Identificação automática de adulterações em placas de circuito impresso controladoras de bombas de combustível baseada em imagens

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorNassu, Bogdan Tomoyuki-
Autor(es): dc.contributorhttp://lattes.cnpq.br/4592104393315780-
Autor(es): dc.contributorWehrmeister, Marco Aurélio-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5548205054206839-
Autor(es): dc.contributorNassu, Bogdan Tomoyuki-
Autor(es): dc.contributorSilva, Ricardo Dutra da-
Autor(es): dc.contributorOliveira, Luiz Eduardo Soares de-
Autor(es): dc.creatorOliveira, Thomas José Mazon de-
Data de aceite: dc.date.accessioned2022-02-21T22:06:49Z-
Data de disponibilização: dc.date.available2022-02-21T22:06:49Z-
Data de envio: dc.date.issued2017-12-18-
Data de envio: dc.date.issued2019-08-25-
Data de envio: dc.date.issued2017-12-18-
Data de envio: dc.date.issued2017-08-25-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/2784-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/667972-
Descrição: dc.descriptionFrauds involving illegal modifications to fuel pumps harm customers and collaborate with crimes such as money laundering and tax evasion. Currently, the search for adulterations is performed by a human inspector through visual analysis, a tiring and unreliable practice due to the miniaturization of components. This paper presents an image-based approach to support the human inspector, detecting suspect regions on printed circuit boards for fuel pump controllers. The proposed approach begins with the alignment of a dataset of images, which may contain perspective distortions, noise, and illumination variations, to a reference image, using an image registration technique based on a planar projective transformation (homography), estimated from matches obtained by the Scale-Invariant Feature Transform (SIFT) algorithm. Aligned images are partitioned into regions, which are manipulated independently. Descriptors are extracted from each region, considering two algorithms: Histograms of Oriented Gradients (HOG) and a variation of the SIFT algorithm. An SVM classifier (Support Vector Machine) is trained for each region, using samples with and without tampering. Samples were extracted from perfect condition plates, with adulterated samples having been generated artificially. During inspection, the classifiers look at the input images by regions that differ significantly from the regions corresponding to the training samples. That allows the detection of unknown adulterations, not just those observed during training. The results can be integrated and presented as a heatmap to a human inspector, who has the final decision on the presence of adulterations. Experiments were performed on a dataset containing 649 images of a plate model, including images containing modification manually added. Using SIFT descriptors, was achieved a precision of 0.7739, a recall of 0.9638 and an F-measure of 0.8503 when we try to maximize the F-measure, indicating that our approach can effectively identify suspicious regions, providing invaluable help to the human inspector.-
Descrição: dc.descriptionFraudes envolvendo modificações ilegais em bombas de combustível prejudicam os clientes e corroboram com crimes como lavagem de dinheiro e evasão fiscal. Atualmente, a busca por adulterações é realizada por um inspetor humano, por meio de análise visual, uma prática extenuante e não confiável devido à miniaturização dos componentes. Este trabalho apresenta uma abordagem baseada em imagens para apoio ao inspetor humano, detectando regiões suspeitas em placas de circuito impresso controladoras de bombas de combustível. A abordagem proposta começa com o alinhamento de um conjunto de imagens a uma imagem de referência. Essas imagens podem conter distorções de perspectiva, ruído, e variações de iluminação, utilizando técnica de registro de imagens baseada em transformação projetiva planar (homografia), estimada a partir de correspondências obtidas pelo algoritmo Scale-Invariant Feature Transform (SIFT). As imagens alinhadas são particionadas em regiões menores. Essas regiões são manipuladas independentemente. Descritores são extraídos de cada região, com dois algoritmos tendo sido considerados: Histograms of Oriented Gradients (HOG) e uma variação do algoritmo SIFT. Um classificador SVM (Support Vector Machine) é treinado para cada região. As amostras para treinamento foram extraídas de placas em perfeitas condições, porém as amostras adulteradas foram geradas artificialmente. Para a inspeção o objetivo dos classificadores é identificar regiões que diferem significativamente das regiões correspondentes às amostras de treinamento. Isso permite a detecção de adulterações desconhecidas, e não somente aquelas observadas durante o treinamento. Os resultados podem ser integrados e apresentados como um mapa de calor a um inspetor humano, a quem caberá a decisão final sobre a existência de adulterações. Experimentos foram realizados sobre um conjunto contendo 649 imagens de um modelo de placa, incluindo imagens contendo adulterações adicionadas manualmente. Usando descritores SIFT, foi atingida uma precisão de 0,7739, um recall de 0,9638, e uma F-measure de 0,8503, indicando que nossa abordagem pode efetivamente identificar regiões suspeitas, fornecendo ajuda inestimável ao inspetor humano.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Computação Aplicada-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsrestrictAccess-
Palavras-chave: dc.subjectCombustíveis-
Palavras-chave: dc.subjectCombustíveis fósseis-
Palavras-chave: dc.subjectControle de qualidade-
Palavras-chave: dc.subjectAlgorítmos computacionais-
Palavras-chave: dc.subjectComputação-
Palavras-chave: dc.subjectFuel-
Palavras-chave: dc.subjectFossil fuels-
Palavras-chave: dc.subjectQuality control-
Palavras-chave: dc.subjectComputer algorithms-
Palavras-chave: dc.subjectComputer science-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO-
Palavras-chave: dc.subjectCiência da Computação-
Título: dc.titleIdentificação automática de adulterações em placas de circuito impresso controladoras de bombas de combustível baseada em imagens-
Título: dc.titleDetecting modifications in printed circuit boards from fuel pump controllers based on images-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.