RETROGRAFİK ELASTOMERİK SENSÖR KULLANARAK MERMİ KOVANINDAN ATEŞLİ SİLAH TESPİTİ

Abstract

Ateşlenmiş mermi kovanları silahların karakteristiklerini ifade eden bir özelliktir. Bu özelliğin ateşli silah tespitinde kullanılması durumunda, kovanlar üzerinde balistik incelemeler laboratuvar ortamlarında yapılmakta ve bu uzun süreçler gerektirebilmektedir. Bu tez çalışmasında laboratuvar ortamından bağımsız mobil bir sistem tasarımı ile ateşlenmiş mermi kovanlarından ivedili bir şekilde silah tespitinin gerçekleştirilmesi amaçlanmıştır. Ateşlenmiş mermi kovanının arka yüzeyindeki karakteristik detayları ifade eden pürüzlü alanları, ayrıntılı bir veriye dönüştürmek için bu yüzeyden mikron hassasiyette görüntü alınması gerekmektedir. Gerekli olan bu görüntüleri sadece ışık ve kamera ile elde etmek, metal yüzeydeki parlamalardan dolayı imkânsızdır. Bu sorunun çözümü için biyolojik bir özellik olan dokunma hissinden ilham alınmış ve mermi kovanı yüzeyi yeniden yapılandırılarak mikron seviyesinde görüntülerin elde edilmesini sağlayacak bir görüntüleme aygıtının tasarımı yapılmıştır. Bu çalışmada, aygıt tasarımını meydana getiren camlı elastomer ve mikroskobik kamera vasıtası ile kovan yüzeyinden alınan retrografik görüntünün, geliştirilecek bir yazılım ile hızlı bir şekilde analiz edilerek, ateşlenmiş mermi kovanından silah tespitinin yapılabileceği varsayılmıştır. Elastomerler polimer türevli elastik malzemelerdir ve elastomer üretimi A, B ve C bileşenlerinin belirli oranlarda karıştırılması ile gerçekleştirilmektedir. En iyi dokunma hissini yakalayacak elastomerik dokunun elde edilmesi için bileşenlere ait uygun karışım oranı, kısa zamanda ve çok fazla malzeme tüketmeden elde edilmelidir. Bunun için Taguchi L9 ortogonal matris tasarımı ile deney sayısı minimuma indirgenerek sonuca ulaşılmıştır. Deneylerde yumuşaklık, dayanım, ışık geçirgenliği, gibi kıstaslar göz önünde bulundurularak uygun malzeme belirlenmiştir. Elde edilen retrografik görüntüler veri seti formuna dönüştürülmüş ve bu veri seti görüntülerinin ayırt edici özelliği derin öğrenme yöntemleri içerisinde kullanılarak mermi kovanlarından silah tespiti başarılı bir şekilde gerçekleştirilmiştir.Fired bullet casings are a property that shows the distinctive of firearms. In case this feature is used in firearm detection, ballistic examinations with bullet casings can take a long time in laboratory environments. In this thesis, it is aimed to quickly detect firearms from bullet casings with a mobile system design independent of the laboratory environment. In order to convert the rough areas, which express the characteristic details on the back surface of the fired bullet case, into detailed data, micron precision image data from this surface is needed. It is impossible to obtain these necessary images with only light and a camera due to the glare on the metal surface. In order to solve this problem, inspired by the sense of touch, which is a biological feature, it is considered to design the imaging unit of the retrographic elastomeric sensor by using glazed elastomer and a microscopic camera, which will enable to show the roughness on the back surface of the bullet case at the micron level. It is assumed that the retrographic images to be obtained with this design unit can be quickly analyzed with a software developed based on deep learning, and firearm detection can be made from the bullet case. Platinum-based transparent silicone material can be briefly described as an elastomer. Elastomers are polymer-derived elastic materials and the manufacture of the elastomer is carried out by mixing the components called A, B and C in certain proportions. In order to obtain the elastomeric texture that will capture the best tactile sensation, it is necessary to achieve the appropriate mixing ratio of the components. Taguchi orthogonal array design was used for this. In the experiment, the appropriate material was determined by considering the criteria such as softness, strength, light transmittance. The retrographic images obtained with the designed system were converted into a data set form, and the distinctive feature of these data set images was used in deep learning methods, eventually thanks to these images, the detection of firearm from the bullet casing was successfully carried out.