Bullet Identification Based On Striation Features Using Fast Fourier Transform And Artificial Neural Network
Klasifikasi senjata api daripada spesimen peluru adalah penting dan berguna dalam penyiasatan forensik. Penghubungan antara permukaan peluru dan barrel senjata akan menyebabkan tanda-tanda pengoresan semasa peluru ditembak. Setiap senjata api mempunyai tanda pengoresan yang unik, juga dikenali sebag...
| Main Author: | |
|---|---|
| Format: | Monograph |
| Language: | English |
| Published: |
Universiti Sains Malaysia
2017
|
| Subjects: | |
| Online Access: | http://eprints.usm.my/53404/1/Bullet%20Identification%20Based%20On%20Striation%20Features%20Using%20Fast%20Fourier%20Transform%20And%20Artificial%20Neural%20Network_Chan%20Zhen%20Yu_M4_2017.pdf |
| _version_ | 1825906875506360320 |
|---|---|
| author | Chan, Zhen Yu |
| author_facet | Chan, Zhen Yu |
| author_sort | Chan, Zhen Yu |
| collection | USM |
| description | Klasifikasi senjata api daripada spesimen peluru adalah penting dan berguna dalam penyiasatan forensik. Penghubungan antara permukaan peluru dan barrel senjata akan menyebabkan tanda-tanda pengoresan semasa peluru ditembak. Setiap senjata api mempunyai tanda pengoresan yang unik, juga dikenali sebagai 'cap jari' tanpa mengira saiz, jenis dan model. Tanda-tanda unik tersebut adalah penting dalam klasifikasi senjata api. Cara-cara tradisional yang digunakan untuk mengelaskan peluru merupakan aktiviti yang memerlukan tenaga pekerja pakar selama beberapa minggu untuk analisis dan perbandingan. Kaedah klasifikasi senjata api berdasarkan Fourier transform cepat (fast Fourier transform, FFT) dan rangkaian neural tiruan (Artificial Neural Network, ANN) telah dikajikan dalam projek ini. Sampel peluru diperiksakan dengan menggunakan teknik FFT dalam klasifikasi handgun 9 mm. 5 jenis peluru dan 6 sampel setiap jenis handgun telah diperiksa. Sebanyak 30 sampel peluru diperiksakan dalam projek ini dengan menggunakan ukuran mesin Alicona Infinite Focus. Frekuensi asas dan harmonik telah diekstrak dengan teknik FFT sebagai parameter input untuk ANN. Eksperimen tentang sistem tersebut boleh mencapai 66.7% ketepatan dengan menggunakan cara analisis frekuensi asas dan harmonik daripada spesimen. Hal ini menunjukkan bahawa frekuensi asas dan harmonik berfungsi secare terhad untuk mengelaskan jenis peluru tetapi masih ada ruang untuk peningkatan ketepatannya. |
| first_indexed | 2024-03-06T15:56:02Z |
| format | Monograph |
| id | usm.eprints-53404 |
| institution | Universiti Sains Malaysia |
| language | English |
| last_indexed | 2024-03-06T15:56:02Z |
| publishDate | 2017 |
| publisher | Universiti Sains Malaysia |
| record_format | dspace |
| spelling | usm.eprints-534042022-07-15T13:22:55Z http://eprints.usm.my/53404/ Bullet Identification Based On Striation Features Using Fast Fourier Transform And Artificial Neural Network Chan, Zhen Yu T Technology TJ1-1570 Mechanical engineering and machinery Klasifikasi senjata api daripada spesimen peluru adalah penting dan berguna dalam penyiasatan forensik. Penghubungan antara permukaan peluru dan barrel senjata akan menyebabkan tanda-tanda pengoresan semasa peluru ditembak. Setiap senjata api mempunyai tanda pengoresan yang unik, juga dikenali sebagai 'cap jari' tanpa mengira saiz, jenis dan model. Tanda-tanda unik tersebut adalah penting dalam klasifikasi senjata api. Cara-cara tradisional yang digunakan untuk mengelaskan peluru merupakan aktiviti yang memerlukan tenaga pekerja pakar selama beberapa minggu untuk analisis dan perbandingan. Kaedah klasifikasi senjata api berdasarkan Fourier transform cepat (fast Fourier transform, FFT) dan rangkaian neural tiruan (Artificial Neural Network, ANN) telah dikajikan dalam projek ini. Sampel peluru diperiksakan dengan menggunakan teknik FFT dalam klasifikasi handgun 9 mm. 5 jenis peluru dan 6 sampel setiap jenis handgun telah diperiksa. Sebanyak 30 sampel peluru diperiksakan dalam projek ini dengan menggunakan ukuran mesin Alicona Infinite Focus. Frekuensi asas dan harmonik telah diekstrak dengan teknik FFT sebagai parameter input untuk ANN. Eksperimen tentang sistem tersebut boleh mencapai 66.7% ketepatan dengan menggunakan cara analisis frekuensi asas dan harmonik daripada spesimen. Hal ini menunjukkan bahawa frekuensi asas dan harmonik berfungsi secare terhad untuk mengelaskan jenis peluru tetapi masih ada ruang untuk peningkatan ketepatannya. Universiti Sains Malaysia 2017-05-01 Monograph NonPeerReviewed application/pdf en http://eprints.usm.my/53404/1/Bullet%20Identification%20Based%20On%20Striation%20Features%20Using%20Fast%20Fourier%20Transform%20And%20Artificial%20Neural%20Network_Chan%20Zhen%20Yu_M4_2017.pdf Chan, Zhen Yu (2017) Bullet Identification Based On Striation Features Using Fast Fourier Transform And Artificial Neural Network. Project Report. Universiti Sains Malaysia, Pusat Pengajian Kejuruteraan Mekanik. (Submitted) |
| spellingShingle | T Technology TJ1-1570 Mechanical engineering and machinery Chan, Zhen Yu Bullet Identification Based On Striation Features Using Fast Fourier Transform And Artificial Neural Network |
| title | Bullet Identification Based On Striation Features Using Fast Fourier Transform And Artificial Neural Network |
| title_full | Bullet Identification Based On Striation Features Using Fast Fourier Transform And Artificial Neural Network |
| title_fullStr | Bullet Identification Based On Striation Features Using Fast Fourier Transform And Artificial Neural Network |
| title_full_unstemmed | Bullet Identification Based On Striation Features Using Fast Fourier Transform And Artificial Neural Network |
| title_short | Bullet Identification Based On Striation Features Using Fast Fourier Transform And Artificial Neural Network |
| title_sort | bullet identification based on striation features using fast fourier transform and artificial neural network |
| topic | T Technology TJ1-1570 Mechanical engineering and machinery |
| url | http://eprints.usm.my/53404/1/Bullet%20Identification%20Based%20On%20Striation%20Features%20Using%20Fast%20Fourier%20Transform%20And%20Artificial%20Neural%20Network_Chan%20Zhen%20Yu_M4_2017.pdf |
| work_keys_str_mv | AT chanzhenyu bulletidentificationbasedonstriationfeaturesusingfastfouriertransformandartificialneuralnetwork |