CN111028211A - 一种陶瓷产品识别方法及系统 - Google Patents

一种陶瓷产品识别方法及系统 Download PDF

Info

Publication number
CN111028211A
CN111028211A CN201911181591.6A CN201911181591A CN111028211A CN 111028211 A CN111028211 A CN 111028211A CN 201911181591 A CN201911181591 A CN 201911181591A CN 111028211 A CN111028211 A CN 111028211A
Authority
CN
China
Prior art keywords
fingerprint
ceramic
sub
vector
feature
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.)
Granted
Application number
CN201911181591.6A
Other languages
English (en)
Other versions
CN111028211B (zh
Inventor
柴跃廷
冯天煜
黄亚东
刘义
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201911181591.6A priority Critical patent/CN111028211B/zh
Publication of CN111028211A publication Critical patent/CN111028211A/zh
Application granted granted Critical
Publication of CN111028211B publication Critical patent/CN111028211B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明实施例提供一种陶瓷产品识别方法及系统，该方法包括：根据待识别陶瓷的图像，获取待识别陶瓷的指纹特征；将待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配，获取匹配成功个数；若第一比值和第二比值之间的差值在预设范围之内，则待识别陶瓷和目标陶瓷为同一产品。本发明实施例提供一种陶瓷产品识别方法，通过比对待识别陶瓷的指纹特征和目标陶瓷的指纹特征，以对待识别陶瓷与目标陶瓷是否为同一产品进行判定，与现有技术相比，可以省去防伪标识号的分配与防伪标志的制造，节约了成本。

Description

一种陶瓷产品识别方法及系统
技术领域
本发明涉及计算机视觉技术领域，尤其涉及一种陶瓷产品识别方法及系统。
背景技术
目前陶瓷领域存在造假问题严重、缺乏科学有效的鉴别手段、防伪标识容易伪造、消费者辨识产品真伪难度大和产品追溯管理困难等问题。
因此，亟需一种陶瓷产品识别方法及系统。
发明内容
为了解决上述问题，本发明实施例提供一种陶瓷产品识别方法及系统。
第一方面，本发明实施例提供一种陶瓷产品识别方法，包括：
根据待识别陶瓷的图像，获取所述待识别陶瓷的指纹特征，所述指纹特征包括若干类指纹子特征，对于任一指纹子特征，所述任一指纹子特征包括预设类别中每一特征对应的指纹子向量，对于所述预设类别中的任一特征，所述任一特征对应的指纹子向量包括所述任一特征的自身信息；
将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配，获取匹配成功个数；
若第一比值和第二比值之间的差值在预设范围之内，则所述待识别陶瓷和所述目标陶瓷为同一产品，所述第一比值表示所述匹配成功个数与所述待识别陶瓷的指纹特征中有效指纹子向量的个数之比，所述第二比值表示所述匹配成功个数与所述目标陶瓷的指纹特征中有效指纹子向量的个数之比。
优选地，还包括：若所述第一比值和所述第二比值的差值在所述预设范围之外，则根据所述匹配成功个数、所述待识别陶瓷的指纹特征中有效指纹子向量的个数、所述目标陶瓷的指纹特征中有效指纹子向量的个数，获取相似度判定系数；
若所述相似度判定系数大于第一预设阈值，则所述待识别陶瓷和所述目标陶瓷为同一产品。
优选地，还包括：
若所述相似度判定系数位于所述第一预设阈值和第二预设阈值之间，则将匹配成功的指纹子向量作为优选指纹子向量，其中，所述任一特征对应的指纹子向量还包括所述任一特征的特征向量和所述任一特征的关系向量，所述任一特征的特征向量表示所述任一特征与其它特征之间的方位关系，所述任一特征的关系向量表示所述任一特征与邻域之间的方位关系；
