Le monete, una delle forme più antiche di scambio tuttora in uso, richiedono tecnologie all'avanguardia per garantire la loro autenticità. Un recente esempio dell'importanza di questa questione è stata l'operazione delle forze dell'ordine europee che hanno smantellato un gruppo criminale con base in Spagna alla fine di aprile, mostrando come la minaccia delle monete contraffatte sia ancora molto attuale.
Anche se a prima vista possono sembrare autentiche, non esiste una contraffazione completamente indetectabile. Ci sono sempre dei segni, non subito evidenti ad occhio nudo, che indicano la falsificazione. Un nuovo studio pubblicato sulla rivista Expert Systems With Applications propone un approccio innovativo per riconoscere queste anomalie. I ricercatori del Centre for Pattern Recognition and Machine Intelligence (CENPARMI) della Concordia University hanno sviluppato un quadro che utilizza tecniche di estrazione di immagini e algoritmi di apprendimento automatico per identificare irregolarità nelle monete, che possano essere bidimensionali o tridimensionali, come le lettere o i volti raffigurati.
Ching Suen, professore al Dipartimento di Informatica e Ingegneria del Software e autore supervisore dello studio, spiega che il sistema non solo protegge l'economia e le risorse, ma spinge anche i confini della tecnologia migliorando la sicurezza. La ricerca ha visto un contributo significativo anche da parte di Maryam Sharifi Rad, post-dottorato al CENPARMI, e dal ricercatore associato Saeed Khazaee.
Il cuore dell'approccio è la mining di regole associative sfumate, che sfrutta l'intelligenza artificiale per identificare schemi simili, ma non abbastanza chiari da essere copie esatte. La tecnica inizia con la scansione di monete sospettate di essere false, fornite dalle agenzie di applicazione della legge. Le immagini scansionate vengono poi segmentate in regioni d'interesse chiamate "blob", che sono analizzate per estrarre schemi frequenti che aiutano a comprendere meglio le immagini e a discernere l'autenticità delle monete. I blob sono cruciali per generare regole sfumate che rappresentano la conoscenza implicita e le relazioni all'interno di un insieme di immagini, facilitando i compiti di classificazione delle immagini.
Secondo i ricercatori, la tecnica potrebbe essere applicata per rilevare vari tipi di articoli contraffatti, oltre alle monete. "Questo metodo potrebbe essere utilizzato per rilevare una vasta gamma di merci false, che troviamo in tutto il mondo, oltre a etichette false su frutta, vini, liquori e così via", afferma Suen, sottolineando che l'applicabilità di questo approccio è estremamente vasta.
