CN110163629A - 一种商品溯源码生成及查询方法和装置 - Google Patents

一种商品溯源码生成及查询方法和装置 Download PDF

Info

Publication number
CN110163629A
CN110163629A CN201910281876.0A CN201910281876A CN110163629A CN 110163629 A CN110163629 A CN 110163629A CN 201910281876 A CN201910281876 A CN 201910281876A CN 110163629 A CN110163629 A CN 110163629A
Authority
CN
China
Prior art keywords
source
commodity
tracing
code
information
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
Application number
CN201910281876.0A
Other languages
English (en)
Inventor
吴广
孙钱丽
刘泽仁
石娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
New Nanjing Luxshare Polytron Technologies Inc
Original Assignee
New Nanjing Luxshare Polytron Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by New Nanjing Luxshare Polytron Technologies Inc filed Critical New Nanjing Luxshare Polytron Technologies Inc
Priority to CN201910281876.0A priority Critical patent/CN110163629A/zh
Publication of CN110163629A publication Critical patent/CN110163629A/zh
Priority to US17/599,554 priority patent/US20220198473A1/en
Priority to PCT/CN2020/079837 priority patent/WO2020207216A1/zh
Priority to EP20788623.5A priority patent/EP3955198A4/en
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/95—Pattern authentication; Markers therefor; Forgery detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种商品溯源码生成方法，包括：获取商品的溯源信息，基于溯源信息生成溯源报告；获取商品的第一图像信息，对商品的第一图像信息进行指纹提取，获取该商品的第一指纹信息；根据溯源报告和第一指纹信息生成商品的溯源码。本发明通过在商品的溯源码中添加与商品图像信息对应的指纹信息，能够实现商品溯源码和真实商品的对应绑定，避免了溯源标签被乱套用等问题，同时提高了溯源标签的防伪性能。

Description

一种商品溯源码生成及查询方法和装置
技术领域
本发明涉及信息处理技术领域，特别是一种商品溯源码生成及查询方法和装置。
背景技术
食品安全对于人们日常生活意义重大，判断商品溯源信息的真伪一直以来都是食品溯源领域研究的热点。虽然，目前已经拥有各种各样防伪标签和防伪技术，例如：RFID标签、二维码内外码防伪等等，但这些防伪标签和防伪技术都是使用硬件(纸张、电子签)防伪，这就导致了一方面标签制作成本太高，另一方面实际只是提高了防伪的门槛，在理论上实际其依然可伪造。
发明内容
针对上述问题，本发明旨在提供一种商品溯源方法。
本发明的目的采用以下技术方案来实现：
第一方面，提供一种商品溯源码生成方法，包括：
获取商品的溯源信息，基于溯源信息生成溯源报告；
获取商品的第一图像信息，对商品的第一图像信息进行指纹提取，获取该商品的第一指纹信息；
根据溯源报告和第一指纹信息生成商品的溯源码。
在一种实施方式中，获取商品的第一图像信息，对商品的第一图像信息进行指纹提取，包括：
采集商品图像，对该商品图像进行图像分割处理；将分割处理后的商品图像输入到基于深度学习训练得到的神经网络模型，获取神经网络模型输出的对商品分类有区分度的特征向量作为该商品的第一指纹信息。
在一种实施方式中，神经网络模型具体采用基于Tensorflow框架搭建的LeNet-5卷积神经网络模型，其中LeNet-5卷积神经网络模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层和第二全连接层；
该方法还包括：获取第二全连接层输出的特征向量作为该商品的第一指纹信息。
第二方面，提供一种商品溯源码查询方法，包括：
接收由消费者终端发送的溯源码，其中溯源码为根据上述第一方面中任一种实施方式生成的溯源码；
提取与溯源码对应的溯源报告；
将溯源报告发送到消费者终端。
在一种实施方式中，该方法还包括：
接收消费者终端发送的商品的第二图像信息，对第二图像信息进行指纹提取，获取该商品的第二指纹信息；
将获取的第二指纹信息和溯源码中携带的第一指纹信息进行比对，输出该溯源码的可信性信息并发送到消费者终端。
在一种实施方式中，接收消费者终端发送的商品的第二图像信息，对第二图像信息进行指纹提取，包括：
接收由消费者终端发送的商品图像，对该商品图像进行图像分割处理，将分割处理后的商品图像输入到基于深度学习训练得到的神经网络模型，获取神经网络模型输出的对商品分类有区分度的特征向量作为该商品的第二指纹信息。
在一种实施方式中，将获取的第二指纹信息和溯源码中携带的第一指纹信息进行比对，具体包括：
将获取的第二指纹信息与溯源码中预存的第一指纹信息进行比对，通过卡方检验获取第二指纹信息和第一指纹信息一致的概率作为可信性信息。
第三方面，提供一种商品溯源码生成装置，包括：
第一处理单元，用于获取商品的溯源信息，基于溯源信息生成溯源报告；
第二处理单元，用于获取商品的第一图像信息，对商品的第一图像信息进行指纹提取，获取该商品的第一指纹信息；
生成单元，用于根据溯源报告和第一指纹信息生成商品的溯源码。
在一种实施方式中，第二处理单元进一步包括：
用于采集商品图像，对该商品图像进行图像分割处理；将分割处理后的商品图像输入到基于深度学习训练得到的神经网络模型，获取神经网络模型输出的对商品分类有区分度的特征向量作为该商品的第一指纹信息。
在一种实施方式中，第二处理单元中，神经网络模型具体采用基于Tensorflow框架搭建的LeNet-5卷积神经网络模型，其中LeNet-5卷积神经网络模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层和第二全连接层；
其中，获取第二全连接层输出的特征向量作为该商品的第一指纹信息。
第四方面，提供一种商品溯源码查询装置，包括：
第一接收单元，用于接收由消费者终端发送的溯源码，其中溯源码为由权利要求8中的商品溯源码生成装置生成的溯源码；
提取单元，用于提取与溯源码对应的溯源报告；
发送单元，用于将溯源报告发送到消费者终端。
在一种实施方式中，该装置还包括：
第二接收单元，用于接收消费者终端发送的商品的第二图像信息；
处理单元，用于对第二图像信息进行指纹提取，获取该商品的第二指纹信息；
比对单元，用于将获取的第二指纹信息和溯源码中携带的第一指纹信息进行比对，输出该溯源码的可信性信息；
该发送单元，还用于将该可信性信息发送到消费者终端。
在一种实施方式中，该处理单元进一步包括：接收由消费者终端发送的商品图像；
处理单元进一步包括：对该商品图像进行图像分割处理，将分割处理后的商品图像输入到基于深度学习训练得到的神经网络模型，获取神经网络模型输出的对商品分类有区分度的特征向量作为该商品的第二指纹信息。
在一种实施方式中，该比对单元，进一步包括：将获取的第二指纹信息与溯源码中预存的第一指纹信息进行比对，通过卡方检验获取第二指纹信息和第一指纹信息一致的概率作为可信性信息。
本发明的有益效果为：通过在商品的溯源码中添加与商品图像信息对应的指纹信息，能够实现商品溯源码和真实商品的对应绑定，避免了溯源标签被乱套用等问题，同时提高了溯源标签的防伪性能。
