CN111523910A - 一种基于Siamese Network的茶砖识别方法及系统 - Google Patents

一种基于Siamese Network的茶砖识别方法及系统 Download PDF

Info

Publication number
CN111523910A
CN111523910A CN202010303246.1A CN202010303246A CN111523910A CN 111523910 A CN111523910 A CN 111523910A CN 202010303246 A CN202010303246 A CN 202010303246A CN 111523910 A CN111523910 A CN 111523910A
Authority
CN
China
Prior art keywords
brick tea
feature extraction
tea
identified
brick
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
CN202010303246.1A
Other languages
English (en)
Inventor
安程治
李锐
金长新
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.)
Jinan Inspur Hi Tech Investment and Development Co Ltd
Original Assignee
Jinan Inspur Hi Tech Investment and Development Co Ltd
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 Jinan Inspur Hi Tech Investment and Development Co Ltd filed Critical Jinan Inspur Hi Tech Investment and Development Co Ltd
Priority to CN202010303246.1A priority Critical patent/CN111523910A/zh
Publication of CN111523910A publication Critical patent/CN111523910A/zh
Pending legal-status Critical Current

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
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

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

Abstract

本发明公开了一种基于Siamese Network的茶砖识别方法及系统，属于孪生网络识别技术领域，本发明要解决的技术问题为如何利用茶砖的自身特点并结合孪生网络实现茶砖的防伪识别，采用的技术方案为：具体如下：S1、获取原始特征提取图和待识别特征提取图：在每一个茶砖生产形成之初对茶砖的特征纹路进行特征提取与分析得到五个局部原始特征提取图；当消费者买到新的茶砖时，获取茶砖的照片并提取相同位置的五个局部待识别特征图；S2、将得到的五个局部原始特征提取图作为该茶砖自身的防伪标识与该茶砖的参数信息一并储存到产品质量信息库中；S3、通过孪生网络比对五个局部原始特征提取图与五个局部待识别特征图之间的距离进行茶砖防伪标识识别并作出判定。

