CN111523908B - 一种鉴别卷烟真伪的包装机型溯源方法、装置及系统 - Google Patents

一种鉴别卷烟真伪的包装机型溯源方法、装置及系统 Download PDF

Info

Publication number
CN111523908B
CN111523908B CN202010245345.9A CN202010245345A CN111523908B CN 111523908 B CN111523908 B CN 111523908B CN 202010245345 A CN202010245345 A CN 202010245345A CN 111523908 B CN111523908 B CN 111523908B
Authority
CN
China
Prior art keywords
cigarette
decision tree
machine type
sample
fake
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.)
Active
Application number
CN202010245345.9A
Other languages
English (en)
Other versions
CN111523908A (zh
Inventor
李海燕
肖燕
马慧宇
李郸
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.)
Yunnan tobacco quality supervision and inspection station
Original Assignee
Yunnan tobacco quality supervision and inspection station
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 Yunnan tobacco quality supervision and inspection station filed Critical Yunnan tobacco quality supervision and inspection station
Priority to CN202010245345.9A priority Critical patent/CN111523908B/zh
Publication of CN111523908A publication Critical patent/CN111523908A/zh
Application granted granted Critical
Publication of CN111523908B publication Critical patent/CN111523908B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Biology (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Wrapping Of Specific Fragile Articles (AREA)

Abstract

本发明实施例公开了一种鉴别卷烟真伪的包装机型溯源方法、装置及系统，涉及卷烟真伪识别领域。包括：根据待测样本的数据属性确定所属机型；分别建立真烟机型决策树和假烟机型决策树；通过所述真烟机型决策树判断所属机型的真伪，输出待测样本的真烟机型；确认待测样本的机型为假烟机型时，先判断所述待测样本的包装为软装或硬装，再通过所述假烟机型决策树输出待测样本对应的假烟机型。本发明能够解决现有在鉴别卷烟真伪的抽检分类和识别方面存在低效率和低精确度的问题。