获取相似度矩阵，对于所述相似度矩阵中的任一元素SDij，若编号为i的优选指纹子向量中编号为j的特征向量与所述目标陶瓷的指纹特征中任一优选指纹子向量的特征向量之间的偏差在预设阈值范围之内，或，若编号为i的优选指纹子向量中编号为j的关系向量与所述目标陶瓷的指纹特征中任一优选指纹子向量的关系向量之间的偏差在预设阈值范围之内，则SDij的取值为1，否则SDij的取值为-1；
根据所述相似度矩阵，计算相似度系数，并根据所述相似度系数，判断所述待识别陶瓷和所述目标陶瓷是否为同一产品。
优选地，所述根据匹配成功个数、所述待识别陶瓷的指纹特征中有效指纹子向量的个数、所述目标陶瓷的指纹特征中有效指纹子向量的个数，获取相似度判定系数，具体为：
Figure BDA0002291411310000021
其中，SP表示所述相似度判定系数，∑P表示匹配成功个数，M表示所述待识别陶瓷的指纹特征中有效指纹子向量的个数，N表示所述目标陶瓷的指纹特征中有效指纹子向量的个数。
优选地，所述根据所述相似度矩阵，计算相似度系数，具体为：
Figure BDA0002291411310000031
其中，S表示所述相似度系数，SDij表示相似度矩阵中的任一元素。
优选地，所述将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配之前还包括：
将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行序列比对。
优选地，还包括：
若所述相似度判定系数小于第二预设阈值，则所述待识别陶瓷和所述目标陶瓷不是同一产品。
第二方面，本发明实施例提供一种陶瓷产品识别系统，包括：
指纹模块，用于根据待识别陶瓷的图像，获取所述待识别陶瓷的指纹特征，所述指纹特征包括若干类指纹子特征，对于任一指纹子特征，所述任一指纹子特征包括预设类别中每一特征对应的指纹子向量，对于所述预设类别中的任一特征，所述任一特征对应的指纹子向量包括所述任一特征的自身信息；
匹配模块，用于将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配，获取匹配成功个数；
识别模块，用于若第一比值和第二比值之间的差值在预设范围之内，则所述待识别陶瓷和所述目标陶瓷为同一产品，所述第一比值表示所述匹配成功个数与所述待识别陶瓷的指纹特征中有效指纹子向量的个数之比，所述第二比值表示所述匹配成功个数与所述目标陶瓷的指纹特征中有效指纹子向量的个数之比。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本发明第一方面提供的一种陶瓷产品识别方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明第一方面提供的一种陶瓷产品识别方法的步骤。
本发明实施例提供一种陶瓷产品识别方法，通过比对待识别陶瓷的指纹特征和目标陶瓷的指纹特征，以对待识别陶瓷与目标陶瓷是否为同一产品进行判定，与现有技术相比，可以省去防伪标识号的分配与防伪标志的制造，节约了成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种陶瓷产品识别方法流程图；
图2为本发明实施例提供的一种陶瓷产品识别系统结构图；
图3为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种陶瓷产品识别方法流程图，如图1所示，该方法包括：
S1，根据待识别陶瓷的图像，获取所述待识别陶瓷的指纹特征，所述指纹特征包括若干类指纹子特征，对于任一指纹子特征，所述任一指纹子特征包括预设类别中每一特征对应的指纹子向量，对于所述预设类别中的任一特征，所述任一特征对应的指纹子向量包括所述任一特征的自身信息；
S2，将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配，获取匹配成功个数；
S3，若第一比值和第二比值之间的差值在预设范围之内，则所述待识别陶瓷和所述目标陶瓷为同一产品，所述第一比值表示所述匹配成功个数与所述待识别陶瓷的指纹特征中有效指纹子向量的个数之比，所述第二比值表示所述匹配成功个数与所述目标陶瓷的指纹特征中有效指纹子向量的个数之比。
首先，获取需要进行识别陶瓷的表面微观图像，根据该图像生成指纹特征，陶瓷的指纹特征是与陶瓷一一对应的特征向量，每个陶瓷的指纹特征中包含若干类指纹子特征，本发明实施例中，每个指纹特征中包含三类指纹子特征，分别为细节点类型的指纹子特征、气泡点类型的指纹子特征和突变点类型的指纹子特征，每个类型的指纹子特征是由多个指纹子向量组成的，本发明实施例中，每个类型的指纹子特征由20个指纹子向量组成，每个指纹子向量是一个一维数组，该一维数组包含37个元素。对于一个指纹特征中，该指纹特征包括20个细节点类型的指纹子向量、20个气泡点类型的指纹子向量和20个突变点类型的指纹子向量。
对于任意一个指纹子向量，该指纹子向量与预设类别中的一个特征相对应，预设类别是指与该指纹子向量同一个类别，该指纹子向量中包括了该特征的自身信息，本发明实施例中，不同类型特征的自身信息不同。
对于细节点类型的特征，该特征的自身信息包括坐标、方向和类型；对于气泡点类型的特征，该特征的自身信息包括中心坐标、所占像素的个数和长轴与短轴的比值；对于突变点类型的特征，该特征的自身信息包括中心坐标、所占像素的个数和突变点特征类型。
然后将待识别陶瓷的指纹特征中每个指纹子向量与目标陶瓷的指纹特征中每个指纹子向量进行预匹配，此处的预匹配是指将待识别陶瓷的指纹特征中的细节点类型对应的指纹子向量与目标陶瓷的指纹特征中细节点类型对应的指纹子向量进行匹配，也就是相同类型的指纹子向量才进行匹配，获取匹配成功的指纹子向量的个数。
将匹配成功的指纹子向量的个数与待识别陶瓷的指纹特征中有效指纹子向量的个数之比，作为第一比值，将匹配成功的指纹子向量的个数与目标陶瓷的指纹特征中有效指纹子向量的个数之比作为第二比值，如果第一比值和第二比值之间的差值在预设范围之内，说明该待识别陶瓷和目标陶瓷属于同一个产品。
需要说明的是，待识别陶瓷的指纹特征中有效指纹子向量的个数是指纹特征中不为0的指纹子向量的个数，由于本发明实施例中的指纹特征是由20个细节点类型的指纹子向量、20个气泡点类型的指纹子向量和20个突变点类型的指纹子向量组成，但是，并不是所有的陶瓷图像都能提取到三种类型的特征，对于某些陶瓷图像，只能提取其中的一种或者两种类型的特征，也就是只能获取到一种或者两种类型的指纹子向量，对于缺失的指纹子向量，本发明实施例中，用0来补全。
本发明实施例提供一种陶瓷产品识别方法，通过比对待识别陶瓷的指纹特征和目标陶瓷的指纹特征，以对待识别陶瓷与目标陶瓷是否为同一产品进行判定，与现有技术相比，可以省去防伪标识号的分配与防伪标志的制造，节约了成本。
在上述实施例的基础上，优选地，还包括：
若所述第一比值和所述第二比值的差值在所述预设范围之外，则根据所述匹配成功个数、所述待识别陶瓷的指纹特征中有效指纹子向量的个数、所述目标陶瓷的指纹特征中有效指纹子向量的个数，获取相似度判定系数；
若所述相似度判定系数大于第一预设阈值，则所述待识别陶瓷和所述目标陶瓷为同一产品。
如果匹配成功的个数、待识别陶瓷的指纹特征中有效指纹子向量的个数、目标陶瓷的指纹特征中有效指纹子向量的个数中任意两个不相同，则需要进行下一步的相似度计算。
根据匹配成功的个数、待识别陶瓷的指纹特征中有效指纹子向量的个数、目标陶瓷的指纹特征中有效指纹子向量的个数，计算出待识别陶瓷的相似度判定系数，如果待识别陶瓷的相似度判定系数大于第一预设阈值，则说明待识别陶瓷和目标陶瓷为同一产品。本发明实施例中，第一预设阈值为90％，也就是说当相似度判定系数大于90％时，可以认定待识别陶瓷和目标陶瓷为同一产品。
在上述实施例的基础上，优选地，还包括：
若所述相似度判定系数小于第二预设阈值，则所述待识别陶瓷和所述目标陶瓷不是同一产品。
具体地，如果相似度判定系数小于第二预设阈值，则认为待识别陶瓷和目标陶瓷不是同一产品，本发明实施例中，第二预设阈值的取值为50％，也就是相似度判定系数小于50％时，则可以判定待识别陶瓷和目标陶瓷不是同一产品。
具体地，相似度判定矩阵的计算公式如下：
Figure BDA0002291411310000071
其中，SP表示所述相似度判定系数，∑P表示匹配成功个数，M表示所述待识别陶瓷的指纹特征中有效指纹子向量的个数，N表示所述目标陶瓷的指纹特征中有效指纹子向量的个数。
∑P＝P1+P2+P3，P1表示待识别陶瓷的指纹特征中细节点类型的指纹子向量匹配成功的个数，P2表示待识别陶瓷的指纹特征中气泡点类型的指纹子向量匹配成功的个数，P3表示待识别陶瓷的指纹特征中突变点类型的指纹子向量匹配成功的个数。
用M1、M2和M3分别表示待识别陶瓷的指纹特征中细节点类型指纹子向量、气泡点类型指纹子向量和突变点类型指纹子向量三个类别中有效的指纹子向量个数，M＝M1+M2+M3。
用N1、N2和N3分别表示目标陶瓷的指纹特征中细节点类型指纹子向量、气泡点类型指纹子向量和突变点类型指纹子向量中有效指纹子向量个数，N＝N1+N2+N3。
在上述实施例的基础上，优选地，还包括：
若所述相似度判定系数位于所述第一预设阈值和第二预设阈值之间，则将匹配成功的指纹子向量作为优选指纹子向量，其中，所述任一特征对应的指纹子向量还包括所述任一特征的特征向量和所述任一特征的关系向量，所述任一特征的特征向量表示所述任一特征与其它特征之间的方位关系，所述任一特征的关系向量表示所述任一特征与邻域之间的方位关系；
获取相似度矩阵，对于所述相似度矩阵中的任一元素SDij，若编号为i的优选指纹子向量中编号为j的特征向量与所述目标陶瓷的指纹特征中任一优选指纹子向量的特征向量之间的偏差在预设阈值范围之内，或，若编号为i的优选指纹子向量中编号为j的关系向量与所述目标陶瓷的指纹特征中任一优选指纹子向量的关系向量之间的偏差在预设阈值范围之内，则SDij的取值为1，否则SDij的取值为-1；
根据所述相似度矩阵，计算相似度系数，并根据所述相似度系数，判断所述待识别陶瓷和所述目标陶瓷是否为同一产品。
具体地，本发明实施例中指纹特征中的指纹子向量除了包括特征特征自身信息之外，还包括同类其它特征与该特征之间的相互关系。具体如下：
以任一类特征为例进行说明，若任一类特征为细节点类型特征，任一特征的自身信息包括任一特征的圆心点坐标、任一特征的圆心点类型和任一特征的圆心点方向。
任一特征与同类其它特征的范围关系包括每一临近特征与所述任一特征的距离、每一临近特征的类型、每一临近特征与所述任一特征的相对角度，每一邻域与所述任一特征的距离、每一邻域的类型、每一邻域与所述任一特征的相对角度作为所述任一特征对应的指纹子向量。
若任一类特征为突变点类型特征，任一特征的自身信息包括任一特征的中心坐标、任一特征的所占像素个数和任一特征的突变点类型。
任一特征与同类其它特征的范围关系包括每一临近特征与任一特征的距离、每一临近特征的类型、每一临近特征与任一特征的相对角度，每一邻域与任一特征的距离、每一邻域的类型、每一邻域与任一特征的相对角度。
若任一类特征为气泡点类型特征，任一特征的自身信息包括任一特征的中心坐标、任一特征的所占像素个数和任一特征的气泡特征。
任一特征与其它特征的相互关系包括每一临近代表特征与任一特征的距离、每一临近代表特征长轴与短轴的比值、每一临近代表特征与任一特征的相对角度，临近代表特征为所占像素点最多、前第一预设数值个特征，每一临近特征与任一特征的距离、每一临近特征长轴与短轴的比值、每一临近特征与任一特征的相对角度。
以上所说的临近特征和邻域是通过如下方式确定：
获取任一特征与每一其它特征的距离，将距离最小的前第一预设数值个特征作为临近特征；
将与任一特征距离最短的临近特征作为基准特征，将基准特征与任一特征的连线作为基准线；
获取任一特征的每一预设邻域，获取每一预设邻域对应的参考线与基准线之间的夹角，将夹角最小的预设邻域作为起始点、按照预设方向，取前第二预设数值个预设邻域作为邻域特征。
本发明实施例中，预设邻域可以是4邻域，以夹角最小的邻域为起始点，然后按照顺时针或者逆时针方向，对4邻域进行编号，取前第二预设数值个4邻域作为邻域特征。
预设邻域也可以是8邻域，以夹角最小的邻域为起始点，然后按照顺时针或者逆时针方向依次排列。对8邻域进行编号，取前第二预设数值个8邻域作为邻域特征。
表1
Figure BDA0002291411310000101
Figure BDA0002291411310000111
表1为本发明实施例中指纹特征中每个元素的含义，从表1中可以看出，该指纹特征为一个37行60列的矩阵，本发明实施例中，除了指纹子向量，还增加了指纹子向量的类型和数据标识，如果该指纹子向量有效，该数据标识为1，如果该指纹子向量无效，数据标识为0，在进行指纹特征匹配时，先通过数据标识进行匹配，如果数据标识匹配成功，可以进入后面的指纹子向量匹配环境，如果数据标识匹配失败，直接进入下一个指纹子向量的匹配，通过增加对指纹子向量的类型和数据表示，可以加快指纹特征匹配的效率。
表中a/b标识长轴与短轴之比。
如果前面计算得到的相似度判定系数位于90％和50％之间，则将匹配成功的指纹子向量作为优选指纹子向量。
由于在拍摄时指纹图像可能会发生平移，旋转或者局部变形等问题，提取到的特征点绝对位置信息会发生变化，但是相邻点之间的距离和角度等位置关系不会发生太大改变，因此在指纹向量组中存储的特征点间相对位置信息可以用来进行指纹相似度的计算。
在自身信息匹配失败的情况下，接着对指纹子向量中特征与特征之间的相互关系进行匹配，获取优选指纹子向量，如果该优选指纹子向量的特征向量与目标陶瓷中指纹特征的指纹子向量的特征向量之间的偏差在预设阈值范围之内，或者该优选指纹子向量的关系向量与目标陶瓷中指纹特征的指纹子向量的关系向量之间的偏差在预设阈值范围之内，说明匹配成功。
本发明实施例通过在指纹特征中增加相邻特征之间的相互位置关系，提高了指纹特征的鲁棒性。并且在预匹配失败的基础上，在此对指纹特征进行匹配，减小了漏识、错识的概率，提高了陶瓷识别的精度。
在上述实施例的基础上，优选地，所述根据所述相似度矩阵，计算相似度系数，具体为：
Figure BDA0002291411310000121
其中，S表示所述相似度系数，SDij表示编号为i的相似指纹子向量、编号为j的特征向量或者关系向量的相似度矩阵。
对于第i个指纹子向量，其中每个特征向量或者关系向量编号为j，可以得到每个关系匹配成功记为1，匹配失败记为-1，如果为0则说明关系不存在，不进行匹配。最后得到的相似度矩阵SDij。
在上述实施例的基础上，优选地，所述将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配之前还包括：
将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行序列比对。
在多个指纹子向量组中，三种指纹子向量有用于区分的标识。但是在每类指纹子向量内部，各个指纹子向量可能随机排序，因此在进行比对前需要根据原点信息进行序列比对。序列比对是利用原点坐标之和对待识别陶瓷的指纹特征中的指纹子向量进行重新排序，保证对应序号的指纹子向量原点信息的相互对应。
综上，本发明提供了一种基于指纹特征的陶瓷产品识别方法，解决了现用防伪手段所存在的部分问题，可以省去防伪标识号的分配与防伪标志的制造，并且提高向量比对速度，两层检验保证指纹信息比对的检验精度。
图2为本发明实施例提供的一种陶瓷产品识别系统结构图，如图2所示，该系统包括指纹模块201、匹配模块202和识别模块203，其中：
指纹模块201用于根据待识别陶瓷的图像，获取所述待识别陶瓷的指纹特征，所述指纹特征包括若干类指纹子特征，对于任一指纹子特征，所述任一指纹子特征包括预设类别中每一特征对应的指纹子向量，对于所述预设类别中的任一特征，所述任一特征对应的指纹子向量包括所述任一特征的自身信息；
匹配模块202用于将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配，获取匹配成功个数；
识别模块203用于若第一比值和第二比值之间的差值在预设范围之内，则所述待识别陶瓷和所述目标陶瓷为同一产品，所述第一比值表示所述匹配成功个数与所述待识别陶瓷的指纹特征中有效指纹子向量的个数之比，所述第二比值表示所述匹配成功个数与所述目标陶瓷的指纹特征中有效指纹子向量的个数之比。
指纹模块201用于根据待识别陶瓷的图像，获取待识别陶瓷的指纹特征，匹配模块202用于将待识别陶瓷的指纹特征与目标陶瓷的指纹特征进行匹配，获取匹配成功的指纹子向量的个数，识别模块203将第一比值和第二比值进行比较，如果两者之间的差值在预设范围之内，则可以判定待识别陶瓷和目标陶瓷为同一个产品。
本发明实施例提供的系统实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。
图3为本发明实施例提供的一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和总线304，其中，处理器301，通信接口302，存储器303通过总线304完成相互间的通信。通信接口302可以用于电子设备的信息传输。处理器301可以调用存储器303中的逻辑指令，以执行包括如下的方法：
根据待识别陶瓷的图像，获取所述待识别陶瓷的指纹特征，所述指纹特征包括若干类指纹子特征，对于任一指纹子特征，所述任一指纹子特征包括预设类别中每一特征对应的指纹子向量，对于所述预设类别中的任一特征，所述任一特征对应的指纹子向量包括所述任一特征的自身信息；
将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配，获取匹配成功个数；
若第一比值和第二比值之间的差值在预设范围之内，则所述待识别陶瓷和所述目标陶瓷为同一产品，所述第一比值表示所述匹配成功个数与所述待识别陶瓷的指纹特征中有效指纹子向量的个数之比，所述第二比值表示所述匹配成功个数与所述目标陶瓷的指纹特征中有效指纹子向量的个数之比。
此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明上述各方法实施例的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：
根据待识别陶瓷的图像，获取所述待识别陶瓷的指纹特征，所述指纹特征包括若干类指纹子特征，对于任一指纹子特征，所述任一指纹子特征包括预设类别中每一特征对应的指纹子向量，对于所述预设类别中的任一特征，所述任一特征对应的指纹子向量包括所述任一特征的自身信息；
将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配，获取匹配成功个数；
若第一比值和第二比值之间的差值在预设范围之内，则所述待识别陶瓷和所述目标陶瓷为同一产品，所述第一比值表示所述匹配成功个数与所述待识别陶瓷的指纹特征中有效指纹子向量的个数之比，所述第二比值表示所述匹配成功个数与所述目标陶瓷的指纹特征中有效指纹子向量的个数之比。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种陶瓷产品识别方法，其特征在于，包括：
根据待识别陶瓷的图像，获取所述待识别陶瓷的指纹特征，所述指纹特征包括若干类指纹子特征，对于任一指纹子特征，所述任一指纹子特征包括预设类别中每一特征对应的指纹子向量，对于所述预设类别中的任一特征，所述任一特征对应的指纹子向量包括所述任一特征的自身信息；
将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配，获取匹配成功个数；
若第一比值和第二比值之间的差值在预设范围之内，则所述待识别陶瓷和所述目标陶瓷为同一产品，所述第一比值表示所述匹配成功个数与所述待识别陶瓷的指纹特征中有效指纹子向量的个数之比，所述第二比值表示所述匹配成功个数与所述目标陶瓷的指纹特征中有效指纹子向量的个数之比。
2.根据权利要求1所述的陶瓷产品识别方法，其特征在于，还包括：
若所述第一比值和所述第二比值的差值在所述预设范围之外，则根据所述匹配成功个数、所述待识别陶瓷的指纹特征中有效指纹子向量的个数、所述目标陶瓷的指纹特征中有效指纹子向量的个数，获取相似度判定系数；
若所述相似度判定系数大于第一预设阈值，则所述待识别陶瓷和所述目标陶瓷为同一产品。
3.根据权利要求2所述的陶瓷产品识别方法，其特征在于，还包括：
若所述相似度判定系数位于所述第一预设阈值和第二预设阈值之间，则将匹配成功的指纹子向量作为优选指纹子向量，其中，所述任一特征对应的指纹子向量还包括所述任一特征的特征向量和所述任一特征的关系向量，所述任一特征的特征向量表示所述任一特征与其它特征之间的方位关系，所述任一特征的关系向量表示所述任一特征与邻域之间的方位关系；
获取相似度矩阵，对于所述相似度矩阵中的任一元素SDij，若编号为i的优选指纹子向量中编号为j的特征向量与所述目标陶瓷的指纹特征中任一优选指纹子向量的特征向量之间的偏差在预设阈值范围之内，或，若编号为i的优选指纹子向量中编号为j的关系向量与所述目标陶瓷的指纹特征中任一优选指纹子向量的关系向量之间的偏差在预设阈值范围之内，则SDij的取值为1，否则SDij的取值为-1；
根据所述相似度矩阵，计算相似度系数，并根据所述相似度系数，判断所述待识别陶瓷和所述目标陶瓷是否为同一产品。
4.根据权利要求2所述的陶瓷产品识别方法，其特征在于，所述根据匹配成功个数、所述待识别陶瓷的指纹特征中有效指纹子向量的个数、所述目标陶瓷的指纹特征中有效指纹子向量的个数，获取相似度判定系数，具体为：
Figure FDA0002291411300000021
其中，SP表示所述相似度判定系数，∑P表示匹配成功个数，M表示所述待识别陶瓷的指纹特征中有效指纹子向量的个数，N表示所述目标陶瓷的指纹特征中有效指纹子向量的个数。
5.根据权利要求3所述的陶瓷产品识别方法，其特征在于，所述根据所述相似度矩阵，计算相似度系数，具体为：
Figure FDA0002291411300000022
其中，S表示所述相似度系数，SDij表示相似度矩阵中的任一元素。
6.根据权利要求1所述的陶瓷产品识别方法，其特征在于，所述将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配之前还包括：
将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行序列比对。
7.根据权利要求2所述的陶瓷产品识别方法，其特征在于，还包括：
若所述相似度判定系数小于第二预设阈值，则所述待识别陶瓷和所述目标陶瓷不是同一产品。
8.一种陶瓷产品识别系统，其特征在于，包括：
指纹模块，用于根据待识别陶瓷的图像，获取所述待识别陶瓷的指纹特征，所述指纹特征包括若干类指纹子特征，对于任一指纹子特征，所述任一指纹子特征包括预设类别中每一特征对应的指纹子向量，对于所述预设类别中的任一特征，所述任一特征对应的指纹子向量包括所述任一特征的自身信息；
匹配模块，用于将所述待识别陶瓷的指纹特征中每一指纹子向量与目标陶瓷的指纹特征中每一指纹子向量进行预匹配，获取匹配成功个数；
识别模块，用于若第一比值和第二比值之间的差值在预设范围之内，则所述待识别陶瓷和所述目标陶瓷为同一产品，所述第一比值表示所述匹配成功个数与所述待识别陶瓷的指纹特征中有效指纹子向量的个数之比，所述第二比值表示所述匹配成功个数与所述目标陶瓷的指纹特征中有效指纹子向量的个数之比。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述陶瓷产品识别方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述陶瓷产品识别方法的步骤。
CN201911181591.6A 2019-11-27 2019-11-27 一种陶瓷产品识别方法及系统 Active CN111028211B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911181591.6A CN111028211B (zh) 2019-11-27 2019-11-27 一种陶瓷产品识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911181591.6A CN111028211B (zh) 2019-11-27 2019-11-27 一种陶瓷产品识别方法及系统

Publications (2)

Publication Number Publication Date
CN111028211A true CN111028211A (zh) 2020-04-17
CN111028211B CN111028211B (zh) 2020-10-27

Family

ID=70207163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911181591.6A Active CN111028211B (zh) 2019-11-27 2019-11-27 一种陶瓷产品识别方法及系统

Country Status (1)

Country Link
CN (1) CN111028211B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114511506A (zh) * 2022-01-11 2022-05-17 北京立达政通科技集团有限公司 钧瓷身份识别方法、装置、电子设备以及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1718452A (zh) * 2004-07-09 2006-01-11 刘荣悦 书画及某些艺术品真伪指纹鉴定法
CN101408932A (zh) * 2008-04-11 2009-04-15 浙江师范大学 一种基于指纹结构特征与纹理分析的指纹图像匹配方法
US20150316666A1 (en) * 2014-05-05 2015-11-05 The Board Of Trustees Of The Leland Stanford Junior University Efficient Similarity Search of Seismic Waveforms
CN105808680A (zh) * 2016-03-02 2016-07-27 西安电子科技大学 基于张量分解进行上下文相关的位置推荐方法
US20190205590A1 (en) * 2015-11-16 2019-07-04 MorphoTrack, LLC Feature-Based Matcher for Distorted Fingerprint Matching
CN110414998A (zh) * 2019-07-18 2019-11-05 北京清大智信科技有限公司 基于陶瓷表面图像分析的可信交易方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1718452A (zh) * 2004-07-09 2006-01-11 刘荣悦 书画及某些艺术品真伪指纹鉴定法
CN101408932A (zh) * 2008-04-11 2009-04-15 浙江师范大学 一种基于指纹结构特征与纹理分析的指纹图像匹配方法
