指纹在法庭科学中具有重要作用, 但其遗留时间的判定一直是难以攻克的挑战。本文提出一种基于茚二酮显现法, 借助决策树算法的指纹遗留时间判定模型。配制不同浓度的8种氨基酸纯品溶液, 并采集10名志愿者指纹, 获得遗留时间分别为0、3、7、14、21、30 d的样本。依据样本与茚二酮显现后经绿色波段激光照射, 橙黄色滤光器观察下的荧光强度等特征值, 构建决策树模型, 遗留时间识别准确率达到81%, 横向比较支持向量机和多层感知机模型的准确率, 确定决策树模型为最优模型。以真实指纹大于等于14 d的数据作为测试集检验该模型, 准确率达67%。该方法为指纹遗留时间的判定提供了一定思路。

现有传统TFT-LCD 生产工艺中，Rubbing工艺在生产高PPI ADS产品的过程中，在改善Rubbing Mura不良时会使用H Cloth，但使用H Cloth Glass在经过Rubbing后ODF Rubbing Cleaner清洗时会出现白Mura不良。经过对白Mura不良Panel的微观解析，并结合H Cloth性质分析出白Mura不良是由于H Cloth自身的聚醋酸脂颗粒经过Rubbing Cleaner聚集造成的。从Rubbing Cleaner清洗时改变Glass表面性质(醇类可以有效改变界面性质)入手，通过使用IPA对Glass进行清洗以改变聚醋酸脂疏水性，使得聚醋酸脂颗粒更易被Rubbing Cleaner清洗掉来改善白Mura不良，并结合生产实际定期对IPA进行更换以保持IPA浓度处于一个稳定的区间，使得高PPI ADS产品白Mura不良发生率由改善前的3.42%降低至改善后的0.11%，白Mura不良得到非常有效的改善。