同时，根据消费者上传的图像信息提取指纹信息，与溯源码中携带的指纹信息进行比对验证，实现了溯源报告的自验证，有效提高了溯源标签的可信性。
本发明采用软件加密，不依赖传统防伪溯源标签对硬件防伪的技术，制作成本低。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的一种商品溯源码生成方法流程图；
图2为本发明采用的一种卷积神经网络架构图；
图3为本发明的一种商品溯源码查询方法流程图；
图4为本发明的一种商品溯源码生成装置结构图；
图5为本发明的一种商品溯源码查询装置结构图。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，其示出了一种商品溯源码生成方法，包括：
S101获取商品的溯源信息，基于溯源信息生成溯源报告；
S102获取商品的第一图像信息，对商品的第一图像信息进行指纹提取，获取该商品的第一指纹信息；
在一种实施方式中，该步骤S102包括：
采集商品图像，对该商品图像进行图像分割处理；将分割处理后的商品图像输入到基于深度学习训练得到的神经网络模型，获取神经网络模型输出的对商品分类有区分度的特征向量作为该商品的第一指纹信息。
其中，该神经网络模型具体采用基于Tensorflow框架搭建的LeNet-5卷积神经网络模型。
如图2所示，该LeNet-5卷积神经网络模型的架构为包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层、第二全连接层、softmax分类层和分类输出层。
其中，该训练好的LeNet-5卷积神经网络模型能够对输入的商品图像进行分类处理，将商品图像输入到训练好的LeNet-5卷积神经网络模型，其分类输出层能够输入商品的分类，其第二全连接层能够根据输入的商品图像输出对商品分类具有区分度的特征向量，通过softmax分类层对该特征向量进行分类处理，在分类输出层输出商品的分类；
在一种实施方式中，采用第二全连接层输出的对商品分类具有区分度的特征向量作为商品图像的指纹信息，能够有效地采用指纹信息描述商品特征，使得指纹信息和商品特征一一对应。
在一种场景中，该LeNet-5卷积神经网络模型的第二全连接层的输出为一个多维数组，具体可以为一个具有84个元素的数组。
上述实施方式，采用LeNet-5卷积神经网络模型的中夹层输出的多维特征向量作为商品图像的指纹信息，能够根据商品的分类特征情况，准确地描述商品的特征信息，使得商品的指纹信息与商品能够精确地对应，从而使得溯源码和商品精确对应，提高溯源码的防伪效果。
S103根据溯源报告和第一指纹信息生成商品的溯源码。
在一种实施方式中，首先商品的溯源信息，生成溯源报告，并对溯源报告进行编码，使用溯源报告编码生成溯源码，在编码的过程中，将上述获取的第一指纹信息混入到溯源码中，成为该商品的溯源码。
在一种实施方式中，将溯源码制作成溯源标签，并将溯源标签加入到商品包装袋中。
其中，该溯源标签可以为二维码、RFID码等形式。
参见图3，其示出一种商品溯源码查询方法，包括：
S301接收由消费者终端发送的溯源码；
在一种实施方式中，该溯源码为由上述图1所示的任一种商品溯源码生成方法实施方式生成的溯源码。
进一步地，该溯源码携带有商品溯源报告信息以及该商品的第一指纹信息。
在一种实施方式中，消费者通过其消费者终端登录指定的网站，通过在网站中输入商品的溯源码。
或者，消费者通过APP、小程序、等直接扫描溯源码，将该溯源码直接发送到服务器；并由服务器返回与该溯源码对应的溯源报告。
S302提取与溯源码对应的溯源报告，并将该溯源报告发送到消费者终端；
在一种场景中，服务器根据消费者终端发送的溯源码从数据库中提取对应溯源报告，并将溯源报告发送到消费者终端进行显示；
进一步地，该报告为网页界面，其上还设有供消费者上传图像信息的接口，消费者能够通过该接口拍摄或者将存好的该商品的图像信息发送到服务器，由服务器进一步验证。
S303接收消费者终端发送的商品的第二图像信息，对第二图像信息进行指纹提取，获取该商品的第二指纹信息；
在一种实施方式中，该步骤S303包括：
接收由消费者终端发送的商品图像，对该商品图像进行图像分割处理，将分割处理后的商品图像输入到基于深度学习训练得到的神经网络模型，获取神经网络模型输出的对商品分类有区分度的特征向量作为该商品的第二指纹信息。
其中，该神经网络模型具体采用如图2所示的基于Tensorflow框架搭建的LeNet-5卷积神经网络模型。
在一种实施方式中，消费者终端接收到溯源报告后，可以通过显示该溯源报告的界面进一步上传该商品的图像信息，由服务器根据该消费者上传的商品图像信息获取相应的第二指纹信息。
在一种场景中，该商品的图像信息为由消费者拍摄的该商品的图片。
S304将获取的第二指纹信息和溯源码中携带的第一指纹信息进行比对，输出该溯源码的可信性信息并发送到消费者终端。
在一种实施方式中，将获取的第二指纹信息与溯源码中预存的第一指纹信息进行比对，通过卡方检验获取第二指纹信息和第一指纹信息一致的概率。
在一种实施方式中，以该通过卡方检验获取的第二指纹信息和第一指纹信息一致的概率作为可信性信息。
