CN108573205A - 一种和田玉籽料显微图像智能识别系统 - Google Patents
一种和田玉籽料显微图像智能识别系统 Download PDFInfo
- Publication number
- CN108573205A CN108573205A CN201710880022.5A CN201710880022A CN108573205A CN 108573205 A CN108573205 A CN 108573205A CN 201710880022 A CN201710880022 A CN 201710880022A CN 108573205 A CN108573205 A CN 108573205A
- Authority
- CN
- China
- Prior art keywords
- micro
- mobile communication
- image
- communication equipment
- seed material
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种和田玉籽料显微图像智能识别系统,采用电子设备及云端算法,通过数据库,采用真伪识别,实现专家级的鉴定。还提供一种利用和田玉籽料显微图像智能识别系统的识别方法。
Description
技术领域:
本发明属于智能识别领域,尤其涉及一种显微尺度内的智能识别系统。
背景技术
和田玉产于我国新疆地区,素以玉质细腻,质地坚硬,光泽细润而著称。随着近年来采掘,本已极为稀少的和田玉更显得尤为珍贵。常见的和田玉常分为三类:山流水、籽料、山料。山料即出产于山中的原生矿石,价格通常较低;而山料经风化脱落,散落于河道内经雨水和冰川的冲蚀搬运、冲刷,就变成了山流水料;在经过长期的浸泡及泥土的冲刷后,便得到三种和田玉中最为珍贵的籽料。经过昆仑河水亿万年的冲刷和浸渍之后,籽料坚硬致密又温润如脂,与此同时,玉石中的氧化亚铁被氧化为三氧化二铁,使得籽料形成带色的皮子,这些特点是山料和山流水所不具备的,因此近年来受到了收藏者的极大兴趣,市场价格也节节攀升。
近年来,市场上出现了利用山料加工成仔料,形状冒充仔料,皮色造假等制假手段。人工处理方法常有以下几种种:使用机械加工技术,用球磨机、滚筒将粗加工的山料滚磨呈卵石形,然后再使用震动上光机打磨,制作表面特征。如碰撞坑,仿造外形,形成人造仔料;另外使用各种染色技术,对玉料的表面进行染色处理,仿制天然色,常染成墨绿色、褐黄、褐红色色调等皮色;用高压硼砂的方式进行玉器表面处理,仿制成天然籽料等。
真正经历亿万年河水、泥沙冲刷的籽料表面与人为打磨过的普通玉料表面是有着显著的差异的。而在以往的玉石鉴定、收藏以及交易过程中,这样的差异往往是普通的收藏爱好者很难发现的。通常情况下,需要专业的人员,用肉眼或利用专业的显微设备确定籽料的真伪。这样高门槛的鉴定途径使得造假者更加有恃无恐。一方面,商家造假手段的不断进步,另一方面,收藏者鉴定无门并且缺乏科技手段支撑,这样的现状严重的限制了和田玉籽料的收藏和交易。
随着科技的进步,图像识别技术给人们的生活带来了诸多便利。这样一个由计算机科技、统计学等多学科交叉形成的新兴科技在人工智能、图像遥感、生物医学等领域均已得到应用。
专利CN106383912A,公开了一种图片检索方法和装置,利用图片样本对基模型进行训练得到检索模型;将待检索图片输入到所述检索模型中进行计算得到图片特征,根据所述图片特征进行检索,得到结果图片集。该专利仅公开了图片模型的建立,且该模型的训练需要人工,参数的定义也过于主观,并且,不能实现真伪对比的识别。
专利CN107037028A,公开了一种云平台拉曼光谱识别方法及装置,利用云平台来处理拉曼光谱数据。该专利在数据库建立及识别方法上针对拉曼光谱设计,并不能对图像进行有效识别。
尽管如此,在某些特定领域,如文物艺术品鉴定等需要观测显微尺度内物质结构的领域,现有技术仍不能满足需求。
发明内容
针对现有技术中的上述缺陷,本发明提供一种和田玉籽料显微图像智能识别系统及识别方法,以解决通过图像进行和田玉籽料的有效识别。具体技术方案如下:
一种和田玉籽料显微图像智能识别系统,包括电子式显微镜、移动通信设备、云端;所述云端包括安装在云端的显微图像智能识别算法和和田玉籽料显微图片数据库;所述电子式显微镜通过有线或无线方式与移动通信设备建立通信,通信建立后,利用电子式显微镜,通过安装在移动通信设备上的应用客户端,实时将和田玉籽料的显微图像传送至移动通信设备的显示屏上,并拍照;移动通信设备通过无线网络与云端建立双向通信,移动通信设备获取的和田玉籽料显微图像,通过无线网络发送到云端;云端接收到和田玉籽料显微图像后将调用显微图片数据库和显微图像智能识别算法对图像进行识别;识别完成后,云端将识别结果发送到移动通信设备。
进一步地,所述电子式显微,包括成像模块、控制单元、无线模块、有线模块;所述成像模块、无线模块、有线模块分别与控制单元连接;所述有线模块可以与移动通信设备形成有线通信方式连接;所述无线模块可以与移动通信设备形成无线通信方式连接;所述成像模块可以获取和田玉籽料的视频流数据,该视频流数据在控制单元的控制下,通过有线或无线通信连接,实时发送给所述的移动通信设备;和/或,所述的显微照片包括低倍率显微照片和高倍率显微照片,所述低倍率为20-100倍率,所述高倍率为100-300倍率,或者所述低倍率为10-80 倍,高倍率为80-220倍。
进一步地,所述的电子式显微镜,还包括照明模块;所述的照明模块设置于成像模块前端,用于保证和田玉籽料成像区域的光照度,从而保证显微图像的质量。
进一步地,所述显微图片数据库,包括真品数据库和仿造品数据库;优选的,所述显微图片数据库根据玉石不同部位:皮色部位、肉部位、裂隙部位,进行采集,包括皮显微图片、肉显微图片和裂隙显微图片。
进一步地,所述显微图片数据库的建立,最初采用人工分类标注+智能学习识别的方法,最后逐渐过渡为完全智能学习识别方法;最初数据库的建立根据和田玉籽料显微图片所拍摄的部位进行人工分类标注,当人工分类标注的图片达到一定的规模后,识别算法通过训练可以自行分类和标注以后添加的数据库图片;优选的,所述人工分类将显微图片分为纯色表皮图片、裂纹区域图片、皮下肉图片。
进一步地,所述智能识别算法,包括真品智能识别算法和仿造品智能识别算法;真品智能识别算法通过利用真品数据库进行训练和学习,提高判断的精确度;仿造品智能识别算法通过仿造品数据库的训练和学习,对仿造品所具有的特征进行识别,实现真伪双重识别;优选的,所述仿造品所具有的特征包括:皮和肉之间的渡色不连续,或者仿造品裂纹处颜色与附近颜色差别大,不完全沁染,有时有方向性,近似网状等特征。
进一步地,识别结果,包括真品相似度,仿造品特征提醒;
所述真品相似度,其所依靠的指标通过与前期数据库训练的结果进行对比,对各个指标进行打分,即为真品相似度;优选地,所述指标包括:表皮细腻程度、表皮颜色沁入层次及过渡渐变程度、撞击坑分布、撞击坑内部特征、裂隙区域形状及填充物变化程度;
所述仿造品特征提醒,利用仿造品智能识别算法,将识别的与仿制品数据库相似度较高的特征,与真品相似程度识别结果一起发送给移动通信设备;
进一步地,所述真品相似度的判断有X个标准,经过卷积神经网络的识别之后,对结果进行分类,指明分别是哪一类,而且是哪一类的概率有多大,使用的函数有两类:
Softmax函数:,其中K为分类种类,x为样本集合X={x1,x2,x3,……},参数θ=(θ1,θ2,θ3,……),对于样本中的属性进行加权,得到θTx。通过softmax函数,可以使得经过卷积等操作输出的结果P(i)的范围在[0,1]之间,即表示所对比的对象的相似值情况,趋近于0则表示不相似,趋近于1则表示相似;
或者,Sigmoid函数:,z为样本输入={z1,z2,z3,……},可为两种类别分类;通过分类函数的输出值换算成所需要显示的打分的结果,暴力片百分制,十分制,或其它N分制;
之后通过不同判断标准的不同权值与打分进行计算,得出一个打分的结果,即为真品相似度。
还提供一种采用上述和田玉籽料显微图像智能识别系统进行显微图像智能识别方法,该方法包括:
登录步骤,用于使所述移动通信设备与所述云端建立连接;
连接设备步骤,用于使所述的电子式显微镜与所述的移动通信设备建立连接,使电子式显微镜的视频流实时发送到移动通信设备上,使电子式显微镜处于工作状态;
拍照步骤,用于对观察区域进行拍照,将成像区域形成图片格式文件存储在移动通信设备中;
上传图像步骤,用于将拍照步骤存储在移动通信设备中的和田玉显微图片,由移动通信设备发送到云端;
识别步骤,用于对用户发送到云端的图片进行识别,通过调用和田玉显微图像智能识别算法完成,该步骤在后台运行,生成识别结果;
返回结果步骤,用于将识别结果,从云端发送到移动通信设备。
进一步地,连接电子式显微镜与移动通信设备时,通过电子式显微镜的无线模块与移动通信设备建立无线通信方式连接,或通过电子式显微镜的有线模块与移动通信设备建立有线通信方式连接;优选的,连接电子式显微方式为无线通信方式连接时,该方法还包括:网络切换步骤,用于断开移动通信设备与电子式显微镜的无线连接,并建立移动通信设备与云端的无线连接,该步骤在操作上传图像步骤时,由移动通信设备上的客户端自动完成。
本发明,采用电子显微镜结合移动通信设备就可以利用云端实现专家级的和田玉识别,鉴定;云端的数据库建立采用人工结合智能学习的方法,使得数据库建立保证准确性并能高效建立;识别算法利用真、伪数据库,实现双重识别;图像采用采用不同倍率来提高适用性和准确性;还对识别结果采用函数进行加权打分,使得结果数字化,并通过真伪识别算法提供综合性的结果,使得识别更加全面、准确。
附图说明
图1为本发明和田玉籽料显微图像智能识别系统的模块示意图;
图2为本发明电子式显微镜的功能模块示意图;
图3为本发明一个实施例的和田玉籽料显微图像智能识别方法的流程图;
图4为本发明另一实施例的和田玉籽料显微图像智能识别方法的流程图;
附图标记:10-电子式显微镜,20-移动通信设备,30-云端,31-和田玉籽料显微图像智能识别算法,32-和田玉籽料显微图片数据库,11-成像模块,12-控制单元,13-照明模块,14- 无线模块,15-有线模块,16-电源模块,100-登录,200-连接电子显微镜,300-拍照,400- 网络切换,500-上传图像,600-返回结果。