Description

一种基于Siamese Network的茶砖识别方法及系统
技术领域
本发明涉及孪生网络识别技术领域，具体地说是一种基于Siamese Network的茶砖识别方法及系统。
背景技术
一般来说，传统的商品溯源有二维码、NFC、芯片加密技术，但商品交易中仍存在易仿造、易被调包、NFC芯片成本高等问题。比如更换或者重新打印一个二维码，或者把RFID拿下来，这样可以伪造一个ID。故“如何确定实物唯一性”是行业普遍面临的难题。
孪生网络有两个输入(input1和input2)，将两个输入喂进两个神经网络(Network1和Network2)，这两个神经网络分别将输入映射到新的空间，形成输入在新的空间中的表示，通过LOSS计算评价两个输入的相似度。简单来说，Siamese network就是连体的神经网络，神经网络的连体是通过共享权值来实现的。孪生网络网络的主要用途是用来衡量两个输入的相似程度的。
据了解，茶经历了称重、蒸茶、茶砖等一系列生产流程后最终形成的纹路都是随机的，世界上不可能存在纹理完全相同的两块茶砖。因此茶砖的随机纹理就像是生物的DNA一样，是唯一的。故如何利用茶砖的自身特点并结合孪生网络实现茶砖的防伪识别是目前现有技术中亟待解决的问题。
发明内容
本发明的技术任务是提供一种基于Siamese Network的茶砖识别方法及系统，来解决如何利用茶砖的自身特点并结合孪生网络实现茶砖的防伪识别的问题。
本发明的技术任务是按以下方式实现的，一种基于Siamese Network的茶砖识别方法，该方法具体如下：
S1、获取原始特征提取图和待识别特征提取图：在每一个茶砖生产形成之初对茶砖的特征纹路进行特征提取与分析得到五个局部原始特征提取图；当消费者买到新的茶砖时，获取茶砖的照片并提取相同位置的五个局部待识别特征图；
S2、建立产品质量信息库：将得到的五个局部原始特征提取图作为该茶砖自身的防伪标识与该茶砖的参数信息一并储存到产品质量信息库中；
S3、防伪标识识别：通过孪生网络比对五个局部原始特征提取图与五个局部待识别特征图之间的距离进行茶砖防伪标识识别并作出判定。
作为优选，所述步骤S1中获取原始特征提取图和待识别特征提取图具体如下：
S101、通过手机、相机、扫描等拍摄设备拍摄采集茶砖图片；
S102、利用OpenCV进行物体边缘检测并扣取茶砖图片中的茶砖部分；
S103、扣取茶砖图片中的五个部分作为茶砖的身份识别区，对所有茶砖图片都选取位置相同的五个部分作为身份识别区；
S104、将五个部分茶砖的身份识别区分别传入孪生网络得到五个局部原始特征提取图或五个局部待识别特征提取图。
作为优选，所述步骤S2中的参数信息包括商品标签上的识别号信息、生产时间信息、产地信息、品种信息以及价格信息；
五个局部原始特征提取图分别作为键和值储存在产品质量信息库中。
更优地，所述步骤S102中利用OpenCV进行物体边缘检测并扣取茶砖图片中的茶砖部分具体如下：
在提取到茶砖图片后提出茶砖的边缘部分，对提取后的茶砖图片的宽度和高度进行2％的缩进。
更优地，所述步骤S1中原始特征提取图和待识别特征提取图均采用矩阵的形式。
作为优选，所述步骤S3中防伪标识识别具体如下：
S301、输入待识别特征提取图对应的商品标签上的识别号信息，从产品质量数据库中找到对应该商品标签上的识别号信息的原始特征提取图；
S302、将对应位置的待识别特征提取图与原始特征提取图进行两两比对，比对的方式是通过计算对应位置的待识别特征提取图与原始特征提取图之间的欧式距离，具体如下：
Figure BDA0002454798930000021
其中，d12表示对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离；n表示待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵总元素个数；x1k表示待识别特征提取图对应的矩阵中的第k个元素；x2k表示原始特征提取图对应的矩阵中的第k个元素；
S303、判定对应位置的待识别特征提取图与原始特征提取图是否相同：
若对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离小于阀值，则判定待识别特征提取图与原始特征提取图相同；
S304、判定待识别茶砖与产品质量信息库中对应茶砖是否为同一茶砖：
若超过三个对应位置的待识别特征提取图与原始特征提取图相同，则判定待识别茶砖与产品质量信息库中对应茶砖为同一茶砖，质量为真。
更优地，所述步骤S101中拍摄采集茶砖图片的角度要求为拍摄茶砖的完整正面视图。
一种基于Siamese Network的茶砖识别系统，该系统包括，
特征提取图获取单元，用于在每一个茶砖生产形成之初对茶砖的特征纹路进行特征提取与分析得到五个局部原始特征提取图；当消费者买到新的茶砖时，获取茶砖的照片并提取相同位置的五个局部待识别特征图；其中，原始特征提取图和待识别特征提取图均采用矩阵的形式；