在一种场景中，消费者在商品包装上找到溯源码，通过其消费者终端(手机、电脑等)到指定的网站录入该溯源码，查询溯源码对应的溯源信息；服务器根据接收的溯源码查询并返回相应的溯源报告到消费者终端；消费者终端显示该溯源报告；进一步地，消费者通过该溯源报告显示界面上传该商品的图像信息到服务器；服务器根据接收到的图像信息对其进行指纹信息提取，将提取的指纹信息和该溯源码原本携带的指纹信息进行比对，通过计算其相似度判断该溯源报告的可信性，实现溯源报告的自验证，并将该可信性信息返回到消费者终端进行显示。
本发明上述实施方式，通过在商品的溯源码中添加与商品图像信息对应的指纹信息，能够实现商品溯源码和真实商品的对应绑定，避免了溯源标签被乱套用等问题，同时提高了溯源标签的防伪性能。
同时，根据消费者上传的图像信息提取指纹信息，与溯源码中携带的指纹信息进行比对验证，实现了溯源报告的自验证，有效提高了溯源标签的可信性。
上述实施方式全部采用软件加密，不依赖传统防伪溯源标签对硬件防伪的技术，制作成本低。
进一步以茶业为例，示出一种茶叶溯源码的生成和查询的实施方式，其中，茶叶可以因其叶片大小、叶片形状进行分类，其中叶片性状可以分为一芽、一芽一叶初展、一芽二叶初展、一芽三叶以上等，叶片长度可以分为小于1.5cm、1.5-2cm、2-3cm、3cm以上等。
在模型训练阶段，获取茶叶的图像及其对应的上述分类信息，将该茶叶的图像和对应的分类信息输入到LeNet-5卷积神经网络模型中完成对模型的训练。
在生成溯源码时，获取待生成溯源码的茶叶的图像信息，采集该批次茶叶的图像，将获取的茶叶图像输入到训练好的LeNet-5卷积神经网络模型中，并将该模型输出的特征向量作为该批次茶叶的第一指纹信息，并根据该第一指纹信息和该批次茶叶的溯源报告生成该批次茶叶的溯源码及溯源标签。
在查询溯源信息时，消费者向服务器录入该茶叶包装带上的溯源码，查看由服务器返回的溯源报告，并且，消费者可以拍摄该茶叶的照片，并将拍摄的茶叶照片通过溯源报告中的网络接口上传到服务器，服务器接收到由消费者上传的茶叶照片后，对该茶叶照片进行分割处理，并且将分割后的茶叶照片录入到训练好的LeNet-5卷积神经网络模型中，获取由该训练好的LeNet-5卷积神经网络模型输出的特征向量作为第二指纹信息，将获取的第二指纹信息和溯源码中携带的第一指纹信息进行比对，通过卡方检验获取第二指纹信息与第一指纹信息一致的概率，作为该溯源码的可信性信息返回给消费者。
本发明上述实施方式，通过利用人工智能神经网络技术，提取被溯源商品的图像指纹信息，把被溯源商品本身的指纹信息和其溯源码进行绑定，实现误码一一对应，提高了溯源码的可信性。同时，消费者在拿到被溯源商品后能够通过上传被溯源商品的图像信息实现溯源码的自验证，进一步提高了溯源码的可信性。
参见图4，其示出一种商品溯源码生成装置，包括：
第一处理单元41，用于获取商品的溯源信息，基于溯源信息生成溯源报告；
第二处理单元42，用于获取商品的第一图像信息，对商品的第一图像信息进行指纹提取，获取该商品的第一指纹信息；
生成单元43，用于根据溯源报告和第一指纹信息生成商品的溯源码。
在一种实施方式中，第二处理单元42进一步包括：
用于采集商品图像，对该商品图像进行图像分割处理；将分割处理后的商品图像输入到基于深度学习训练得到的神经网络模型，获取神经网络模型输出的对商品分类有区分度的特征向量作为该商品的第一指纹信息。
在一种实施方式中，第二处理单元42中，神经网络模型具体采用基于Tensorflow框架搭建的LeNet-5卷积神经网络模型，其中LeNet-5卷积神经网络模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层和第二全连接层；
其中，获取第二全连接层输出的特征向量作为该商品的第一指纹信息。
参见图5，其示出一种商品溯源码查询装置，包括：
第一接收单元51，用于接收由消费者终端发送的溯源码，其中溯源码为由权利要求8中的商品溯源码生成装置生成的溯源码；
提取单元52，用于提取与溯源码对应的溯源报告；
发送单元53，用于将溯源报告发送到消费者终端。
在一种实施方式中，该装置还包括：
第二接收单元54，用于接收消费者终端发送的商品的第二图像信息；
处理单元55，用于对第二图像信息进行指纹提取，获取该商品的第二指纹信息；
比对单元56，用于将获取的第二指纹信息和溯源码中携带的第一指纹信息进行比对，输出该溯源码的可信性信息；
该发送单元53，还用于将该可信性信息发送到消费者终端。
在一种实施方式中，该处理单元进一步包括：接收消费者终端发送的商品的图像；
处理单元55进一步包括：对该商品图像进行图像分割处理，将分割处理后的商品图像输入到基于深度学习训练得到的神经网络模型，获取神经网络模型输出的对商品分类有区分度的特征向量作为该商品的第二指纹信息。
在一种实施方式中，该比对单元56，进一步包括：将获取的第二指纹信息与溯源码中预存的第一指纹信息进行比对，通过卡方检验获取第二指纹信息和第一指纹信息一致的概率作为可信性信息。
需要说明的是，本生成和查询装置用于实现上述生成和查询方法的功能，装置中各模块与上述方法步骤相对应，并能够实施上述方法中的不同实施方式，具体可参见上述关于方法的描述，这里不再详细叙述。
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (9)

