Aplicación de las técnicas de Machine Learning para la detección en imágenes de monedas falsas y verdaderas de cinco soles

Abstract

Conseguir desarrollar un modelo con técnicas de Machine Learning para la detección por imágenes en monedas falsas y verdaderas de cinco soles Peruanos El tipo de investigación en este proyecto definió como básico tecnológico con un nivel experimental y un diseño pre-experimental al usar como métrica porcentual derivada de la ma- triz de confusión. La población se constituyó de un total de 496 imágenes de monedas de cinco soles entre verdaderas y falsas teniendo las cuales pasaran por la técnica de Data Augmentation para tener 800 imágenes por cada categoría expedidas en el modelo 2010-2015 y como instrumento de recolección de datos utilizaremos una cámara fotografía. Como conclusión principal tenemos que el modelo “Final_Model” se desarrolló usando las técnicas de Machine Learning de manera teórica y práctica que conllevo a cumplir nuestro objetivo principal en esta investigación que es aplicar las técnicas de Machine Learning en la detección de monedas falsas y verdaderas de cinco soles Peruanos satisfactoriamente respondiendo al objetivo principal de la investigación.

This research focuses on the application of Machine Learning techniques for the development of a model that allows the detection by images of false and true coins of five Peruvian soles. Since the invention of currency, counterfeiting was also born. It is necessary to make proposals for change in the aspects concerning the means of security in physical means of payment to protect the economic, social and political level. For its part, the field of Machine Learning has grown more intensely since 2009, being able to apply to more branches of study, our country is late in the use of Machine Learning techniques since we find a lack of studies and development of tools that apply Machine Learning being a problem to reach a solution in detection of false and true coins in the REPUBLIC OF PERU. Therefore, we propose the application of Machine Learning techniques to contribute to a future solution to this latent problem. This research proposed the construction of a model using the Transfer Learning technique to join a pre-trained model and a personalized head model that was trained with images of true and false coins from the year 2010-2015. Analyzing the learning curve of the model and using the confusion matrix, the average error of the predictions was obtained with an approximate error of 20% in a population of 1600 photographic samples between false and true coins.