Description

一种鉴别卷烟真伪的包装机型溯源方法、装置及系统
技术领域
本发明实施例涉及卷烟真伪识别领域，具体涉及一种鉴别卷烟真伪的包装机型溯源方法、装置及系统。
背景技术
由于制售假冒卷烟具有高额利润，所以每年都会有大量制造、销售假冒卷烟的现象，从而谋取暴利。但对于不符合法律的商业行为是不允许的，也因此在卷烟的销售产业链上设立检验环节，一般采用抽样检测的方式，抽样的代表性决定了案件涉案金额及性质的量刑定刑，同时抽样代表性可以追溯造假工厂的包装特征，可以推导出是小型手工包装作坊或是大型包装机型造假工厂，对执法人员追踪造假源头提供重要技术支撑。因此，鉴别检验卷烟抽样时需要根据真假及机型特征不同组成不同的抽检批，同时，鉴别检验卷烟抽样时需要在不拆封的情况下进行，由于近年来出现大量机制假烟，这对于抽样人员难度极大。
现有技术中，湖南、河南、湖北烟草公司通过获取条烟32位码图像，3G网络将一维码发送到服务器，数据库查询匹配判断真假。另外，32位码是在销售过程中用喷码机喷制的32位数字或字母，代表不同销售商，但喷码机是常规商品，且近年来假烟对条烟32位码的仿制度提高，而且由于销售渠道限制，出现大量故意烫坏32位喷码的情况，因此抽样时通过32位喷码区分抽检批存在较大难度，同时喷码仅包含销售商信息，不能通过喷码确定包装机特征。
宁波烟草公司采用识别卡片上设有若干软包中华的识别要点的识别观察孔，通过观察通孔观察样品是否与真品中华香烟特征一致。但是全国几千个卷烟规格牌号要通过制作观察识别卡，对于抽样不容易操作。
也有通过人体感观来识别的方法，例如通过包装纸印刷字体、色差、图像、外包装的紧凑、硬朗；透明纸平整、干净、挺括等识别真假的方法，但因为特征主要以描述性语言为主，对于抽样人员操作难度较大。
以上现有情况的可操作性均较低，需要耗费大量人力物力，且检测精确度较低。
发明内容
本发明实施例的目的在于提供一种鉴别卷烟真伪的包装机型溯源方法、装置及系统，用以解决现有在鉴别卷烟真伪的抽检分类和识别方面存在低效率和低精确度的问题。
为实现上述目的，本发明实施例主要提供如下技术方案：
第一方面，本发明实施例提供了一种鉴别卷烟真伪的包装机型溯源方法，
包括：根据待测样本的数据属性确定所属机型；分别建立真烟机型决策树和假烟机型决策树；通过所述真烟机型决策树判断所属机型的真伪，输出待测样本的真烟机型；确认待测样本的机型为假烟机型时，先判断所述待测样本的包装为软装或硬装，再通过所述假烟机型决策树输出待测样本对应的假烟机型。
优选地，所述根据待测样本的数据属性确定所属机型，具体包括：根据卷烟包装机型以及卷烟生产机制作出的卷烟牌号和钢印之间的对应关系，生成机型对照表；录入待检样本的卷烟牌号和钢印，利用机型对照表匹配对应的卷烟包装机型。
优选地，所述建立真烟机型决策树和假烟机型决策树，具体包括：采集真烟和假烟的特征数据，构建特征数据集；利用所述特征数据集，通过随机森林决策树分类器对真假卷烟样品的65种数据特征进行训练，其中，每种机型对应不同的数据特征；构建真烟机型决策树和假烟机型决策树。
优选地，判断所述待测样本的包装为软装或硬装，具体包括：根据软装卷烟和硬装卷烟与卷烟牌号之间的对应关系，生成包装对照表；录入待检样本的卷烟牌号，利用包装对照表匹配对应的卷烟包装类型。
优选地，在通过所述真烟机型决策树判断所属机型的真伪时，在真烟机型决策树的输入端录入不同机型对应的参数；在通过所述假烟机型决策树输出待测样本对应的假烟机型时，在假烟机型决策树的输入端录入不同软装或硬装卷烟对应机型的参数。
第二方面，本发明实施例还提供一种鉴别卷烟真伪的包装机型溯源装置，
所述装置包括：数据处理模块和决策树创建模块，所述数据处理模块用于生成机型对照表和包装对照表，并存储特征数据集；所述决策树创建模块，用于创建真烟机型决策树和假烟机型决策树，并利用真烟机型决策树和假烟机型决策树判断待测样本的真假以及对应机型。
第三方面，本发明实施例还提供一种鉴别卷烟真伪的包装机型溯源系统，其特征在于，所述系统包括：至少一个处理器和至少一个存储器；所述存储器用于存储一个或多个程序指令；所述处理器，用于运行一个或多个程序指令，用以执行一种鉴别卷烟真伪的包装机型溯源方法。
第四方面，本发明实施例还提供一种计算机可读存储介质，
所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被系统执行一种鉴别卷烟真伪的包装机型溯源方法。
本发明实施例提供的技术方案至少具有如下优点：
本发明采用随机森林决策树法，提取有效特征并数据化，通过决策树准确得出机型结论，能够大大提高准确率，且本发明具有可扩展性，一旦出现新的机型特征，仅需将新特征增加至数据训练集，决策树就会得到更新。
附图说明
图1为本发明实施例提供的一种鉴别卷烟真伪的包装机型溯源方法步骤图。
图2为本发明实施例提供的一种鉴别卷烟真伪的包装机型溯源装置结构示意图。
图3为本发明实施例提供的一种鉴别卷烟真伪的包装机型溯源系统结构示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本发明。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