具体实施方式
为了使本技术领域的人员更好地理解本发明的技术方案,并使本发明的上述目的、特征和优点能够更加明显易懂,下面结合实施例附图对本发明作进一步详细的说明。本领域技术人员可以明确的是,在缺少部分或全部这些具体细节的情况下也可以实现本发明。在其他情况下,为了不会使本发明存在不必要的不清楚之处,没有具体描述公知的处理步骤和/或结构。另外,尽管结合特定的实施例对本发明进行描述,但是应该理解的是,该描述并不旨在将发明限制于所描述的实施例。相反,该描述旨在覆盖可包括在由所附权利要求书限定的本发明的精神和范围内的替换、改进和等同方案。
参考图1,图1是本发明所提供的和田玉籽料显微图像智能识别系统的模块示意图。本领域技术人员应该理解,实现本发明并不要求所有的这些组件,并且可以在不偏离本发明精神和范围下对这些组件的类型和布置做出改变。
如图1所示,本发明提供了一种和田玉籽料显微图像智能识别系统,该系统包括电子式显微镜10、移动通信设备20、云端30。云端30包括安装在云端的和田玉籽料显微图像智能识别算法31和和田玉籽料显微图片数据库32。所述的和田玉籽料显微图片数据库包括皮显微图片、肉显微图片和裂隙显微图片。电子式显微镜10通过有线或无线方式与移动通信设备20 建立通信;移动通信设备10通过无线网络与云端30建立通信。
在本发明中,和田玉籽料显微图片数据库32包括真品数据库和仿造品数据库;和田玉籽料显微图像智能识别算法31包括真品智能识别算法和仿造品智能识别算法。真品智能识别算法通过利用真品数据库进行训练和学习,提高判断的精确度。仿造品智能识别算法通过仿造品数据库的训练和学习,对较为确定的仿造品所具有的明显特征进行识别。对于识别的结果,发送至移动通信设备中,供相关人员查看。识别结果包括,皮色细腻度、皮色颜色分布规律、撞击坑分布规律、撞击坑内部特征、坑唇特点、裂隙分布以及填充物等以及各指标的得分。通过各个指标的得分计算综合相似度评分结果。
对于要识别的对象,经过如卷积神经网络这样的识别算法进行识别后,其输出会作为分类器函数的输入,分类器函数通常有softmax以及sigmoid函数:
Softmax函数:,其中K为分类种类,x为样本集合X={x1,x2,x3,……},参数θ=(θ1,θ2,θ3,……),对于样本中的属性进行加权,得到θTx。通过softmax函数,可以使得经过卷积等操作输出的结果P(i)的范围在[0,1]之间,即表示所对比的对象的相似值情况,趋近于0则表示不相似,趋近于1则表示相似;
或者,Sigmoid函数:,z为样本输入={z1,z2,z3,……},可为两种类别分类;通过分类函数的输出值换算成所需要显示的打分的结果,暴力片百分制,十分制,或其它N分制;
之后通过不同判断标准的不同权值与打分进行计算,得出一个打分的结果,即为真品相似度。
分类器的作用是对识别出的结果进行分类和打分,会输出被识别对象与之前的训练的结果的对比的相似度的值,通常为0-1的范围,越接近于1越相似。根据分类器的输出,可以换算成我们想要的打分制。
例如,某一实施例采用百分制进行打分,假设其中皮色细腻度与真品相似度打分为90分、皮色颜色分布规律为70分、撞击坑分布规律为50分、撞击坑内部特征为80分、坑唇特点为 90分、裂隙分布为40分以及填充物为60分。其中这7个判断标准在最后结果中所占的权值分别(0.1,0.15,0.05,0.2,0.05,0.15,0.3),则最后的真伪结果为90*0.1+70*0.15+50*0.05+80*0.2+90*0.05+40*0.15+60*0.3=66.5分。将最终打分结果和每一个判断标准的打分结果发送至移动通信设备中,发送的信息还包括,仿造品特征提醒。即通过仿造品数据库训练的仿造品智能识别算法识别出的仿造品的明显特征,发送给相关人员,提醒其特别注意此类的特征。
在本发明中,移动通信设备可以通过诸如有线或无线网络等方式发送或接收信号,或可以在诸如存储器中将信号处理或存储为物理存储状态。每个移动通信设备可以是包括硬件、软件或内嵌逻辑组件或者两个或多个此类组件的组合的电子装置,并能够执行由移动通信设备实施或支持的合适的功能。例如,移动通信设备可以是智能手机、平板电脑、便携式电子邮件装置、电子书、手持游戏机和/或游戏控制器、笔记本电脑、上网本、手持电子装置、智能穿戴装置,等等。本发明涵盖任何合适的移动通信设备。移动通信设备可以使用该移动通信设备的用户访问网络。移动通信设备还可以使其用户与其他移动通信设备上的其他用户通信。
根据本发明的一些实施例,移动通信设备可以包括:包含应用处理部和射频/数字信号处理器的处理装置;显示屏;可包含物理键、覆盖在显示屏上的触摸键或它们的组合的袖珍键盘;用户识别模块卡;可以包含ROM、RAM、闪存或它们的任意组合的存储器装置;WiFi和/蓝牙接口;无线电话接口;带有关联的电源管理电路;USB接口和连接器;带有关联麦克风、扬声器和耳机插孔的音频管理系统;以及各种诸如数字照相机、全球定位系统、加速度计等的可选择的附属部件。此外在移动通信设备上可以安装各种客户端应用,客户端应用可以用于允许使用移动通信设备来传送适合于和其他设备操作的命令。这类应用可以从服务器上下载并安装到移动通信设备的存储器中,也可以预先已被安装在移动通信设备上。在本发明上,移动通信设备上安装有和田玉籽料显微图像智能识别用户终端应用,和田玉籽料显微图像智能识别用户终端应用可以帮助用户实现拍照、上传图片、返回结果等功能。