1.一种商品溯源码生成方法，其特征在于，包括：
获取商品的溯源信息，基于所述溯源信息生成溯源报告；
获取商品的第一图像信息，对所述商品的第一图像信息进行指纹提取，获取该商品的第一指纹信息；
根据所述溯源报告和第一指纹信息生成所述商品的溯源码。
2.根据权利要求1所述的一种商品溯源码生成方法，其特征在于，获取商品的第一图像信息，对所述商品的第一图像信息进行指纹提取，包括：
采集商品图像，对该商品图像进行图像分割处理；将分割处理后的商品图像输入到基于深度学习训练得到的神经网络模型，获取所述神经网络模型输出的对商品分类有区分度的特征向量作为该商品的第一指纹信息。
3.根据权利要求2所述一种商品溯源码生成方法，其特征在于，所述神经网络模型具体采用基于Tensorflow框架搭建的LeNet-5卷积神经网络模型，其中所述LeNet-5卷积神经网络模型包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层和第二全连接层；
该方法还包括：获取所述第二全连接层输出的特征向量作为该商品的第一指纹信息。
4.一种商品溯源码查询方法，其特征在于，包括：
接收由消费者终端发送的溯源码，其中所述溯源码为根据权利要求1-3中任一项所述商品溯源码生成方法生成的溯源码；
提取与所述溯源码对应的溯源报告；
将所述溯源报告发送到所述消费者终端。
5.根据权利要求4所述一种商品溯源码查询方法，其特征在于，该方法还包括：
接收消费者终端发送的商品的第二图像信息，对所述第二图像信息进行指纹提取，获取该商品的第二指纹信息；
将获取的所述第二指纹信息和所述溯源码中携带的第一指纹信息进行比对，输出该溯源码的可信性信息并发送到所述消费者终端。
6.根据权利要求5所述一种商品溯源码查询方法，其特征在于，所述接收消费者终端发送的商品的第二图像信息，对所述第二图像信息进行指纹提取，包括：
接收由所述消费者终端发送的商品图像，对该商品图像进行图像分割处理，将分割处理后的商品图像输入到基于深度学习训练得到的神经网络模型，获取所述神经网络模型输出的对商品分类有区分度的特征向量作为该商品的第二指纹信息。
7.根据权利要求5所述一种商品溯源码查询方法，其特征在于，所述将获取的所述第二指纹信息和所述溯源码中携带的第一指纹信息进行比对，具体包括：
将获取的第二指纹信息与溯源码中预存的第一指纹信息进行比对，通过卡方检验获取第二指纹信息和第一指纹信息一致的概率作为所述可信性信息。
8.一种商品溯源码生成装置，其特征在于，包括：
第一处理单元，用于获取商品的溯源信息，基于所述溯源信息生成溯源报告；
第二处理单元，获取商品的第一图像信息，对所述商品的第一图像信息进行指纹提取，获取该商品的第一指纹信息；
生成单元，用于根据所述溯源报告和第一指纹信息生成所述商品的溯源码。
9.一种商品溯源码查询装置，其特征在于，包括：
第一接收单元，用于接收由消费者终端发送的溯源码，其中所述溯源码为由权利要求8中的所述商品溯源码生成装置生成的溯源码；
提取单元，用于提取与所述溯源码对应的溯源报告；
发送单元，用于将所述溯源报告发送到所述消费者终端。
CN201910281876.0A 2019-04-09 2019-04-09 一种商品溯源码生成及查询方法和装置 Pending CN110163629A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910281876.0A CN110163629A (zh) 2019-04-09 2019-04-09 一种商品溯源码生成及查询方法和装置
US17/599,554 US20220198473A1 (en) 2019-04-09 2020-03-18 Method and apparatus for generating and querying traceability code of commodity
PCT/CN2020/079837 WO2020207216A1 (zh) 2019-04-09 2020-03-18 一种商品溯源码生成及查询方法和装置
EP20788623.5A EP3955198A4 (en) 2019-04-09 2020-03-18 METHOD AND DEVICE FOR GENERATION AND REQUEST OF THE PROBE CODE OF GOODS

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910281876.0A CN110163629A (zh) 2019-04-09 2019-04-09 一种商品溯源码生成及查询方法和装置

Publications (1)

Publication Number Publication Date
CN110163629A true CN110163629A (zh) 2019-08-23

Family

ID=67639200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910281876.0A Pending CN110163629A (zh) 2019-04-09 2019-04-09 一种商品溯源码生成及查询方法和装置

Country Status (4)

Country Link
US (1) US20220198473A1 (zh)
EP (1) EP3955198A4 (zh)
CN (1) CN110163629A (zh)
WO (1) WO2020207216A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111159458A (zh) * 2019-12-30 2020-05-15 南京龟兔赛跑软件研究院有限公司 一种农产品图像处理与区块链交互识别方法及系统
WO2020207216A1 (zh) * 2019-04-09 2020-10-15 新立讯科技股份有限公司 一种商品溯源码生成及查询方法和装置
CN111861158A (zh) * 2020-07-02 2020-10-30 广东菜丁科技集团有限公司 一种基于物联网的农产品质量溯源方法和系统
CN112069269A (zh) * 2020-08-27 2020-12-11 黄天红 基于大数据和多维特征的数据溯源方法及大数据云服务器
CN114494890A (zh) * 2022-04-14 2022-05-13 广州市玄武无线科技股份有限公司 一种模型训练方法、商品图像管理方法及装置
CN116957610A (zh) * 2023-08-08 2023-10-27 南京龟兔赛跑软件研究院有限公司 一种农产品全流程信息溯源录入管理方法、系统及介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112435042A (zh) * 2020-11-30 2021-03-02 重庆文理学院 基于区块链的供应链服务平台
CN113379720B (zh) * 2021-06-29 2022-08-09 云南昆船设计研究院有限公司 一种基于茶饼图像特征编码的茶饼防伪方法
CN115035533B (zh) * 2022-08-10 2022-10-21 新立讯科技股份有限公司 一种数据鉴真处理方法、装置、计算机设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7676059B2 (en) * 1994-10-21 2010-03-09 Digimarc Corporation Video steganography or encoding
WO2012177845A2 (en) * 2011-06-23 2012-12-27 Pharmorx Security, Inc Systems and methods for tracking and authenticating goods
US8533075B1 (en) * 2013-02-13 2013-09-10 AgileQR, Inc. Systems and methods for biomedical track and trace
CN109034837B (zh) * 2018-06-29 2020-12-29 山东华夏维康农牧科技有限公司 多码溯源防伪的方法及系统
CN110163629A (zh) * 2019-04-09 2019-08-23 南京新立讯科技股份有限公司 一种商品溯源码生成及查询方法和装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020207216A1 (zh) * 2019-04-09 2020-10-15 新立讯科技股份有限公司 一种商品溯源码生成及查询方法和装置
CN111159458A (zh) * 2019-12-30 2020-05-15 南京龟兔赛跑软件研究院有限公司 一种农产品图像处理与区块链交互识别方法及系统
CN111861158A (zh) * 2020-07-02 2020-10-30 广东菜丁科技集团有限公司 一种基于物联网的农产品质量溯源方法和系统
CN112069269A (zh) * 2020-08-27 2020-12-11 黄天红 基于大数据和多维特征的数据溯源方法及大数据云服务器
CN112069269B (zh) * 2020-08-27 2021-03-26 中润普达(深圳)大数据技术有限公司 基于大数据和多维特征的数据溯源方法及大数据云服务器
CN114494890A (zh) * 2022-04-14 2022-05-13 广州市玄武无线科技股份有限公司 一种模型训练方法、商品图像管理方法及装置
CN116957610A (zh) * 2023-08-08 2023-10-27 南京龟兔赛跑软件研究院有限公司 一种农产品全流程信息溯源录入管理方法、系统及介质