产品质量信息库建立单元，用于将得到的五个局部原始特征提取图作为该茶砖自身的防伪标识与该茶砖的参数信息一并储存到产品质量信息库中；其中参数信息包括商品标签上的识别号信息、生产时间信息、产地信息、品种信息以及价格信息；五个局部原始特征提取图分别作为键和值储存在产品质量信息库中；
防伪标识识别单元，用于通过孪生网络比对五个局部原始特征提取图与五个局部待识别特征图之间的距离进行茶砖防伪标识识别并作出判定。
作为优选，所述特征提取图获取单元包括，
图片采集模块，用于通过手机、相机、扫描等拍摄设备拍摄采集茶砖图片；其中，拍摄采集茶砖图片的角度要求为拍摄茶砖的完整正面视图
图片扣取模块，用于利用OpenCV进行物体边缘检测并扣取茶砖图片中的茶砖部分；具体为：在提取到茶砖图片后提出茶砖的边缘部分，对提取后的茶砖图片的宽度和高度进行2％的缩进；
身份识别区扣取模块，用于扣取茶砖图片中的五个部分作为茶砖的身份识别区，对所有茶砖图片都选取位置相同的五个部分作为身份识别区；
特征提取图提取模块，用于将五个部分茶砖的身份识别区分别传入孪生网络得到五个局部原始特征提取图或五个局部待识别特征提取图。
更优地，所述防伪标识识别单元包括，
查找模块，用于输入待识别特征提取图对应的商品标签上的识别号信息，从产品质量数据库中找到对应该商品标签上的识别号信息的原始特征提取图；
距离比对模块，用于将对应位置的待识别特征提取图与原始特征提取图进行两两比对，比对的方式是通过计算对应位置的待识别特征提取图与原始特征提取图之间的欧式距离，具体如下：
Figure BDA0002454798930000041
其中，d12表示对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离；n表示待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵总元素个数；x1k表示待识别特征提取图对应的矩阵中的第k个元素；x2k表示原始特征提取图对应的矩阵中的第k个元素；
特征图判定模块，用于判定对应位置的待识别特征提取图与原始特征提取图是否相同：
若对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离小于阀值，则判定待识别特征提取图与原始特征提取图相同；
茶砖判定模块，用于判定待识别茶砖与产品质量信息库中对应茶砖是否为同一茶砖：
若超过三个对应位置的待识别特征提取图与原始特征提取图相同，则判定待识别茶砖与产品质量信息库中对应茶砖为同一茶砖，质量为真。
本发明的基于Siamese Network的茶砖识别方法及系统具有以下优点：本发明通过利用Siamese Network对茶砖的表面纹路进行特征提取，并通过特征间距离比对进行茶砖的真伪性鉴别，鉴别买到的茶砖是茶砖产品质量信息库中的哪一个，从而得知最准确的茶砖产品信息，同时直接通过对茶砖纹路的分析与识别可以避免商品标识的调包与伪造，为区块链技术在质量追踪与茶砖防伪的技术推广助力，增加商品的品牌效应。
附图说明
下面结合附图对本发明进一步说明。
附图1为基于Siamese Network的茶砖识别方法的流程框图；
附图2为采集到的茶砖图片的示意图；
附图3为扣取茶砖图片中的茶砖部分的示意图；
附图4为茶砖的身份识别区的示意图。
具体实施方式
参照说明书附图和具体实施例对本发明的一种基于Siamese Network的茶砖识别方法及系统作以下详细地说明。
实施例1：
如附图1所示，本发明的基于Siamese Network的茶砖识别方法,该方法具体如下：
S1、获取原始特征提取图和待识别特征提取图：在每一个茶砖生产形成之初对茶砖的特征纹路进行特征提取与分析得到五个局部原始特征提取图；当消费者买到新的茶砖时，获取茶砖的照片并提取相同位置的五个局部待识别特征图；其中，原始特征提取图和待识别特征提取图均采用矩阵的形式；具体如下：
S101、通过手机、相机、扫描等拍摄设备拍摄采集茶砖图片，拍摄采集茶砖图片的角度要求为拍摄茶砖的完整正面视图，如附图2所示；
S102、利用OpenCV进行物体边缘检测并扣取茶砖图片中的茶砖部分，因为边缘部分受干扰因素大易发生易发生形变、破损等变化，因此在提取到茶砖后剔除茶砖的边缘部分，进行小程度的缩进，具体如下：在提取到茶砖图片后提出茶砖的边缘部分，对提取后的茶砖图片的宽度和高度进行2％的缩进，如附图3所示；
S103、扣取茶砖图片中的五个部分作为茶砖的身份识别区，对所有茶砖图片都选取位置相同的五个部分作为身份识别区，如附图4所示；
S104、将五个部分茶砖的身份识别区分别传入孪生网络得到五个局部原始特征提取图或五个局部待识别特征提取图。