在本发明中,APP客户端具有连接移动通信设备和电子显微镜的功能;APP客户端具有显示显微图像的功能,在移动通信设备和电子式显微镜成功连接后,电子式显微镜获取的显微图像可以通过APP客户端在移动通信设备显示幕上实时的显示;APP客户端具有拍照显微图像的功能,通过AAP在移动通信设备显示屏上实时显示的显微图像,可以通过AAP对图像进行拍照,从而获取和田玉籽料显微照片;APP客户端具有存储显微图像的功能,通过AAP拍照的和田玉籽料显微照片,可以通过APP存储在移动通信设备的存储器内;APP客户端具有上传显微图像的功能,通过APP,可以将存储的和田玉籽料显微照片,或者拍照的和田玉籽料显微照片,在移动通信设备上通过无线网络上传至云端;APP客户端具有接收云端数据的功能,通过APP上传和田玉籽料显微照片至服务器,经过算法处理,将智能识别的结果数据,通过无线网络,由 APP客户端实现在移动通信设备上接收数据。
在本发明中,云端为服务器,本文中所称的服务器应被理解为提供处理、数据库、通讯设施的业务点。举例而言,服务器可以指具有相关通信和数据存储和数据库设施的单个物理处理器,或它可以指联网或集聚的处理器、相关网络和存储设备的集合体,并且对软件和一个或多个数据库系统和支持服务器所提供的服务的应用软件进行操作。服务器还包括一个或多个大容量存储设备、一个或多个电源、一个或多个有线或无线网络接口、一个或多个输入输出接口、或一个或多个操作系统,诸如Windows Server、Mac OS X、Unix、Linux、FreeBSD,等等。
根据本发明的一些实施例,云端可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务。服务器可以是各种类型的,例如但不限于,网络服务器,新闻服务器,邮件服务器,消息服务器,广告服务器,文件服务器,应用服务器,交互服务器,数据库服务器,或代理服务器。在一些实施例中,每个服务器可以包括硬件,软件,或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。在本发明中,服务器用于提供支持和田玉籽料显微图像智能识别所必需的全部功能。
如图2所示,所述的电子式显微,包括成像模块、控制单元、无线模块、有线模块;所述成像模块、无线模块、有线模块分别与控制单元连接;所述有线模块可以与移动通信设备形成有线通信方式连接;所述无线模块可以与移动通信设备形成无线通信方式连接;所述成像模块可以获取和田玉籽料视频流数据,该视频流数据在控制单元的控制下,通过有线或无线通信连接,实时发送给所述的移动通信设备。所述的电子式显微镜,还包括照明模块;所述的照明模块设置于成像模块前端,用于保证和田玉籽料成像区域的照度,从而保证显微图像的质量;所述的电子式显微镜还包括电源模块,用于对系统各模块供电。
根据本发明的另一方面,提供了和田玉籽料显微图像智能识别方法。在一些实施例中,该和田玉籽料显微图像识别方法包括登录、连接电子显微镜、拍照、网络切换、上传图像、返回结果中的一部分或全部。在另一些实施例中,该和田玉籽料显微图像识别方法包括登录、连接电子显微镜、拍照、上传图像、返回结果中的一部分或全部。下面将参照流程图详细描述本发明控制方法的各个步骤。
可以理解的是,可通过模拟或数字硬件和计算机程序指令来实现流程图中的每个方框以及方框的组合。这些流程可被提供给通用计算机、专用计算机、ASIC或其它可编程数据处理装置的处理器,以使得经由计算机或其他可编程数据处理装置的处理器执行的指令可实现在方框图中特定的功能。各个方面或特征将用系统来呈现,所述系统可以包括多个设备、部件、模块,等等。可以理解的是,各个系统可包括附加的设备、部件、模块等和/或可以不包括有关附图中所阐述的全部设备、部件、模块等。还可以使用这些方式的组合。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反的顺序执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
根据本发明的一个优选实施例,图3示出了一种和田玉显微图像智能识别方法的流程图,该方法包括:登录步骤、连接设备步骤、拍照步骤、上传图像步骤、识别步骤、返回结果步骤。其中,登录步骤,用于使所述移动通信设备与所述云端建立连接;连接设备步骤,用于使所述的电子式显微镜与所述的移动通信设备建立连接,使电子式显微镜的视频流实时发送到移动通信设备上,使电子式显微镜处于工作状态,本实施例中,电子式显微镜是通过USB有线方式与移动通信设备进行连接的;拍照步骤,用于对观察区域进行拍照,将成像区域形成图片格式文件存储在移动通信设备中;上传图像步骤,用于将拍照步骤存储在移动通信设备中的和田玉显微图片,由移动通信设备发送到云端;识别步骤,用于对用户发送到云端的图片进行识别,通过调用和田玉显微图像智能识别算法完成,该步骤在后台运行,生成识别结果;返回结果步骤,用于将识别结果,从云端发送到移动通信设备。