本发明实施例提供一种鉴别卷烟真伪的包装机型溯源方法，参考图1，该方法大致包括：
S1：根据待测样本的数据属性确定所属机型；
由于卷烟机专卖制度，现有真品卷烟包装机型的种类是一定的，其主要有：硬盒FOCKE350、FOCKE700、FOCKE-FX、GDX2、GDX2000、GDH1000、GDX3000；软盒GDS1000、GDX1、GDX500、GDX6S、FXS和BE。然而，假烟包装主要分为手工、软盒3000包装机和硬盒HLP包装机，且假烟所使用的包装机为多年前淘汰的包装机。因此利用其机型的差别来辨别其生产的包装不同来进行判断是可行的。
具体地，根据卷烟包装机型以及卷烟生产机制作出的卷烟牌号和钢印之间的对应关系，生成机型对照表；录入待检样本的卷烟牌号和钢印，利用机型对照表匹配对应的卷烟包装机型。
S2：分别建立真烟机型决策树和假烟机型决策树；
决策树，Decision Tree，是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。
进一步地，采集真烟和假烟的特征数据，构建特征数据集；利用特征数据集，通过随机森林决策树分类器对真假卷烟样品的65种数据特征进行训练，其中，每种机型对应不同的数据特征；构建真烟机型决策树和假烟机型决策树。
详细地，65种卷烟包装特征包括：牌号、钢印、钢印规则GYgz、机台号下限JTxx、机台号上限JTsx、钢印特征：GYTZ-平整、GYTZ-大小、GYTZ-高低、GYTZ-锲型、GYTZ-深、GYTZ-细、GYTZ-底平、GYTZ-浅，拉带头形状LDTxz、拉带头麻点LDTmd、拉带头全长LDTqc；拉带头端部长度LDTdb、拉带头平行线长度LDTpxc、拉带头直径LDTzj、拉线矩边LXjb、长边烫封位置CBTFwz、长边连接点CBTFld、长边Z形切口CBTFzk，长边烫封纹路：CBTFWL-水渍、CBTFWL-绸纹、CBTFWL-竖纹、CBTFWL-水纹、CBTFWL-5段、CBTFWL-零碎、CBTFWL-平行线、CBTFWL-斜纹，长边烫封距上端长TBTFz、长边烫封宽度TBTFk、长边络铁长LTc、长边络铁宽LTk、鱼尾最大YW、右侧鱼尾长度YWy、左侧鱼尾长度YWz、擦痕位置CHwz、擦痕形态CHxt、两端烫封块形状LDTFxz、两端烫封形状小长JXxc、两端烫封形状小宽JXxk、两端烫封形状大长JXdc、两端烫封形状大宽JXdk、两端烫封形状距离JXjl、透明纸折叠指向TMZZDzx、透明纸右端下折叠宽度TMZZDyxk、右端下折叠长度TMZZDyxc、右端上折叠宽度TMZZDysk、右端上折叠长度TMZZDysc、右端折角右下TMZZDyyx、右端折角左下TMZZDyzx、右端折角右上TMZZDyys、右端折角左上TMZZDyzs、左端下折叠宽度TMZZDzxk、左端下折叠长度TMZZDzxc、左端上折叠宽度TMZZDzsk、左端上折叠长度TMZZDzsc、左端折角右下TMZZDzyx、左端折角左下TMZZDzzx、左端折角右上TMZZDzys、左端折角左上TMZZDzzs、商标切口SBqk、商标拉扣距边SBlkjb。
由于包装机型都是固定的，因此真烟机型决策树包含：FOCKE350、FOCKE700、FOCKE-FX、GDX2、GDX2000、GDH1000、GDX3000、GDS1000、GDX1、GDX500、GDX6S、FXS和BE决策树。
假烟机型决策树包含：假-3000、假-HLP/组合机、假-手工软、假-手工硬、假-FK软和假-FK硬决策树。
S3：通过真烟机型决策树判断所属机型的真伪，输出待测样本的真烟机型；
检测时，录入卷烟牌号及钢印，根据机型对照表得到待测样本的相应机型，再利用真烟机型决策树判断所属机型的真伪，同时，在真烟机型决策树的输入端录入不同机型对应的参数。决策树进行判断后输出结果，若为真烟，则输出待测样本对应的真烟机型；若为假烟，则对待测样本的包装类型进行二次检测，进入步骤S4。
在本发明可行的实施方式中，若检测到待测样本对应的机型为FOCKE350时，则在决策树的输入端录入参数：[CBTFwz、JXxk、CHwz][TMZZDzzx、JXxc、LTk][TBTFk、JXxc、TMZZDysk、TMZZDzsk]。
同理，若检测到待测样本对应的机型为FOCKE700，则在决策树的输入端录入参数：[TMZZDyyx][JXjl][JXdc]。
若检测到待测样本对应的机型为FOCKE-FX，则在决策树的输入端录入参数：[CHwz][LXjb、CBTFwz][LDTmd、JXdc]。
若检测到待测样本对应的机型为GDX2，则在决策树的输入端录入参数：[CBTFzk、SBlkjb、LDTdb、TMZZDyxc][CBTFzk、SBlkjb、LDTdb、YWy][CBTFzk、SBlkjb、LDTdb、TMZZDysk]。
若检测到待测样本对应的机型为GDX2000，则在决策树的输入端录入参数：[JXdc、LDTmd][JXjl、YW、LDTmd][TBTFk、GYTZ-底平、LDTqc]。
若检测到待测样本对应的机型为GDH1000，则在决策树的输入端录入参数：[CBTFld][CHwz][TBTFk]。
若检测到待测样本对应的机型为GDX3000，则在决策树的输入端录入参数：[CBTFld][CHwz][LXjb]。
若检测到待测样本对应的机型为GDS1000，则在决策树的输入端录入参数：[CBTFld][CHwz][TBTFk]。
若检测到待测样本对应的机型为GDX1，则在决策树的输入端录入参数：[SBlkjb、TMZZDzzs、TBTFz][JXxc、LDTmd、TMZZDzys、LXjb][TMZZDyys、CBTFWL-水纹、CBTFWL-斜纹、LDTxz、CHxt]。
若检测到待测样本对应的机型为GDX500，则在决策树的输入端录入参数：[JXdc、LXjb][JXjl、LXjb][JXxc、LDTFxz]。
若检测到待测样本对应的机型为GDX6S，则在决策树的输入端录入参数：[CBTFld][CHwz][JXdk]。
若检测到待测样本对应的机型为FXS，则在决策树的输入端录入参数：[TMZZDysk、TMZZDzys][CHwz、TMZZDzys][JXxc、LDTmd]。
若检测到待测样本对应的机型为BE，则在决策树的输入端录入参数：LDTxz。
详细地操作如：
第一步，录入牌号：“印象”云烟、钢印：06221，通过牌号/钢印-机型对照表，判定机型FOCKE350。
第二步，录入对应FOCKE350决策树参数：[2、0.6、1][0.5、1、1.2][1.2、1、4、3.5]，结论判断为真-FOCKE350。
S4：确认待测样本的机型为假烟机型时，先判断待测样本的包装为软装或硬装，再通过假烟机型决策树输出待测样本对应的假烟机型。
具体地，判断待测样本的包装为软装或硬装包括：根据软装卷烟和硬装卷烟与卷烟牌号之间的对应关系，生成包装对照表；录入待检样本的卷烟牌号，利用包装对照表匹配对应的卷烟包装类型，即软装或硬装。
若为软装，则在假烟决策树输入端录入参数：[CBTFwz、CBTFWL-水纹、LDTpxc、TBTFz、CBTFWL-竖纹、TMZZDzzx][CBTFWL-竖纹、LDTxz、CBTFwz、JXxc、CBTFWL-水渍、CBTFWL-水纹]。
若为硬装，则假烟决策树输入端录入参数：[CBTFWL-斜纹、CBTFwz、TMZZDyxk、LXjb、LTc、SBlkjb、TMZZDyzs][CBTFWL-斜纹、TBTFz、TMZZDzx、TMZZDyys、LXjb、TMZZDyxc、TMZZDyzs、LTc、CBTFWL-绸纹]。
最后通过假烟决策树的输出结果得到对应假烟机型。经实际检验采用本发明对真品卷烟机型分类的准确率可达100％，假烟机型分类准确率达94％以上。
详细地步骤，如：
第一步，录入牌号：“紫”云烟、钢印：11304，通过牌号/钢印-机型对照表，判定机型FOCKE700。
第二步，录入对应FOCKE700决策树参数：[0.3][0][0]，结论判断为假。
第三步，第一步录入的牌号通过牌号-软盒、硬盒对照表，自动判断为硬盒。
第四步，录入假-硬盒机型决策树参数：[0、0、2.5、-5.7、0、0、0.1][0、2、21、0、-5.7、3.2、0.1、0、0]，判定结论为HLP-假。
本发明采用随机森林决策树法，提取有效特征并数据化，通过决策树准确得出机型结论，能够大大提高准确率，且本发明具有可扩展性，一旦出现新的机型特征，仅需将新特征增加至数据训练集，决策树就会得到更新。
与上述实施例对应的，本发明提供一种鉴别卷烟真伪的包装机型溯源装置，参考图2，该装置包括：数据处理模块01和决策树创建模块02，数据处理模块01用于生成机型对照表和包装对照表，并存储特征数据集；所述决策树创建模块02，用于创建真烟机型决策树和假烟机型决策树，并利用真烟机型决策树和假烟机型决策树判断待测样本的真假以及对应机型。具体各个模块的功能在上述方法实施例中均有阐述，在此不作过多赘述。
与上述实施例对应的，本发明提供一种鉴别卷烟真伪的包装机型溯源系统，其特征在于，参考图3，系统包括：至少一个处理器和至少一个存储器；
存储器03用于存储一个或多个程序指令；
处理器04，用于运行一个或多个程序指令，用以执行一种鉴别卷烟真伪的包装机型溯源方法。
与上述实施例对应的，本发明提供一种计算机可读存储介质，计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被系统执行一种鉴别卷烟真伪的包装机型溯源方法。
本发明所公开的实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序指令，当所述计算机程序指令在计算机上运行时，使得计算机执行上述的方法。
在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific工ntegrated Circuit，简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称ROM)、可编程只读存储器(Programmable ROM，简称PROM)、可擦除可编程只读存储器(Erasable PROM，简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，简称SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (6)

1.一种鉴别卷烟真伪的包装机型溯源方法，其特征在于，包括：
根据待测样本的数据属性确定所属机型；
分别建立真烟机型决策树和假烟机型决策树；
通过所述真烟机型决策树判断所属机型的真伪，输出待测样本的真烟机型；
确认待测样本的机型为假烟机型时，先判断所述待测样本的包装为软装或硬装，再通过所述假烟机型决策树输出待测样本对应的假烟机型；
所述根据待测样本的数据属性确定所属机型，具体包括：
根据卷烟包装机型以及卷烟生产机制作出的卷烟牌号和钢印之间的对应关系，生成机型对照表；
录入待检样本的卷烟牌号和钢印，利用机型对照表匹配对应的卷烟包装机型；
所述建立真烟机型决策树和假烟机型决策树，具体包括：
采集真烟和假烟的特征数据，构建特征数据集；
利用所述特征数据集，通过随机森林决策树分类器对真假卷烟样品的65种数据特征进行训练，其中，每种机型对应不同的数据特征；
构建真烟机型决策树和假烟机型决策树。
2.如权利要求1所述的一种鉴别卷烟真伪的包装机型溯源方法，其特征在于，判断所述待测样本的包装为软装或硬装，具体包括：
根据软装卷烟和硬装卷烟与卷烟牌号之间的对应关系，生成包装对照表；
录入待检样本的卷烟牌号，利用包装对照表匹配对应的卷烟包装类型。
3.如权利要求1所述的一种鉴别卷烟真伪的包装机型溯源方法，其特征在于，在通过所述真烟机型决策树判断所属机型的真伪时，在真烟机型决策树的输入端录入不同机型对应的参数；在通过所述假烟机型决策树输出待测样本对应的假烟机型时，在假烟机型决策树的输入端录入不同软装或硬装卷烟对应机型的参数。
4.一种鉴别卷烟真伪的包装机型溯源装置，其特征在于，所述装置用于实现如权利要求1-3任一项所述的一种鉴别卷烟真伪的包装机型溯源方法，所述装置包括：数据处理模块和决策树创建模块，所述数据处理模块用于生成机型对照表和包装对照表，并存储特征数据集；所述决策树创建模块，用于创建真烟机型决策树和假烟机型决策树，并利用真烟机型决策树和假烟机型决策树判断待测样本的真假以及对应机型。
5.一种鉴别卷烟真伪的包装机型溯源系统，其特征在于，所述系统包括：至少一个处理器和至少一个存储器；
所述存储器用于存储一个或多个程序指令；
所述处理器，用于运行一个或多个程序指令，用以执行如权利要求1-3任一项所述的一种鉴别卷烟真伪的包装机型溯源方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被系统执行如权利要求1-3任一项所述的一种鉴别卷烟真伪的包装机型溯源方法。
CN202010245345.9A 2020-03-31 2020-03-31 一种鉴别卷烟真伪的包装机型溯源方法、装置及系统 Active CN111523908B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010245345.9A CN111523908B (zh) 2020-03-31 2020-03-31 一种鉴别卷烟真伪的包装机型溯源方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010245345.9A CN111523908B (zh) 2020-03-31 2020-03-31 一种鉴别卷烟真伪的包装机型溯源方法、装置及系统

Publications (2)

Publication Number Publication Date
CN111523908A CN111523908A (zh) 2020-08-11
CN111523908B true CN111523908B (zh) 2023-04-07

Family

ID=71901180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010245345.9A Active CN111523908B (zh) 2020-03-31 2020-03-31 一种鉴别卷烟真伪的包装机型溯源方法、装置及系统

Country Status (1)

Country Link
CN (1) CN111523908B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112986262A (zh) * 2021-03-08 2021-06-18 广东烟草河源市有限责任公司 一种卷烟真伪鉴别装置及方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203573356U (zh) * 2013-09-06 2014-04-30 浙江中烟工业有限责任公司 基于rfid的卷烟单包追溯系统的小包卷烟
CN105046501A (zh) * 2015-06-26 2015-11-11 河南省烟草公司商丘市公司 一种电子识别真假卷烟的方法和装置
WO2015181642A2 (en) * 2014-05-05 2015-12-03 Horticulture Innovation Australia Limited Methods, systems, and devices relating to real-time object identification
CN105205598A (zh) * 2015-09-16 2015-12-30 广西中烟工业有限责任公司 一种基于卷烟二维码的用户信息管理系统
CN205396906U (zh) * 2016-03-01 2016-07-27 云南省烟草质量监督检测站 烟叶防损包装袋
CN106447397A (zh) * 2016-09-30 2017-02-22 浪潮软件集团有限公司 基于决策树算法的烟草零售户定价方法
CN106680137A (zh) * 2016-12-23 2017-05-17 云南省烟草质量监督检测站 一种评定卷烟含水率测量不确定度的方法
CN107330464A (zh) * 2017-06-30 2017-11-07 众安信息技术服务有限公司 数据处理方法和装置
CN107844980A (zh) * 2017-09-30 2018-03-27 广东工业大学 商品真假鉴别方法及装置、计算机存储介质及设备
CN110472416A (zh) * 2019-08-19 2019-11-19 杭州安恒信息技术股份有限公司 一种网页恶意代码检测方法及相关装置
CN110619060A (zh) * 2019-09-12 2019-12-27 广西盛信富邦科技有限公司 一种条烟图像数据库构建方法及条烟防伪查询方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3023632C (en) * 2016-06-30 2024-04-02 Sicpa Holding Sa Systems, methods, and computer programs for imaging an object and generating a measure of authenticity of the object