S2、建立产品质量信息库：将得到的五个局部原始特征提取图作为该茶砖自身的防伪标识与该茶砖的参数信息一并储存到产品质量信息库中；其中，参数信息包括商品标签上的识别号信息、生产时间信息、产地信息、品种信息以及价格信息；五个局部原始特征提取图分别作为键和值储存在产品质量信息库中。
S3、防伪标识识别：通过孪生网络比对五个局部原始特征提取图与五个局部待识别特征图之间的距离进行茶砖防伪标识识别并作出判定；具体如下：
S301、输入待识别特征提取图对应的商品标签上的识别号信息，从产品质量数据库中找到对应该商品标签上的识别号信息的原始特征提取图；
S302、将对应位置的待识别特征提取图与原始特征提取图进行两两比对，比对的方式是通过计算对应位置的待识别特征提取图与原始特征提取图之间的欧式距离，具体如下：
Figure BDA0002454798930000061
其中，d12表示对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离；n表示待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵总元素个数；x1k表示待识别特征提取图对应的矩阵中的第k个元素；x2k表示原始特征提取图对应的矩阵中的第k个元素；
S303、判定对应位置的待识别特征提取图与原始特征提取图是否相同：
若对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离小于阀值(根据自身情况进行调整，本发明所用的是200)，则判定待识别特征提取图与原始特征提取图相同；
S304、判定待识别茶砖与产品质量信息库中对应茶砖是否为同一茶砖：
若超过三个对应位置的待识别特征提取图与原始特征提取图相同，则判定待识别茶砖与产品质量信息库中对应茶砖为同一茶砖，质量为真。
实施例2：
本发明的基于Siamese Network的茶砖识别系统，该系统包括，
特征提取图获取单元，用于在每一个茶砖生产形成之初对茶砖的特征纹路进行特征提取与分析得到五个局部原始特征提取图；当消费者买到新的茶砖时，获取茶砖的照片并提取相同位置的五个局部待识别特征图；其中，原始特征提取图和待识别特征提取图均采用矩阵的形式；特征提取图获取单元包括，
图片采集模块，用于通过手机、相机、扫描等拍摄设备拍摄采集茶砖图片；其中，拍摄采集茶砖图片的角度要求为拍摄茶砖的完整正面视图
图片扣取模块，用于利用OpenCV进行物体边缘检测并扣取茶砖图片中的茶砖部分；具体为：在提取到茶砖图片后提出茶砖的边缘部分，对提取后的茶砖图片的宽度和高度进行2％的缩进；
身份识别区扣取模块，用于扣取茶砖图片中的五个部分作为茶砖的身份识别区，对所有茶砖图片都选取位置相同的五个部分作为身份识别区；
特征提取图提取模块，用于将五个部分茶砖的身份识别区分别传入孪生网络得到五个局部原始特征提取图或五个局部待识别特征提取图。
产品质量信息库建立单元，用于将得到的五个局部原始特征提取图作为该茶砖自身的防伪标识与该茶砖的参数信息一并储存到产品质量信息库中；其中参数信息包括商品标签上的识别号信息、生产时间信息、产地信息、品种信息以及价格信息；五个局部原始特征提取图分别作为键和值储存在产品质量信息库中；
防伪标识识别单元，用于通过孪生网络比对五个局部原始特征提取图与五个局部待识别特征图之间的距离进行茶砖防伪标识识别并作出判定；防伪标识识别单元包括，
查找模块，用于输入待识别特征提取图对应的商品标签上的识别号信息，从产品质量数据库中找到对应该商品标签上的识别号信息的原始特征提取图；
距离比对模块，用于将对应位置的待识别特征提取图与原始特征提取图进行两两比对，比对的方式是通过计算对应位置的待识别特征提取图与原始特征提取图之间的欧式距离，具体如下：
Figure BDA0002454798930000071
其中，d12表示对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离；n表示待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵总元素个数；x1k表示待识别特征提取图对应的矩阵中的第k个元素；x2k表示原始特征提取图对应的矩阵中的第k个元素；
特征图判定模块，用于判定对应位置的待识别特征提取图与原始特征提取图是否相同：
若对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离小于阀值，则判定待识别特征提取图与原始特征提取图相同；
茶砖判定模块，用于判定待识别茶砖与产品质量信息库中对应茶砖是否为同一茶砖：
若超过三个对应位置的待识别特征提取图与原始特征提取图相同，则判定待识别茶砖与产品质量信息库中对应茶砖为同一茶砖，质量为真。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (10)

1.一种基于Siamese Network的茶砖识别方法，其特征在于，该方法具体如下：
S1、获取原始特征提取图和待识别特征提取图：在每一个茶砖生产形成之初对茶砖的特征纹路进行特征提取与分析得到五个局部原始特征提取图；当消费者买到新的茶砖时，获取茶砖的照片并提取相同位置的五个局部待识别特征图；
S2、建立产品质量信息库：将得到的五个局部原始特征提取图作为该茶砖自身的防伪标识与该茶砖的参数信息一并储存到产品质量信息库中；
S3、防伪标识识别：通过孪生网络比对五个局部原始特征提取图与五个局部待识别特征图之间的距离进行茶砖防伪标识识别并作出判定。
2.根据权利要求1所述的基于Siamese Network的茶砖识别方法，其特征在于，所述步骤S1中获取原始特征提取图和待识别特征提取图具体如下：
S101、通过拍摄设备拍摄采集茶砖图片；
S102、利用OpenCV进行物体边缘检测并扣取茶砖图片中的茶砖部分；
S103、扣取茶砖图片中的五个部分作为茶砖的身份识别区，对所有茶砖图片都选取位置相同的五个部分作为身份识别区；
S104、将五个部分茶砖的身份识别区分别传入孪生网络得到五个局部原始特征提取图或五个局部待识别特征提取图。
3.根据权利要求1所述的基于Siamese Network的茶砖识别方法，其特征在于，所述步骤S2中的参数信息包括商品标签上的识别号信息、生产时间信息、产地信息、品种信息以及价格信息；
五个局部原始特征提取图分别作为键和值储存在产品质量信息库中。
4.根据权利要求2所述的基于Siamese Network的茶砖识别方法，其特征在于，所述步骤S102中利用OpenCV进行物体边缘检测并扣取茶砖图片中的茶砖部分具体如下：
在提取到茶砖图片后提出茶砖的边缘部分，对提取后的茶砖图片的宽度和高度进行2％的缩进。
5.根据权利要求2所述的基于Siamese Network的茶砖识别方法，其特征在于，所述步骤S1中原始特征提取图和待识别特征提取图均采用矩阵的形式。
6.根据权利要求1所述的基于Siamese Network的茶砖识别方法，其特征在于，所述步骤S3中防伪标识识别具体如下：
S301、输入待识别特征提取图对应的商品标签上的识别号信息，从产品质量数据库中找到对应该商品标签上的识别号信息的原始特征提取图；
S302、将对应位置的待识别特征提取图与原始特征提取图进行两两比对，比对的方式是通过计算对应位置的待识别特征提取图与原始特征提取图之间的欧式距离，具体如下：
Figure FDA0002454798920000021
其中，d12表示对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离；n表示待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵总元素个数；x1k表示待识别特征提取图对应的矩阵中的第k个元素；x2k表示原始特征提取图对应的矩阵中的第k个元素；
S303、判定对应位置的待识别特征提取图与原始特征提取图是否相同：
若对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离小于阀值，则判定待识别特征提取图与原始特征提取图相同；
S304、判定待识别茶砖与产品质量信息库中对应茶砖是否为同一茶砖：
若超过三个对应位置的待识别特征提取图与原始特征提取图相同，则判定待识别茶砖与产品质量信息库中对应茶砖为同一茶砖，质量为真。
7.根据权利要求2所述的基于Siamese Network的茶砖识别方法，其特征在于，所述步骤S101中拍摄采集茶砖图片的角度要求为拍摄茶砖的完整正面视图。
8.一种基于Siamese Network的茶砖识别系统，其特征在于，该系统包括，
特征提取图获取单元，用于在每一个茶砖生产形成之初对茶砖的特征纹路进行特征提取与分析得到五个局部原始特征提取图；当消费者买到新的茶砖时，获取茶砖的照片并提取相同位置的五个局部待识别特征图；其中，原始特征提取图和待识别特征提取图均采用矩阵的形式；
产品质量信息库建立单元，用于将得到的五个局部原始特征提取图作为该茶砖自身的防伪标识与该茶砖的参数信息一并储存到产品质量信息库中；其中参数信息包括商品标签上的识别号信息、生产时间信息、产地信息、品种信息以及价格信息；五个局部原始特征提取图分别作为键和值储存在产品质量信息库中；
防伪标识识别单元，用于通过孪生网络比对五个局部原始特征提取图与五个局部待识别特征图之间的距离进行茶砖防伪标识识别并作出判定。
9.根据权利要求8所述的基于Siamese Network的茶砖识别系统，其特征在于，所述特征提取图获取单元包括，
图片采集模块，用于通过拍摄设备拍摄采集茶砖图片；其中，拍摄采集茶砖图片的角度要求为拍摄茶砖的完整正面视图
图片扣取模块，用于利用OpenCV进行物体边缘检测并扣取茶砖图片中的茶砖部分；具体为：在提取到茶砖图片后提出茶砖的边缘部分，对提取后的茶砖图片的宽度和高度进行2％的缩进；
身份识别区扣取模块，用于扣取茶砖图片中的五个部分作为茶砖的身份识别区，对所有茶砖图片都选取位置相同的五个部分作为身份识别区；
特征提取图提取模块，用于将五个部分茶砖的身份识别区分别传入孪生网络得到五个局部原始特征提取图或五个局部待识别特征提取图。
10.根据权利要求8或9所述的基于Siamese Network的茶砖识别系统，其特征在于，所述防伪标识识别单元包括，
查找模块，用于输入待识别特征提取图对应的商品标签上的识别号信息，从产品质量数据库中找到对应该商品标签上的识别号信息的原始特征提取图；
距离比对模块，用于将对应位置的待识别特征提取图与原始特征提取图进行两两比对，比对的方式是通过计算对应位置的待识别特征提取图与原始特征提取图之间的欧式距离，具体如下：
Figure FDA0002454798920000041
其中，d12表示对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离；n表示待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵总元素个数；x1k表示待识别特征提取图对应的矩阵中的第k个元素；x2k表示原始特征提取图对应的矩阵中的第k个元素；
特征图判定模块，用于判定对应位置的待识别特征提取图与原始特征提取图是否相同：
若对应位置的待识别特征提取图对应的矩阵和原始特征提取图对应的矩阵之间的欧式距离小于阀值，则判定待识别特征提取图与原始特征提取图相同；
茶砖判定模块，用于判定待识别茶砖与产品质量信息库中对应茶砖是否为同一茶砖：
若超过三个对应位置的待识别特征提取图与原始特征提取图相同，则判定待识别茶砖与产品质量信息库中对应茶砖为同一茶砖，质量为真。
CN202010303246.1A 2020-04-17 2020-04-17 一种基于Siamese Network的茶砖识别方法及系统 Pending CN111523910A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010303246.1A CN111523910A (zh) 2020-04-17 2020-04-17 一种基于Siamese Network的茶砖识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010303246.1A CN111523910A (zh) 2020-04-17 2020-04-17 一种基于Siamese Network的茶砖识别方法及系统

Publications (1)

Publication Number Publication Date
CN111523910A true CN111523910A (zh) 2020-08-11

Family

ID=71904005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010303246.1A Pending CN111523910A (zh) 2020-04-17 2020-04-17 一种基于Siamese Network的茶砖识别方法及系统

Country Status (1)

Country Link
CN (1) CN111523910A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113920416A (zh) * 2021-10-08 2022-01-11 深圳爱莫科技有限公司 一种基于图像识别的雪茄烟身份辨别方法、系统及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101004823A (zh) * 2006-12-25 2007-07-25 刘金才 普洱茶天然纹理防伪方法
CN103259978A (zh) * 2013-05-20 2013-08-21 邱笑难 一种使用手势拍照的方法
CN103927668A (zh) * 2014-04-14 2014-07-16 立德高科(北京)数码科技有限责任公司 基于拍摄图片与预存图片对比结果以辨别产品真伪的方法
CN106022805A (zh) * 2016-05-25 2016-10-12 华中科技大学 一种基于标签识读的防伪溯源系统及方法
CN109117885A (zh) * 2018-08-17 2019-01-01 北方民族大学 一种基于深度学习的邮票识别方法
CN109543057A (zh) * 2018-11-20 2019-03-29 广州逗号智能零售有限公司 基于智能收银台的商品识别方法、装置、设备及存储介质
CN110084788A (zh) * 2019-04-15 2019-08-02 宁波天贝文化传播有限公司 一种紧压茶外观纹理记录及识别方法
CN110245625A (zh) * 2019-06-19 2019-09-17 山东浪潮人工智能研究院有限公司 一种基于孪生神经网络的野外大熊猫识别方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101004823A (zh) * 2006-12-25 2007-07-25 刘金才 普洱茶天然纹理防伪方法
CN103259978A (zh) * 2013-05-20 2013-08-21 邱笑难 一种使用手势拍照的方法
CN103927668A (zh) * 2014-04-14 2014-07-16 立德高科(北京)数码科技有限责任公司 基于拍摄图片与预存图片对比结果以辨别产品真伪的方法
CN106022805A (zh) * 2016-05-25 2016-10-12 华中科技大学 一种基于标签识读的防伪溯源系统及方法
CN109117885A (zh) * 2018-08-17 2019-01-01 北方民族大学 一种基于深度学习的邮票识别方法
CN109543057A (zh) * 2018-11-20 2019-03-29 广州逗号智能零售有限公司 基于智能收银台的商品识别方法、装置、设备及存储介质
CN110084788A (zh) * 2019-04-15 2019-08-02 宁波天贝文化传播有限公司 一种紧压茶外观纹理记录及识别方法
CN110245625A (zh) * 2019-06-19 2019-09-17 山东浪潮人工智能研究院有限公司 一种基于孪生神经网络的野外大熊猫识别方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113920416A (zh) * 2021-10-08 2022-01-11 深圳爱莫科技有限公司 一种基于图像识别的雪茄烟身份辨别方法、系统及存储介质

Similar Documents

Publication Publication Date Title
US10853705B2 (en) Collation/retrieval system, collation/retrieval server, image feature extraction apparatus, collation/retrieval method, and program
CN109684987B (zh) 一种基于证件的身份验证系统及方法
CN104464079B (zh) 基于模板特征点及其拓扑结构的多币种面值识别方法
US20150117701A1 (en) Digital fingerprinting object authentication and anti-counterfeiting system
CN105051753A (zh) 指纹录入算法
CN110008909A (zh) 一种基于ai的实名制业务实时稽核系统
JP5372183B2 (ja) 硬貨分類装置および硬貨分類方法
KR102102403B1 (ko) 위조 영상 인쇄물 감식을 통한 코드인증방법과 그 응용 시스템
JP2006301881A (ja) 貨幣識別装置、貨幣識別方法および貨幣識別プログラム
CN111832760B (zh) 一种基于视觉算法的井盖自动巡检方法
CN103353990A (zh) 一种基于感知哈希的智能纹理防伪方法
Wild et al. Comparative test of smartphone finger photo vs. touch-based cross-sensor fingerprint recognition
CN111444840A (zh) 一种套牌车辆自动检测方法及系统
EP3203416A1 (en) Method computer program and system for facial recognition
CN106991448A (zh) 一种人像比对处理方法
CN108960850B (zh) 防伪方法及装置、防伪溯源系统
CN111523910A (zh) 一种基于Siamese Network的茶砖识别方法及系统
US20210064940A1 (en) Locating method and a locator system for locating a billet in a stack of billets
CN101583978B (zh) 媒介识别装置及采用其区分媒介类型的方法
CN116451727B (zh) 一种基于人工智能对rfid标签连续赋码的方法
CN108254380A (zh) 基于数字图像处理的pcb电路板模板比对方法
CN114757317B (zh) 防伪纹理图案的制作及其验证方法
Shinde et al. Identification of fake currency using soft computing
CN110046686A (zh) 一种标识物品唯一性的物本码方法
CN115690027A (zh) 一种适用于物体自身纹理的通用特征检索防伪方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200811

RJ01 Rejection of invention patent application after publication