根据本发明的另一个优选的实施例,如图4所示,给出了另一种和田玉显微图像智能识别方法的流程图。与图3所示的智能识别方法不同,图4所示的智能识别方法中,电子式显微镜通过无线方式与移动通信设备进行连接。
如图4所示,该方法包括:登录步骤、连接设备步骤、拍照步骤、网络切换步骤、上传图像步骤、识别步骤、返回结果步骤。其中,登录步骤,用于使所述移动通信设备与所述云端建立连接;连接设备步骤,用于使所述的电子式显微镜与所述的移动通信设备建立连接,使电子式显微镜的视频流实时发送到移动通信设备上,使电子式显微镜处于工作状态,本实施例中,电子式显微镜是通过无线方式与移动通信设备进行连接的,如wifi无线方式连接;拍照步骤,用于对观察区域进行拍照,将成像区域形成图片格式文件存储在移动通信设备中;网络切换步骤,用于断开移动通信设备与电子式显微镜的无线连接,并建立移动通信设备与云端的无线连接,该步骤在操作上传图像步骤时,由移动通信设备上的客户端自动完成;上传图像步骤,用于将拍照步骤存储在移动通信设备中的和田玉显微图片,由移动通信设备发送到云端;识别步骤,用于对用户发送到云端的图片进行识别,通过调用和田玉显微图像智能识别算法完成,该步骤在后台运行,生成识别结果;返回结果步骤,用于将识别结果,从云端发送到移动通信设备。
根据实际情况的需要,上述各方法还可以包括支付步骤,使系统按照预先制定的计费规则自动计算价格,并使用户可以通过网络支付(诸如支付宝、微信)、银行卡支付等支付方式进行支付。当然,该支付步骤并非必需,系统也可以免费为用户提供识别服务。
虽然已详细描述了各种概念,但本领域技术人员可以理解,对于那些概念的各种修改和替代在本发明公开的整体教导的精神下是可以实现的。
此外,虽然在功能性模块的背景下描述了本发明并且采用方块图的形式举例说明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到本文中公开的系统中各种功能模块的属性、功能、和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
数据库的建立
在数据库建立的初期,我们需要人工采集大量的高倍和低倍的正品的各个方面的图像,包括表皮、表皮颜色沁入层次及过渡渐变区域、撞击坑、撞击坑内部、裂隙区域形状及填充物等等内容。正品图像的采集用于建立初步的数据库,利用正品的数据库去训练我们的智能识别算法(例如,卷积神经网络等)。同时,我们还需要针对仿制品也建立仿制品图像数据库,同样包括表皮、表皮颜色沁入层次及过渡渐变区域、撞击坑、撞击坑内部、裂隙区域形状及填充物等等内容。仿制品的图像数据库用于训练仿制品智能识别算法,用以鉴别籽料是否具有明显的仿制品特征,提高鉴别的准确度。
当数据库建立完成之后,在以后的使用过程中,不断识别新的籽料的时候,可以更具识别的结果,自动添加至正品数据库或仿制品数据库,扩大数据库的规模,提供更多的识别算法训练数据。
以下为基于本发明的完整的和田玉籽料识别应用试验:
一、设备和人员
1.设备:基恩士2000设备一台,小设备三台。
2.人员:专家2名,拍照1名,基恩士操作1名,小设备操作3名,称重和测量1 名。
二、采集流程
1.专家先进性玉器分类
2.用塑料袋分装进行编号工作。
3.数码相机拍照,每个样品正反面各拍摄1张照片。
4.称重和测量(游标卡尺)。
1)重量g
2)尺寸(cm):长,宽,厚
5.样品进行属性标记,用excel表格进行分类整理
1)整体颜色:白色,灰绿色,浅灰色,青白色,白色,灰蓝色,青灰色,褐绿色,黄白色
2)分类:白籽料,青花籽料,碧玉籽料
3)皮色:白皮,红皮,黄皮(洒金皮),灰绿色,黑色,青灰色
4)皮色占整体的比例
5)有无石花
6)有无裂隙
7)平面形状:
8)有几个棱
9)有无墨点
10)有无杂质
6.基恩士设备拍照
1)50倍拍照,皮色部位2-3张,换部位拍照2-3张
2)100倍
3)500倍数拍照
7.小设备进行拍照
1)50-70倍之间,皮色1部位2-3张,换部位(包括裂纹区域、撞击坑区域以及内部可见的填充物区域)各拍照2-3张
2)150倍左右,高倍数,皮色部位部位2-3张,换部位(包括裂纹区域、撞击坑区域以及内部可见的填充物区域)各拍照2-3张。
8.正品和仿制品图像数据库建立
1)利用拍摄的正品各部位的图像,存储建立正品数据库,数据库可以为文件夹图片库以及其他形式的图像存储格式
2)利用拍摄的仿制品的各部位的图像,存储建立仿制品数据库,数据库可以为文件夹图片库以及其他形式的图像存储格式
三、智能识别算法训练
1)利用建立好的正品图像数据库,训练正品智能识别算法,不断提高识别算法的识别准确度
2)利用建立好的仿制品图像数据库,仿制品识别算法,不断提高识别算法的识别准确度
上面对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种改进,或未经改进直接应用于其它场合的,均在本发明的保护范围之内。
Claims (10)
1.一种和田玉籽料显微图像智能识别系统,包括电子式显微镜、移动通信设备、云端;所述云端包括安装在云端的显微图像智能识别算法和和田玉籽料显微图片数据库;所述电子式显微镜通过有线或无线方式与移动通信设备建立通信,通信建立后,利用电子式显微镜,通过安装在移动通信设备上的应用客户端,实时将和田玉籽料的显微图像传送至移动通信设备的显示屏上,并拍照;移动通信设备通过无线网络与云端建立双向通信,移动通信设备获取的和田玉籽料显微图像,通过无线网络发送到云端;云端接收到和田玉籽料显微图像后将调用显微图片数据库和显微图像智能识别算法对图像进行识别;识别完成后,云端将识别结果发送到移动通信设备。
2.如权利要求1所述的和田玉籽料显微图像智能识别系统,其特征在于:所述电子式显微,包括成像模块、控制单元、无线模块、有线模块;所述成像模块、无线模块、有线模块分别与控制单元连接;所述有线模块可以与移动通信设备形成有线通信方式连接;所述无线模块可以与移动通信设备形成无线通信方式连接;所述成像模块可以获取和田玉籽料的视频流数据,该视频流数据在控制单元的控制下,通过有线或无线通信连接,实时发送给所述的移动通信设备;和/或,所述的显微照片包括低倍率显微照片和高倍率显微照片,所述低倍率为20-100倍率,所述高倍率为100-300倍率,或者所述低倍率为10-80倍,高倍率为80-220倍。
3.如权利要求2所述的和田玉籽料显微图像智能识别系统,其特征在于:所述的电子式显微镜,还包括照明模块;所述的照明模块设置于成像模块前端,用于保证和田玉籽料成像区域的光照度,从而保证显微图像的质量。
4.如权利要求1所述的和田玉籽料显微图像智能识别系统,其特征在于:所述显微图片数据库,包括真品数据库和仿造品数据库;优选的,所述显微图片数据库根据玉石不同部位:皮色部位、肉部位、裂隙部位,进行采集,包括皮显微图片、肉显微图片和裂隙显微图片。
5.如权利要求4所述的和田玉籽料显微图像智能识别系统,其特征在于:所述显微图片数据库的建立,最初采用人工分类标注+智能学习识别的方法,最后逐渐过渡为完全智能学习识别方法;最初数据库的建立根据和田玉籽料显微图片所拍摄的部位进行人工分类标注,当人工分类标注的图片达到一定的规模后,识别算法通过训练可以自行分类和标注以后添加的数据库图片;优选的,所述人工分类将显微图片分为纯色表皮图片、裂纹区域图片、皮下肉图片。
6.如权利要求4或5所述的和田玉籽料显微图像智能识别系统,其特征在于:所述智能识别算法,包括真品智能识别算法和仿造品智能识别算法;真品智能识别算法通过利用真品数据库进行训练和学习,提高判断的精确度;仿造品智能识别算法通过仿造品数据库的训练和学习,对仿造品所具有的特征进行识别,实现真伪双重识别;优选的,所述仿造品所具有的特征包括:皮和肉之间的渡色不连续,或者仿造品裂纹处颜色与附近颜色差别大,不完全沁染,有时有方向性,近似网状等特征。
7.如权利要求6所述的和田玉籽料显微图像智能识别系统,其特征在于,识别结果,包括真品相似度,仿造品特征提醒;
所述真品相似度,其所依靠的指标通过与前期数据库训练的结果进行对比,对各个指标进行打分,即为真品相似度;优选地,所述指标包括:表皮细腻程度、表皮颜色沁入层次及过渡渐变程度、撞击坑分布、撞击坑内部特征、裂隙区域形状及填充物变化程度;
所述仿造品特征提醒,利用仿造品智能识别算法,将识别的与仿制品数据库相似度较高的特征,与真品相似程度识别结果一起发送给移动通信设备。
8.如权利要求7所述的和田玉籽料显微图像智能识别系统,其特征在于,所述真品相似度的判断有X个标准,经过卷积神经网络的识别之后,对结果进行分类,指明分别是哪一类,而且是哪一类的概率有多大,使用的函数有两类:
Softmax函数:其中K为分类种类,x为样本集合X={x1,x2,x3,……},参数θ=(θ1,θ2,θ3,……),对于样本中的属性进行加权,得到θT x。通过softmax函数,可以使得经过卷积等操作输出的结果P(i)的范围在[0,1]之间,即表示所对比的对象的相似值情况,趋近于0则表示不相似,趋近于1则表示相似;
或者,Sigmoid函数:z为样本输入={z1,z2,z3,……},可为两种类别分类;通过分类函数的输出值换算成所需要显示的打分的结果,暴力片百分制,十分制,或其它N分制;
之后通过不同判断标准的不同权值与打分进行计算,得出一个打分的结果,即为真品相似度。
9.一种采用如权利要求1-8任一所述的和田玉籽料显微图像智能识别系统进行显微图像智能识别方法,该方法包括:
登录步骤,用于使所述移动通信设备与所述云端建立连接;
连接设备步骤,用于使所述的电子式显微镜与所述的移动通信设备建立连接,使电子式显微镜的视频流实时发送到移动通信设备上,使电子式显微镜处于工作状态;
拍照步骤,用于对观察区域进行拍照,将成像区域形成图片格式文件存储在移动通信设备中;
上传图像步骤,用于将拍照步骤存储在移动通信设备中的和田玉显微图片,由移动通信设备发送到云端;
识别步骤,用于对用户发送到云端的图片进行识别,通过调用和田玉显微图像智能识别算法完成,该步骤在后台运行,生成识别结果;
返回结果步骤,用于将识别结果,从云端发送到移动通信设备。
10.如权利要求9所述的显微图像智能识别方法,连接电子式显微镜与移动通信设备时,通过电子式显微镜的无线模块与移动通信设备建立无线通信方式连接,或通过电子式显微镜的有线模块与移动通信设备建立有线通信方式连接;优选的,连接电子式显微方式为无线通信方式连接时,该方法还包括:网络切换步骤,用于断开移动通信设备与电子式显微镜的无线连接,并建立移动通信设备与云端的无线连接,该步骤在操作上传图像步骤时,由移动通信设备上的客户端自动完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710880022.5A CN108573205A (zh) | 2017-09-26 | 2017-09-26 | 一种和田玉籽料显微图像智能识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710880022.5A CN108573205A (zh) | 2017-09-26 | 2017-09-26 | 一种和田玉籽料显微图像智能识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108573205A true CN108573205A (zh) | 2018-09-25 |
Family
ID=63576497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710880022.5A Pending CN108573205A (zh) | 2017-09-26 | 2017-09-26 | 一种和田玉籽料显微图像智能识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108573205A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107636706A (zh) * | 2015-04-17 | 2018-01-26 | 柳美那 | 用于评价物品的装置 |
CN110458804A (zh) * | 2019-07-05 | 2019-11-15 | 自然资源部珠宝玉石首饰管理中心(国家珠宝玉石质量监督检验中心) | 一种新疆和田玉子料鉴定系统及方法 |
CN110705567A (zh) * | 2019-09-16 | 2020-01-17 | 上海电机学院 | 一种基于机器学习的球鞋鉴定系统及方法 |
CN111460947A (zh) * | 2020-03-15 | 2020-07-28 | 吉林大学 | 基于bp神经网络对显微镜下金属矿物的识别方法及系统 |
CN111597252A (zh) * | 2020-02-23 | 2020-08-28 | 邓涛 | 分布式大数据网络服务平台 |
CN113409148A (zh) * | 2021-07-21 | 2021-09-17 | 苏州维格纳信息科技有限公司 | 一种基于区块链的交易信息安全维护系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1870046A (zh) * | 2006-07-04 | 2006-11-29 | 周菩 | 计算机辅助的传世高古玉器真伪鉴别方法 |
CN103983492A (zh) * | 2014-05-29 | 2014-08-13 | 温新续 | 一种玉石无损检测样品模型及其制作方法 |
CN106204071A (zh) * | 2016-07-12 | 2016-12-07 | 临武县通天玉石发展有限责任公司 | 一种玉石高端定制动态跟踪与追溯方法及系统 |
CN106599925A (zh) * | 2016-12-19 | 2017-04-26 | 广东技术师范学院 | 一种基于深度学习的植物叶片识别系统与方法 |
CN107121406A (zh) * | 2017-05-24 | 2017-09-01 | 福州大学 | 一种基于近红外光谱的葡萄籽油掺假鉴别方法 |
-
2017
- 2017-09-26 CN CN201710880022.5A patent/CN108573205A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1870046A (zh) * | 2006-07-04 | 2006-11-29 | 周菩 | 计算机辅助的传世高古玉器真伪鉴别方法 |
CN103983492A (zh) * | 2014-05-29 | 2014-08-13 | 温新续 | 一种玉石无损检测样品模型及其制作方法 |
CN106204071A (zh) * | 2016-07-12 | 2016-12-07 | 临武县通天玉石发展有限责任公司 | 一种玉石高端定制动态跟踪与追溯方法及系统 |
CN106599925A (zh) * | 2016-12-19 | 2017-04-26 | 广东技术师范学院 | 一种基于深度学习的植物叶片识别系统与方法 |
CN107121406A (zh) * | 2017-05-24 | 2017-09-01 | 福州大学 | 一种基于近红外光谱的葡萄籽油掺假鉴别方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107636706A (zh) * | 2015-04-17 | 2018-01-26 | 柳美那 | 用于评价物品的装置 |
CN110458804A (zh) * | 2019-07-05 | 2019-11-15 | 自然资源部珠宝玉石首饰管理中心(国家珠宝玉石质量监督检验中心) | 一种新疆和田玉子料鉴定系统及方法 |
CN110458804B (zh) * | 2019-07-05 | 2023-03-10 | 国家珠宝玉石首饰检验集团有限公司 | 一种新疆和田玉子料鉴定系统及方法 |
CN110705567A (zh) * | 2019-09-16 | 2020-01-17 | 上海电机学院 | 一种基于机器学习的球鞋鉴定系统及方法 |
CN111597252A (zh) * | 2020-02-23 | 2020-08-28 | 邓涛 | 分布式大数据网络服务平台 |
CN111460947A (zh) * | 2020-03-15 | 2020-07-28 | 吉林大学 | 基于bp神经网络对显微镜下金属矿物的识别方法及系统 |
CN111460947B (zh) * | 2020-03-15 | 2022-05-31 | 吉林大学 | 基于bp神经网络对显微镜下金属矿物的识别方法及系统 |
CN113409148A (zh) * | 2021-07-21 | 2021-09-17 | 苏州维格纳信息科技有限公司 | 一种基于区块链的交易信息安全维护系统 |
CN113409148B (zh) * | 2021-07-21 | 2022-03-04 | 南京理工大学 | 一种基于区块链的交易信息安全维护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108573205A (zh) | 一种和田玉籽料显微图像智能识别系统 | |
CN106469302B (zh) | 一种基于人工神经网络的人脸肤质检测方法 | |
CN108319953B (zh) | 目标对象的遮挡检测方法及装置、电子设备及存储介质 | |
CN103810504B (zh) | 一种图像处理方法和装置 | |
Hagerhall et al. | Fractal dimension of landscape silhouette outlines as a predictor of landscape preference | |
CN106898026B (zh) | 一种图片的主色调提取方法和装置 | |
CN110163235A (zh) | 图像增强模型的训练、图像增强方法、装置和存储介质 | |
CN109146856A (zh) | 图像质量评定方法、装置、计算机设备及存储介质 | |
CN105874506B (zh) | 具有细节保留的图像模糊 | |
CN108921822A (zh) | 基于卷积神经网络的图像目标计数方法 | |
CN108288027A (zh) | 一种图像质量的检测方法、装置及设备 | |
CN107392110A (zh) | 基于互联网的人脸美化系统 | |
CN108846330A (zh) | 一种纸张字画显微图像智能识别系统及识别方法 | |
CN109871755A (zh) | 一种基于人脸识别的身份验证方法 | |
CN105847703A (zh) | 一种图像处理方法和电子设备 | |
CN108198130A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN110245645A (zh) | 人脸活体识别方法、装置、设备及存储介质 | |
CN110706196B (zh) | 基于聚类感知的无参考色调映射图像质量评价算法 | |
CN105763814B (zh) | 夜景拍摄的方法及装置 | |
CN108171208A (zh) | 信息获取方法和装置 | |
CN110647941A (zh) | 基于卷积神经网络的蔬菜识别方法及设备 | |
CN110069992A (zh) | 一种人脸图像合成方法、装置、电子设备及存储介质 | |
CN108549654A (zh) | 一种基于图像处理的大数据分析方法 | |
Montero-Parejo et al. | Visual impact assessment of colour and scale of buildings on the rural landscape. | |
CN107291781A (zh) | 一种图像管理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180925 |
|
WD01 | Invention patent application deemed withdrawn after publication |