摘要：针对护手霜塑料包装物证溯源需求,文章设计了X射线荧光光谱(XRF)结合深度学习的分类方法。通过XRF技术对52个护手霜包装样品进行无损检测,并对所得光谱数据进行z-score标准化处理,利用K-means聚类进行分类,借助Elbow原则和Silhouette分析确定了最优的聚类数目,发现四个聚类为最佳选择。构建反向传播神经网络(BPNN)和粒子群优化算法(PSO)后的BPNN模型验证分类结果可靠性。实验发现,单独使用BPNN模型在训练集上的准确率为96.4286%,在测试集上的准确率为91.6667%,而PSO-BPNN模型在训练集和测试集上的准确率均达到了100%。结果表明,结合X射线荧光光谱法与PSO优化的BPNN模型,能够有效地对护手霜包装进行精确分类,并为物证溯源提供更为科学的手段。