تجزیه و تحلیل کاغذی همچنین می تواند بینش های اساسی در انواع دیگر پرونده های جنایی ارائه دهد و به عنوان سرنخ مهمی برای حل پرونده هایی مانند منبع باج گیری نامه عمل کند.
یافته های پژوهش
فرآیند تولید کاغذ، علائم و شکل‌های پارچه‌ای متمایز شکل‌دهنده را ایجاد می‌کند که ویژگی‌های حیاتی برای طبقه‌بندی کاغذ هستند. این ویژگی ها در زیر نور عبوری قابل مشاهده هستند و به ترتیب با الگوی پارچه شکل دهی و توزیع الیاف خمیر به وجود می آیند. در این مطالعه، ما یک رویکرد جدید برای شناسایی کاغذ بر اساس ویژگی‌های ترکیبی پیشنهاد می‌کنیم. این روش ترکیبی از ویژگی‌های بافت استخراج‌شده از تصاویر تبدیل‌شده با استفاده از رویکرد ماتریس هم‌وقوع سطح خاکستری (GLCM) و یک شبکه عصبی کانولوشنال (CNN)، با مجموعه دیگری از ویژگی‌های استخراج‌شده توسط CNN با استفاده از همان تصاویر به عنوان ورودی است. ما روش پیشنهادی را برای کارهای طبقه‌بندی هفت برند اصلی کاغذ موجود در بازار کره اعمال کردیم و به دقت 97.66 درصد رسیدیم.
جمع بندی و نتیجه گیری
نتایج، کاربرد این روش را برای بازرسی بصری محصولات کاغذی تأیید می‌کند و پتانسیل آن را برای کمک به حل پرونده‌های جنایی شامل جعل اسناد نشان می‌دهد.