Autenticidade de Objetos de Metais Preciosos com Marcações a Laser usando Deep Learning

Detalhes bibliográficos
Autor(a) principal: Madaleno, António José de Carvalho
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/99402
Resumo: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
id RCAP_a6926ef02e526b3ef6b439c93713d42d
oai_identifier_str oai:estudogeral.uc.pt:10316/99402
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Autenticidade de Objetos de Metais Preciosos com Marcações a Laser usando Deep LearningAuthentication of Laser Assay Markings of Precious Metal Artefacts using Deep LearningProcessamento de ImagemReconhecimento de PadrõesAprendizagem ProfundaRedes Neuronais ArtificiaisFunções Físicas Não-ClonáveisImage ProcessingPattern RecognitionDeep LearningArtificial Neural NetworkPhysical Unclonable FunctionsDissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaEsta dissertação é realizada no âmbito de um projeto que resultou de uma parceria entre a Universidade de Coimbra e a Imprensa Nacional-Casa da Moeda, designado por UniqueMark. Este visa a criação de um sistema que identifica artefactos de metais preciosos com pequenas marcações únicas, não clonáveis e irreproduzíveis e a sua identificação é realizada com a construção de um sistema que, com apenas a utilização de um telemóvel para a captura das imagens, autentifica estes objetos preciosos. Foram desenvolvidos dois tipos de marcações distintas: marcações realizadas com um método de punção através da dispersão de partículas de diamante no objeto e marcações que são desenhos determinísticos marcados a laser no artefacto, com base numa função matemática. Nesta dissertação apenas serão consideradas as marcas a laser, com o objetivo de verificar a eficácia da utilização deste tipo marcações num sistema de verificação de padrões, sendo importante realçar o facto de ser o primeiro estudo realizado utilizando as marcações a laser do projeto UniqueMark. A novidade das marcações a laser levou ao desenvolvimento de um primeiro banco de imagens, que inclui diversas condicionantes na aquisição das imagens, desde imagens obtidas com microscópio a imagens capturadas com diferentes modelos de telemóvel, bem como imagens com variações do tipo de metal utilizado e com variações de luminosidade. A utilização de redes neuronais artificiais é a abordagem utilizada para a criação dos modelos de classificação, em que as camadas mais profundas das redes neuronais funcionam como extratores de conjuntos de caraterísticas das imagens. O processo de classificação das imagens é realizada utilizando um sistema de verificação 1 para 1. O foco desta dissertação visa verificar o comportamento de um sistema de classificação baseado em redes neuronais quando as imagens das marcações sofrem variações, tanto no momento de treino como no processo de teste. Esta variações referidas estão presentes nos conjuntos de imagens criados e a manipulação das condicionantes de aquisição de imagens é realizada com base nessas mesmas variações presentes nos bancos de imagens construídos.Assim sendo, com este trabalho é pretendido encontrar particularidades que possam prejudicar ou melhorar a performance dos modelos classificadores e verificar quais as condições onde existe a probabilidade de o sistema de verificação de imagens possuir lacunas no seu processo de classificação, tendo atenção, também, à influência das variações de condições das imagens no processo de treino dos modelos de classificação.This master dissertation was created as part of a project developed between the Institute of Systems and Robotics (ISR) of the University of Coimbra and the Portuguese Mint and Official Printing Office, called UniqueMark. This project has created a system that identifies precious metal artefacts with small unique markings that cannot be cloned and are irreproducible. The identification of the laser markings is accomplished by building a system that authenticates these precious objects with only the use of a smartphone to capture the images. Two distinct markings have been developed: markings made with a punching method by scattering diamond particles on the object and markings that are deterministic laser-marked drawings on the artefact, based on a mathematical function. In this dissertation, only the laser markings will be considered to verify the effectiveness of this mark in a pattern verification system. It is essential to highlight that this is the first study carried out using the laser markings of the UniqueMark project. The novelty of the laser markings led to the development of a first image bank, which includes several conditions in the acquisition of images, from images obtained with a microscope to images captured with different models of smartphones, as well as images with variations in the type of metal used and with variations in brightness. Artificial neural networks are the approach used to create classification models. The deeper layers of the neural networks are the layers that act as extractors of sets of features from the images. The image classification process is carried out using a 1-to-1 verification system. This dissertation aims to verify the behaviour of a neural network-based classification system when images of the markings undergo variations, both at the time of training and in the testing process. These variations are present in the datasets created, and the manipulation of the image acquisition constraints is performed based on these same variations present in the image banks built.Thus, this work is intended to find particularities that can hinder or improve the performance of the classifier models and verify in which conditions where there is a probability of the image verification system having gaps in its classification process. It is also taken into consideration the influence of images conditions variations in the training process of the classification models.2022-02-25info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/99402http://hdl.handle.net/10316/99402TID:202967638porMadaleno, António José de Carvalhoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-05-25T06:39:50Zoai:estudogeral.uc.pt:10316/99402Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:17:01.356849Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Autenticidade de Objetos de Metais Preciosos com Marcações a Laser usando Deep Learning
Authentication of Laser Assay Markings of Precious Metal Artefacts using Deep Learning
title Autenticidade de Objetos de Metais Preciosos com Marcações a Laser usando Deep Learning
spellingShingle Autenticidade de Objetos de Metais Preciosos com Marcações a Laser usando Deep Learning
Madaleno, António José de Carvalho
Processamento de Imagem
Reconhecimento de Padrões
Aprendizagem Profunda
Redes Neuronais Artificiais
Funções Físicas Não-Clonáveis
Image Processing
Pattern Recognition
Deep Learning
Artificial Neural Network
Physical Unclonable Functions
title_short Autenticidade de Objetos de Metais Preciosos com Marcações a Laser usando Deep Learning
title_full Autenticidade de Objetos de Metais Preciosos com Marcações a Laser usando Deep Learning
title_fullStr Autenticidade de Objetos de Metais Preciosos com Marcações a Laser usando Deep Learning
title_full_unstemmed Autenticidade de Objetos de Metais Preciosos com Marcações a Laser usando Deep Learning
title_sort Autenticidade de Objetos de Metais Preciosos com Marcações a Laser usando Deep Learning
author Madaleno, António José de Carvalho
author_facet Madaleno, António José de Carvalho
author_role author
dc.contributor.author.fl_str_mv Madaleno, António José de Carvalho
dc.subject.por.fl_str_mv Processamento de Imagem
Reconhecimento de Padrões
Aprendizagem Profunda
Redes Neuronais Artificiais
Funções Físicas Não-Clonáveis
Image Processing
Pattern Recognition
Deep Learning
Artificial Neural Network
Physical Unclonable Functions
topic Processamento de Imagem
Reconhecimento de Padrões
Aprendizagem Profunda
Redes Neuronais Artificiais
Funções Físicas Não-Clonáveis
Image Processing
Pattern Recognition
Deep Learning
Artificial Neural Network
Physical Unclonable Functions
description Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
publishDate 2022
dc.date.none.fl_str_mv 2022-02-25
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/99402
http://hdl.handle.net/10316/99402
TID:202967638
url http://hdl.handle.net/10316/99402
identifier_str_mv TID:202967638
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134065955176448

Registros relacionados