Also Published As

Publication number Publication date
WO2020207216A1 (zh) 2020-10-15
US20220198473A1 (en) 2022-06-23
EP3955198A4 (en) 2022-12-21
EP3955198A1 (en) 2022-02-16

Similar Documents

Publication Publication Date Title
CN110163629A (zh) 一种商品溯源码生成及查询方法和装置
CN109255322B (zh) 一种人脸活体检测方法及装置
US11023715B2 (en) Method and apparatus for expression recognition
Xie et al. A collaborative alignment framework of transferable knowledge extraction for unsupervised domain adaptation
US10803272B1 (en) Detection of encoded signals and icons
CN107992792A (zh) 一种基于加速度传感器的空中手写汉字识别系统及方法
CN103026368A (zh) 使用增量特征提取的对象辨识
US11257198B1 (en) Detection of encoded signals and icons
Xu et al. Semantic communication for the internet of vehicles: A multiuser cooperative approach
CN102831663A (zh) 一种智能手机二维码考勤系统及方法
CN109685065A (zh) 试卷内容自动分类的版面分析方法、系统
CN112966574A (zh) 人体三维关键点预测方法、装置及电子设备
He et al. Context-aware mathematical expression recognition: An end-to-end framework and a benchmark
CN113515988A (zh) 掌纹识别方法、特征提取模型训练方法、设备及介质
Sun et al. Scene categorization using deeply learned gaze shifting kernel
CN111738199A (zh) 图像信息验证方法、装置、计算装置和介质
Ahmed et al. Evaluating the effectiveness of rationale-augmented convolutional neural networks for deepfake detection
Yan et al. Signature detection, restoration, and verification: A novel chinese document signature forgery detection benchmark
CN116797248A (zh) 基于区块链的数据溯源管理方法及其系统
CN109978028A (zh) 一种基于集成深度学习的特定辐射源识别方法
CN107369097A (zh) 基于光学点阵技术的保险单及其信息录入方法及装置
CN110414633A (zh) 用于手写字体识别的系统及识别方法
Xu et al. Exploiting non-uniform inherent cues to improve presentation attack detection
Devareddi et al. Image segmentation based on scanned document and hand script counterfeit detection using neural network
CN113570512A (zh) 一种图像数据处理方法、计算机及可读存储介质

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
CB02 Change of applicant information

Address after: 801-810, room 8, building 7, building 57, Ande Avenue, Yuhuatai District, Nanjing, Jiangsu, 210012

Applicant after: New Lixun Technology Co., Ltd

Address before: 801-810, room 8, building 7, building 57, Ande Avenue, Yuhuatai District, Nanjing, Jiangsu, 210012

Applicant before: The new Nanjing luxshare Polytron Technologies Inc

CB02 Change of applicant information