-Mikroskop?

Neue IBIS BULLETTRAX Erfassungseinheit sind derzeit (Stand Juni 2019) nicht nach den gleichen Vorgaben ISO 17025-zertifiziert. Es gibt jedoch Pläne, diese Einheiten nachzurüsten, um die von Quantum geforderten Vorgaben für die Kalibrierung zu implementieren.

 

Produkt


Kann die Software separat erworben werden?

Die Software des Quantum 3D-Mikroskopes funktioniert ausschließlich mit Quantum oder mit IBIS 3D-Bilderfassungseinheiten. Sie können jedoch zusätzliche Softwareerweiterungen für diese Anwendung erwerben, die Sie auf anderen Computern ausführen können und die auch Funktionen für die Durchführung von Vergleichsbetrachtungen und quantitativen Analysen beinhaltet.

Wie lange dauert es Ihrer Meinung nach, bis ein bereits erfahrener Sachverständiger umfassend in der Anwendung dieser Software/Hardware geschult ist und sie benutzen kann?

Die Standardschulung wird voraussichtlich bis zu 5 Tage dauern und umfasst die Erfassung, Vergleichsbetrachtung, quantitative Analyse sowie Workspace- und Datenmanagement.

Hat Ihr Produkt eine Schnittstelle zu einem kommerziellen LIMS?

Das Quanten-3D-Mikroskop enthält derzeit keine Funktionen, die eine direkte Schnittstelle zu anderen Systemen ermöglichen. Die Daten und Ergebnisse werden jedoch in einem leicht zugänglichen Workspace-Ordner gespeichert, so dass Dateien mit anderen Systemen, wie zum Beispiel LIMS, ausgetauscht werden können.


Kontaktaufnahme!

Möchten Sie uns kontaktieren?

Kontakt

Abonnieren Sie unseren Blog

Möchten Sie auf dem Laufenden bleiben?

Abonnieren