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203573356U (zh) * 2013-09-06 2014-04-30 浙江中烟工业有限责任公司 基于rfid的卷烟单包追溯系统的小包卷烟
WO2015181642A2 (en) * 2014-05-05 2015-12-03 Horticulture Innovation Australia Limited Methods, systems, and devices relating to real-time object identification
CN105046501A (zh) * 2015-06-26 2015-11-11 河南省烟草公司商丘市公司 一种电子识别真假卷烟的方法和装置
CN105205598A (zh) * 2015-09-16 2015-12-30 广西中烟工业有限责任公司 一种基于卷烟二维码的用户信息管理系统
CN205396906U (zh) * 2016-03-01 2016-07-27 云南省烟草质量监督检测站 烟叶防损包装袋
CN106447397A (zh) * 2016-09-30 2017-02-22 浪潮软件集团有限公司 基于决策树算法的烟草零售户定价方法
CN106680137A (zh) * 2016-12-23 2017-05-17 云南省烟草质量监督检测站 一种评定卷烟含水率测量不确定度的方法
CN107330464A (zh) * 2017-06-30 2017-11-07 众安信息技术服务有限公司 数据处理方法和装置
CN107844980A (zh) * 2017-09-30 2018-03-27 广东工业大学 商品真假鉴别方法及装置、计算机存储介质及设备
CN110472416A (zh) * 2019-08-19 2019-11-19 杭州安恒信息技术股份有限公司 一种网页恶意代码检测方法及相关装置
CN110619060A (zh) * 2019-09-12 2019-12-27 广西盛信富邦科技有限公司 一种条烟图像数据库构建方法及条烟防伪查询方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Prediction of electronic cigarette and vape use among Malaysian:decision tree analysis";Kartiwi,Mira et al.;《The Medical Journal of Malaysia》;20171231;第72卷(第1期);第0300-5283页 *
"云南省卷烟包装材料中残留溶剂对卷烟品质影响及限量标准的研究";吴恒康等;《云南省烟草质量监督检测站》;20081201;第1-2页 *
"决策树模型与logistic回归在中学生尝试吸烟影响因素中的应用";曲晨等;《中国控制吸烟协会第二十届全国控烟学术研讨会暨第十届海峡两岸及香港澳门地区烟害防治研讨会论文摘要》;20191118;第1页 *
"基于数码技术的商品防伪包装及其计算机管理信息系统";张小川等;《包装工程》;20010815(第4期);第43-46页 *

Also Published As

Publication number Publication date
CN111523908A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN110472660A (zh) 异常数据检测方法、装置、计算机设备和存储介质
CN109740869A (zh) 数据审核方法、装置、计算机设备和存储介质
CN107657460A (zh) 一种基于区块链的烟草防伪和溯源方法及系统
CN106296228A (zh) 一种产品品控溯源方法
CN108985912A (zh) 数据对账
CN109508825A (zh) 员工行为风险预警方法及相关装置
CN111523908B (zh) 一种鉴别卷烟真伪的包装机型溯源方法、装置及系统
CN106651407A (zh) 一种数据采集方法及装置
CN107274291A (zh) 跨平台的估值表解析方法、存储介质及应用服务器
CN105868997A (zh) 组合式标签在商品领域的应用平台
WO2021082607A1 (zh) 基于编码图的商品防窜货方法、装置、服务器和存储介质
CN113869213A (zh) 一种基于图像识别的卷烟零售商户库存盘点方法和系统
CN109598484A (zh) 一种在建工程转固定资产数字化审计方法及装置
CN115063084A (zh) 一种卷烟零售商户库存盘点方法及系统
CN107665463A (zh) 投资产品的资源处理方法、装置、存储介质和计算机设备
CN109472017A (zh) 获得待生成裁判文书本院认为段相关信息的方法及装置
CN115496555A (zh) 一种智能化跨境电商网站安全质量评估方法及系统
CN114708247A (zh) 基于深度学习的烟盒包装缺陷识别方法和装置
KR102253385B1 (ko) 불량 멀티포장제품 검출시스템
CN117522134A (zh) 一种线上盲盒经营的合规风险预警方法及系统
CN109389014A (zh) 套用车牌车辆的检测方法、装置及电子设备
CN111680772A (zh) 检测卷烟条与盒包装纸真假的方法、装置及设备
CN110163558A (zh) 审批单审批方法、装置、计算机设备和存储介质
CN109409453A (zh) 一种封箱机缺条追溯系统及其举证方法
Hasan et al. A Systematic Literature Review (SLR) on Agri-Food Supply Chain Transparency

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