Please use this identifier to cite or link to this item: http://hdl.handle.net/11452/28105
Full metadata record
DC FieldValueLanguage
dc.contributor.authorCan, Yekta Said-
dc.date.accessioned2022-07-28T10:42:38Z-
dc.date.available2022-07-28T10:42:38Z-
dc.date.issued2022-02-27-
dc.identifier.citationCan, Y. S. (2022). ''Classification of original and counterfeit gold matters by applying deep neural networks and support vector machines''. Uludağ Üniversitesi Mühendislik Dergisi, 27(1), 89-102.tr_TR
dc.identifier.issn2148-4147-
dc.identifier.issn2148-4155-
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/2177381-
dc.identifier.urihttps://doi.org/10.17482/uumfd.1054013-
dc.identifier.urihttp://hdl.handle.net/11452/28105-
dc.description.abstractGold is one of the most counterfeited precious metals. The color of copper is like gold. For this reason, copper is one of the most used materials for color counterfeiting. When the chemical properties are concerned, wolfram is like gold (density of gold and tungsten are 19.30 g/ml and 19.25 g/ml, respectively), so it can be used as a chemical counterfeit. The purity of gold can be determined by X-ray, but this method is costly. The current low-cost methods of jewelers have been experimented with for counterfeit gold detection in this paper. When a gold matter is hit by a subject, the sound frequency is higher than the frequency of sound when the same experiment is done with copper. Furthermore, counterfeit gold color is brighter than real ones. The color of gold is unique, and it is called "gold yellow". In this research, by employing sound and image processing, counterfeit and original gold are differentiated. For the image processing part, first a Convolutional Neural Network (CNN)-based toolbox for segmenting the gold material is applied. Then, deep CNNs for differentiating the color of the gold and copper materials are employed. Promising results are achieved with both sound and image processing techniques.en_US
dc.description.abstractAltın, en çok taklit edilen değerli metallerden biridir. Bakırın rengi altına benzer. Bu nedenle bakır, renk sahteciliği için en yaygın kullanılan malzemelerden biridir. Kimyasal özellikler söz konusu olduğunda, volfram altına benzer (altın ve tungstenin yoğunluğu sırasıyla 19.30 g/ml ve 19.25 g/ml'dir), bu nedenle kimyasal bir sahte olarak kullanılabilir. Altının saflığı X-ray ile belirlenebilir, ancak bu yöntem maliyetlidir. Bu yazıda, sahte altın tespiti için kuyumcuların mevcut düşük maliyetli yöntemleri ve sahte parayı tespit etmek için kullanılan düşük maliyetli yöntemler denenmiştir. Bir yüzeye altın bir madde çarptığında, ses frekansı aynı deney bakır ile yapıldığındaki sesin frekansından daha yüksektir. Ayrıca, sahte altın rengi gerçek olanlardan daha parlaktır. Altın rengi benzersizdir ve "altın sarısı" olarak adlandırılır. Bu araştırmada ses ve görüntü işleme yöntemleri kullanılarak sahte ve orijinal altın ayrımı yapılmıştır. Görüntü işleme kısmı için, önce görüntüden altını segmentlere ayırmak için CNN tabanlı bir araç kutusu uygulanır. Bundan sonra, altın ve bakır malzemelerin rengini ayırt etmek için derin Evrişimli Sinir Ağları kullanılır. Hem ses hem de görüntü işleme teknikleri ile umut verici sonuçlar elde edilmektedir.tr_TR
dc.language.isoenen_US
dc.publisherBursa Uludağ Üniversitesitr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAtıf 4.0 Uluslararasıtr_TR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.subjectCounterfeit gold differentiationen_US
dc.subjectSound processingen_US
dc.subjectImage processingen_US
dc.subjectSupport vector machinesen_US
dc.subjectConvolutional neural networken_US
dc.subjectImage segmentationen_US
dc.subjectSahte altın farklılaşmasıtr_TR
dc.subjectSes işlemetr_TR
dc.subjectGörüntü işlemetr_TR
dc.subjectDestek vektör makineleritr_TR
dc.subjectEvrişimli sinir ağıtr_TR
dc.subjectGörüntü bölümlendirmetr_TR
dc.titleClassification of original and counterfeit gold matters by applying deep neural networks and support vector machinesen_US
dc.title.alternativeYapay sinir ağları ve destek vektör makineleri kullanılarak gerçek ve sahte altın sınıflandırılmasıtr_TR
dc.typeArticleen_US
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergitr_TR
dc.identifier.startpage89tr_TR
dc.identifier.endpage102tr_TR
dc.identifier.volume27tr_TR
dc.identifier.issue1tr_TR
dc.relation.journalUludağ Üniversitesi Mühendislik Dergisi / Uludağ University Journal of The Faculty of Engineeringtr_TR
Appears in Collections:2022 Cilt 27 Sayı 1

Files in This Item:
File Description SizeFormat 
27_1_7.pdf833.59 kBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons