Please use this identifier to cite or link to this item:
http://hdl.handle.net/11452/28105
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Can, Yekta Said | - |
dc.date.accessioned | 2022-07-28T10:42:38Z | - |
dc.date.available | 2022-07-28T10:42:38Z | - |
dc.date.issued | 2022-02-27 | - |
dc.identifier.citation | Can, 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.issn | 2148-4147 | - |
dc.identifier.issn | 2148-4155 | - |
dc.identifier.uri | https://dergipark.org.tr/tr/download/article-file/2177381 | - |
dc.identifier.uri | https://doi.org/10.17482/uumfd.1054013 | - |
dc.identifier.uri | http://hdl.handle.net/11452/28105 | - |
dc.description.abstract | Gold 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.abstract | Altın, 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.iso | en | en_US |
dc.publisher | Bursa Uludağ Üniversitesi | tr_TR |
dc.rights | info:eu-repo/semantics/openAccess | en_US |
dc.rights | Atıf 4.0 Uluslararası | tr_TR |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | * |
dc.subject | Counterfeit gold differentiation | en_US |
dc.subject | Sound processing | en_US |
dc.subject | Image processing | en_US |
dc.subject | Support vector machines | en_US |
dc.subject | Convolutional neural network | en_US |
dc.subject | Image segmentation | en_US |
dc.subject | Sahte altın farklılaşması | tr_TR |
dc.subject | Ses işleme | tr_TR |
dc.subject | Görüntü işleme | tr_TR |
dc.subject | Destek vektör makineleri | tr_TR |
dc.subject | Evrişimli sinir ağı | tr_TR |
dc.subject | Görüntü bölümlendirme | tr_TR |
dc.title | Classification of original and counterfeit gold matters by applying deep neural networks and support vector machines | en_US |
dc.title.alternative | Yapay sinir ağları ve destek vektör makineleri kullanılarak gerçek ve sahte altın sınıflandırılması | tr_TR |
dc.type | Article | en_US |
dc.relation.publicationcategory | Makale - Uluslararası Hakemli Dergi | tr_TR |
dc.identifier.startpage | 89 | tr_TR |
dc.identifier.endpage | 102 | tr_TR |
dc.identifier.volume | 27 | tr_TR |
dc.identifier.issue | 1 | tr_TR |
dc.relation.journal | Uludağ Üniversitesi Mühendislik Dergisi / Uludağ University Journal of The Faculty of Engineering | tr_TR |
Appears in Collections: | 2022 Cilt 27 Sayı 1 |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
27_1_7.pdf | 833.59 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License