US20150316666A1 (en) * 2014-05-05 2015-11-05 The Board Of Trustees Of The Leland Stanford Junior University Efficient Similarity Search of Seismic Waveforms
US20190205590A1 (en) * 2015-11-16 2019-07-04 MorphoTrack, LLC Feature-Based Matcher for Distorted Fingerprint Matching
CN105808680A (zh) * 2016-03-02 2016-07-27 西安电子科技大学 基于张量分解进行上下文相关的位置推荐方法
CN110414998A (zh) * 2019-07-18 2019-11-05 北京清大智信科技有限公司 基于陶瓷表面图像分析的可信交易方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHANGYONG LEE; OHJIN KWON; MYEONGJUNG KIM; DAEIL KWON;: "Early identification of emerging technologies: A machine learning approach using multiple patent indicators", 《ECHNOLOGICAL FORECASTING & SOCIAL CHANGE》 *
付翔封举富: "一种基于细节点全局置信度的指纹匹配算法", 《模式识别与人工智能》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114511506A (zh) * 2022-01-11 2022-05-17 北京立达政通科技集团有限公司 钧瓷身份识别方法、装置、电子设备以及存储介质

Also Published As

Publication number Publication date
CN111028211B (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN109740606B (zh) 一种图像识别方法及装置
CN110942076B (zh) 一种陶瓷产品防伪标识生成方法及系统
CN110490190B (zh) 一种结构化图像文字识别方法及系统
CN111767422A (zh) 一种数据审核方法、装置、终端及存储介质
CN107784321B (zh) 数字绘本快速识别方法、系统及计算机可读存储介质
CN112418274B (zh) 决策树生成方法和装置
CN111626124A (zh) Ocr图像样本生成、印刷体验证方法、装置、设备及介质
CN112052813B (zh) 染色体间易位识别方法、装置、电子设备及可读存储介质
US20200005078A1 (en) Content aware forensic detection of image manipulations
CN105868699A (zh) 一种基于指纹的终端支付方法及装置
CN115063632A (zh) 基于人工智能的车辆损伤识别方法、装置、设备及介质
CN114972771B (zh) 车辆定损理赔方法、装置、电子设备及存储介质
CN111553241A (zh) 掌纹的误匹配点剔除方法、装置、设备及存储介质
CN114004289A (zh) 一种车辆损伤识别模型建立方法、损伤识别方法及装置
CN111028211B (zh) 一种陶瓷产品识别方法及系统
CN112990166A (zh) 一种人脸真伪的识别方法、识别装置及电子设备
CN113569070A (zh) 图像检测方法和装置、电子设备、存储介质
JP5304781B2 (ja) 画像照合装置、画像照合用特徴量格納記憶媒体、画像照合方法および画像照合用プログラム
CN110287943B (zh) 图像的对象识别方法、装置、电子设备及存储介质
CN112085030B (zh) 相似图像确定方法及装置
CN111275693B (zh) 一种图像中物体的计数方法、计数装置及可读存储介质
CN114742868A (zh) 一种点云配准的方法、装置以及电子设备
CN113420699A (zh) 一种人脸匹配方法、装置及电子设备
CN111625817A (zh) 异常用户识别方法、装置、电子设备及存储介质
CN113449595B (zh) 一种物品身份信息匹配方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant