CN112990943B - 基于生物资产的图像信息识别实现区块链预言机的方法及系统 - Google Patents
基于生物资产的图像信息识别实现区块链预言机的方法及系统 Download PDFInfo
- Publication number
- CN112990943B CN112990943B CN202110282361.XA CN202110282361A CN112990943B CN 112990943 B CN112990943 B CN 112990943B CN 202110282361 A CN202110282361 A CN 202110282361A CN 112990943 B CN112990943 B CN 112990943B
- Authority
- CN
- China
- Prior art keywords
- biological
- asset
- information
- data
- module
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/12—Applying verification of the received information
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于生物资产的图像信息识别实现区块链预言机的方法及系统,包括:利用终端设备采集生物资产的生物信息和生物资产的真实图片;通过图像模块获取当前生物资产的图像数据;将数据平台上生物资产的真实图片与当前生物资产的图像数据输入神经网络模型,得到当前生物资产图像信息相似度指数,并将获得的相似度指数发送至区块链预言机模块;根据生物资产的生物信息历史数据、生物资产组级信息以及历史数据发展趋势,评估当前获取的生物资产的生物信息和生物资产组级信息的可信程度;区块链预言机模块根据相似度指数、当前获取的生物资产的生物信息和生物资产组级信息的可信程度判断当前生物资产的生物信息是否可信。
Description
技术领域
本发明涉及物联网技术领域,具体地,涉及一种基于生物资产的图像信息识别实现区块链预言机的方法及系统。
背景技术
目前,物联网已成为互联网的一个重要组成部分,全球物联网设备数量保持高速增长,在未来的物联网中由于任何个人、团体、社区、组织、对象、产品、数据、服务、进程和活动都将通过物联网相互互联,而物联网中的个人数据隐私与商业机密成为制约物联网发展的重要短板,目前关于物联网安全与隐私技术的研究和解决方案并没有起到很好的保障作用,物联网安全隐患引起越来越多的担忧。
专利文献CN108306887B(申请号:201810111633.8)公开了一种基于区块链的物联网安全与数据隐私保护系统,包含与物联网设备相对应的物联网安全引擎以及与所述物联网安全引擎通信的区块链网络。访问发起方应用程序或物联网设备与被访问方物联网设备通过区块链网络进行访问会话通道建立,并根据物联网安全引擎存储的数据与对应数字权益要求,通过区块链网络完成数据使用权的有偿获取以及节点记账,所述的物联网安全引擎可自动进行数据加解密以及数据交易封装。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于生物资产的图像信息识别实现区块链预言机的方法及系统。
根据本发明提供的一种基于生物资产的图像信息识别实现区块链预言机的方法,包括:
步骤S1:基于物联网技术通过软硬件协同开发终端设备,利用终端设备采集生物资产的生物信息和生物资产的真实图片,并存储至物联网数据平台上;
步骤S2:在物联网数据平台上,将生物资产的生物信息根据实际情况管理生物资产的组级信息,组级分类包括月龄、品种和批次;
步骤S3:通过图像模块获取当前生物资产的图像数据;
步骤S4:身份识别模块将数据平台上生物资产的真实图片与当前生物资产的图像数据输入生物资产的图像信息识别神经网络模型,比对生物资产的真实图片与当前生物资产的图像数据,得到当前生物资产图像信息相似度指数,并将获得的相似度指数发送至区块链预言机模块;
步骤S5:数据校验模块根据生物资产的生物信息历史数据、生物资产组级信息以及历史数据发展趋势,使用卡尔曼滤波技术评估当前获取的生物资产的生物信息和生物资产组级信息的可信程度,并将可信程度发送至区块链预言机模块;
步骤S6:区块链预言机模块根据相似度指数、当前获取的生物资产的生物信息和生物资产组级信息的可信程度判断当前生物资产的生物信息是否可信,可信时则进行数据上链存证,否则反馈给数据平台,等待当前生物资产的生物信息修正。
优选地,所述预设生物资产的生物信息包括:生物资产本身的多维度信息和生物资产的周边信息;
所述生物资产本身的多维度信息包括体重、体温和运动情况;
所述生物资产的周边信息包括:图像、视频、饲养计划和喂食情况。
优选地,所述步骤S3中当前生物资产的图像数据包括资产本身正面、侧面照片。
优选地,所述生物资产的图像信息识别神经网络模型包括:根据预设要求选取生物资产的图像数据、相对应的生物资产的真实图片以及相应相似度指数周期性迭代训练生物资产的图像信息识别神经网络模型。
优选地,所述步骤S4包括:
步骤S4.1:从数据平台获取当前生物资产的存证图片集;
步骤S4.2:利用生物资产的图像信息识别神经网络模型,比对存证图片与当前图片,获取相似度指数,并将相似度指数发送给区块链预言机模块。
优选地,所述步骤S6包括:基于相似度指数、当前获取的生物资产的生物信息可信程度和生物资产组级信息的可信程度,根据实际情况利用包括逻辑回归、支持向量机、梯度提升树技术进行建模,按照监督学习的方式进行模型训练和迭代,最终判断数据是否可信。
根据本发明提供的一种基于生物资产的图像信息识别实现区块链预言机的系统,包括:
模块M1:基于物联网技术通过软硬件协同开发终端设备,利用终端设备采集生物资产的生物信息和生物资产的真实图片,并存储至物联网数据平台上;
模块M2:在物联网数据平台上,将生物资产的生物信息根据实际情况管理生物资产的组级信息,组级分类包括月龄、品种和批次;
模块M3:通过图像模块获取当前生物资产的图像数据;
模块M4:身份识别模块将数据平台上生物资产的真实图片与当前生物资产的图像数据输入生物资产的图像信息识别神经网络模型,比对生物资产的真实图片与当前生物资产的图像数据,得到当前生物资产图像信息相似度指数,并将获得的相似度指数发送至区块链预言机模块;
模块M5:数据校验模块根据生物资产的生物信息历史数据、生物资产组级信息以及历史数据发展趋势,使用卡尔曼滤波技术评估当前获取的生物资产的生物信息和生物资产组级信息的可信程度,并将可信程度发送至区块链预言机模块;
模块M6:区块链预言机模块根据相似度指数、当前获取的生物资产的生物信息和生物资产组级信息的可信程度判断当前生物资产的生物信息是否可信,可信时则进行数据上链存证,否则反馈给数据平台,等待当前生物资产的生物信息修正。
优选地,所述预设生物资产的生物信息包括:生物资产本身的多维度信息和生物资产的周边信息;
所述生物资产本身的多维度信息包括体重、体温和运动情况;
所述生物资产的周边信息包括:图像、视频、饲养计划和喂食情况;
所述模块M3中当前生物资产的图像数据包括资产本身正面、侧面照片。
优选地,所述模块M4包括:
模块M4.1:从数据平台获取当前生物资产的存证图片集;
模块M4.2:利用生物资产的图像信息识别神经网络模型,比对存证图片与当前图片,获取相似度指数,并将相似度指数发送给区块链预言机模块;
所述生物资产的图像信息识别神经网络模型包括:根据预设要求选取生物资产的图像数据、相对应的生物资产的真实图片以及相应相似度指数周期性迭代训练生物资产的图像信息识别神经网络模型。
优选地,所述模块M6包括:基于相似度指数、当前获取的生物资产的生物信息可信程度和生物资产组级信息的可信程度,根据实际情况利用包括逻辑回归、支持向量机、梯度提升树技术进行建模,按照监督学习的方式进行模型训练和迭代,最终判断数据是否可信。
与现有技术相比,本发明具有如下的有益效果:
1、本发明通过深度神经网络技术的高维特征、特征组合性质,实现防止伪造、减少人工成本的技术效果;
2、本发明通过卡尔曼滤波、指数加权平均技术的回溯性和预言性特征,实现异常数据发现、数据趋势分析的技术效果。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为一种基于牛脸识别实现区块链预言机的方法流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
根据本发明提供的一种基于生物资产的图像信息识别实现区块链预言机的方法,包括:
步骤S1:基于物联网技术通过软硬件协同开发终端设备,利用终端设备采集生物资产的生物信息和生物资产的真实图片,并存储至物联网数据平台上;
具体地,所述预设生物资产的生物信息包括:生物资产本身的多维度信息和生物资产的周边信息;
所述生物资产本身的多维度信息包括体重、体温和运动情况;
所述生物资产的周边信息包括:图像、视频、饲养计划和喂食情况。
步骤S2:在物联网数据平台上,将生物资产的生物信息根据实际情况管理生物资产的组级信息,组级分类包括月龄、品种和批次;
步骤S3:通过图像模块获取当前生物资产的图像数据;
具体地,所述步骤S3中当前生物资产的图像数据包括资产本身正面、侧面照片。
步骤S4:身份识别模块将数据平台上生物资产的真实图片与当前生物资产的图像数据输入生物资产的图像信息识别神经网络模型,比对生物资产的真实图片与当前生物资产的图像数据,得到当前生物资产图像信息相似度指数,并将获得的相似度指数发送至区块链预言机模块;
具体地,所述步骤S4包括:
步骤S4.1:从数据平台获取当前生物资产的存证图片集;
步骤S4.2:利用生物资产的图像信息识别神经网络模型,比对存证图片与当前图片,获取相似度指数,并将相似度指数发送给区块链预言机模块。
具体地,所述生物资产的图像信息识别神经网络模型包括:根据预设要求选取生物资产的图像数据、相对应的生物资产的真实图片以及相应相似度指数周期性迭代训练生物资产的图像信息识别神经网络模型。
步骤S5:数据校验模块根据生物资产的生物信息历史数据、生物资产组级信息以及历史数据发展趋势,使用卡尔曼滤波技术评估当前获取的生物资产的生物信息和生物资产组级信息的可信程度,并将可信程度发送至区块链预言机模块;
步骤S6:区块链预言机模块根据相似度指数、当前获取的生物资产的生物信息和生物资产组级信息的可信程度判断当前生物资产的生物信息是否可信,可信时则进行数据上链存证,否则反馈给数据平台,等待当前生物资产的生物信息修正。
具体地,所述步骤S6包括:基于相似度指数、当前获取的生物资产的生物信息可信程度和生物资产组级信息的可信程度,根据实际情况利用包括逻辑回归、支持向量机、梯度提升树技术进行建模,按照监督学习的方式进行模型训练和迭代,最终判断数据是否可信。
根据本发明提供的一种基于生物资产的图像信息识别实现区块链预言机的系统,包括:
模块M1:基于物联网技术通过软硬件协同开发终端设备,利用终端设备采集生物资产的生物信息和生物资产的真实图片,并存储至物联网数据平台上;
具体地,所述预设生物资产的生物信息包括:生物资产本身的多维度信息和生物资产的周边信息;
所述生物资产本身的多维度信息包括体重、体温和运动情况;
所述生物资产的周边信息包括:图像、视频、饲养计划和喂食情况。
模块M2:在物联网数据平台上,将生物资产的生物信息根据实际情况管理生物资产的组级信息,组级分类包括月龄、品种和批次;
模块M3:通过图像模块获取当前生物资产的图像数据;
具体地,所述模块M3中当前生物资产的图像数据包括资产本身正面、侧面照片。
模块M4:身份识别模块将数据平台上生物资产的真实图片与当前生物资产的图像数据输入生物资产的图像信息识别神经网络模型,比对生物资产的真实图片与当前生物资产的图像数据,得到当前生物资产图像信息相似度指数,并将获得的相似度指数发送至区块链预言机模块;
具体地,所述模块M4包括:
模块M4.1:从数据平台获取当前生物资产的存证图片集;
模块M4.2:利用生物资产的图像信息识别神经网络模型,比对存证图片与当前图片,获取相似度指数,并将相似度指数发送给区块链预言机模块。
具体地,所述生物资产的图像信息识别神经网络模型包括:根据预设要求选取生物资产的图像数据、相对应的生物资产的真实图片以及相应相似度指数周期性迭代训练生物资产的图像信息识别神经网络模型。
模块M5:数据校验模块根据生物资产的生物信息历史数据、生物资产组级信息以及历史数据发展趋势,使用卡尔曼滤波技术评估当前获取的生物资产的生物信息和生物资产组级信息的可信程度,并将可信程度发送至区块链预言机模块;
模块M6:区块链预言机模块根据相似度指数、当前获取的生物资产的生物信息和生物资产组级信息的可信程度判断当前生物资产的生物信息是否可信,可信时则进行数据上链存证,否则反馈给数据平台,等待当前生物资产的生物信息修正。
具体地,所述模块M6包括:基于相似度指数、当前获取的生物资产的生物信息可信程度和生物资产组级信息的可信程度,根据实际情况利用包括逻辑回归、支持向量机、梯度提升树技术进行建模,按照监督学习的方式进行模型训练和迭代,最终判断数据是否可信。
实施例2
实施例2是实施例1的变化例
本方法使用基于深度学习的图像处理技术,结合目标检测、孪生网络图片比对的技术,为生物资产的统一身份验证提供技术路径,能够有效防止生物资产个体之间的混淆、数据造假和瞒报情况。
确认目标身份后,采用多种数据手段,将待录入数据、历史数据和其他个体数据结合分析,评估待录入数据的可信程度。同时,利用区块链技术,对校验和数据录入过程进行存证和溯源。
一种基于牛脸识别实现区块链预言机的方法,包括如下角色或功能模块:
物联网设备终端:基于物联网技术,进行软硬件协同开发的终端设备,例如:IoT项圈,用于采集特定生物资产(如牛只)的生物信息。
采集生物资产本身的多维度信息,包括但不限于体重、体温、运动情况;
采集生物资产的周边信息,包括但不限于图像、视频、饲养计划、喂食情况;
将采集到的各维度数据传输到物联网数据平台上,作为待验证数据。
物联网数据平台:提供分布式数据存储,调取,管理的平台,既包括待确认数据,也包括已验证的历史数据。
按照实际情况管理生物资产的组级信息,组级分类依据包括但不限于月龄、品种、批次;
管理生物资产的元数据,存储和管理已验证的历史生物资产各维度数据。元数据包括资产身份信息,设备终端提交的各维度信息,以及相关的周边信息;
对于待确认数据,发送给基于数据分析的数值校验模块,并获取验证结果。
管理生物资产的审查元数据,包括校验模块的参考意见,修正和变更说明,风险评估;
接受来自图像模块的图像输入,包括资产本身正面、侧面照片,维护资产照片库,供基于图像技术的身份识别模块使用
结合图像模块的资产图像数据,周期性迭代训练牛脸识别神经网络,更新和存储牛脸识别神经网络模型,供基于图像技术的身份识别模块调用
基于图像技术的身份识别模块:利用神经网络模型,根据当前牛只照片,和牛只真实图片库进行验证,判断当前牛只是否和所声明的牛只身份匹配。
从物联网数据平台获取资产图像信息,包括资产本身正面、侧面照片,以及物联网终端的二维码信息;
按照二维码信息,从数据平台获取当前生物资产的存证图片集;
利用牛脸识别神经网络模型,比对存证图片与当前图片,获取相似度指数,将此相似度指数发送给区块链预言机模块,作为一个参考维度;
例如:使用业内广泛应用的Faster-RCNN模型,进行图像中牛只定位,使用孪生神经网络原理进行有监督的训练,实现图片的比对,并对不同角度下的匹配结果进行加权叠加,取得相似度指数。
基于数据分析的数值校验模块:从物联网数据平台拉取当前数据资产(牛只)的历史数据(与物联网设备终端采集的数据维度相同),以及生物资产组级统计信息(比如同月龄、品种、批次的其他牛只的数据均值、单日、五日、月平均变化量等),基于历史数据和趋势,使用卡尔曼滤波等手段评估当前数值的可信程度;
例如:基于同批次、同组的当期数据本身,以及数据相对变化,使用K最近邻算法评估数值是否正常,对于不正常数据,返回给数据平台,要求操作员进行人工复核,修改错误数据,或者对异常情况进行解释并接受异常数据;
综合各维度指标的区块链预言机:接受来自身份识别模块的图像匹配结果(相似度指数);接受来自数值校验模块的数据可信指标(历史维度和当期维度);对于图像相似性、历史维度可信性、组级维度可信性,根据实际情况利用逻辑回归、支持向量机、梯度提升树等技术手段进行建模,按照监督学习的方式进行模型训练和迭代,最终判断数据是否可信。可信则进行数据上链存证,否则反馈给数据平台,等待数据修正,或管理员审核异常后在进行上链存证。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (8)
1.一种基于生物资产的图像信息识别实现区块链预言机的方法,其特征在于,包括:使用基于深度学习的图像处理技术,结合目标检测、孪生网络图片比对技术,为生物资产的统一身份验证提供技术路径;确认目标身份后,采用多种数据手段,将待录入数据、历史数据和其他个体数据结合分析,评估待录入数据的可信程度;同时,利用区块链技术、对校验和数据录入过程进行存证和溯源;
所述基于生物资产的图像信息识别实现区块链预言机的方法,包括:
步骤S1:基于物联网技术通过软硬件协同开发终端设备,利用终端设备采集生物资产的生物信息和生物资产的真实图片,并存储至物联网数据平台上;
步骤S2:在物联网数据平台上,将生物资产的生物信息根据实际情况管理生物资产的组级信息,组级分类包括月龄、品种和批次;
步骤S3:通过图像模块获取当前生物资产的图像数据;
步骤S4:身份识别模块将数据平台上生物资产的真实图片与当前生物资产的图像数据输入生物资产的图像信息识别神经网络模型,比对生物资产的真实图片与当前生物资产的图像数据,得到当前生物资产图像信息相似度指数,并将获得的相似度指数发送至区块链预言机模块;
步骤S5:数据校验模块根据生物资产的生物信息历史数据、生物资产组级信息以及历史数据发展趋势,使用卡尔曼滤波技术评估当前获取的生物资产的生物信息和生物资产组级信息的可信程度,并将可信程度发送至区块链预言机模块;
步骤S6:区块链预言机模块根据相似度指数、当前获取的生物资产的生物信息和生物资产组级信息的可信程度判断当前生物资产的生物信息是否可信,可信时则进行数据上链存证,否则反馈给数据平台,等待当前生物资产的生物信息修正;
所述步骤S6包括:基于相似度指数、当前获取的生物资产的生物信息可信程度和生物资产组级信息的可信程度,根据实际情况利用包括逻辑回归、支持向量机、梯度提升树技术进行建模,按照监督学习的方式进行模型训练和迭代,最终判断数据是否可信。
2.根据权利要求1所述的基于生物资产的图像信息识别实现区块链预言机的方法,其特征在于,所述生物资产的生物信息包括:生物资产本身的多维度信息和生物资产的周边信息;
所述生物资产本身的多维度信息包括体重、体温和运动情况;
所述生物资产的周边信息包括:图像、视频、饲养计划和喂食情况。
3.根据权利要求1所述的基于生物资产的图像信息识别实现区块链预言机的方法,其特征在于,所述步骤S3中当前生物资产的图像数据包括资产本身正面、侧面照片。
4.根据权利要求1所述的基于生物资产的图像信息识别实现区块链预言机的方法,其特征在于,所述生物资产的图像信息识别神经网络模型包括:根据预设要求选取生物资产的图像数据、相对应的生物资产的真实图片以及相应相似度指数周期性迭代训练生物资产的图像信息识别神经网络模型。
5.根据权利要求1所述的基于生物资产的图像信息识别实现区块链预言机的方法,其特征在于,所述步骤S4包括:
步骤S4.1:从数据平台获取当前生物资产的存证图片集;
步骤S4.2:利用生物资产的图像信息识别神经网络模型,比对存证图片与当前图片,获取相似度指数,并将相似度指数发送给区块链预言机模块。
6.一种基于生物资产的图像信息识别实现区块链预言机的系统,其特征在于,包括:使用基于深度学习的图像处理技术,结合目标检测、孪生网络图片比对技术,为生物资产的统一身份验证提供技术路径;确认目标身份后,采用多种数据手段,将待录入数据、历史数据和其他个体数据结合分析,评估待录入数据的可信程度;同时,利用区块链技术、对校验和数据录入过程进行存证和溯源;
所述基于生物资产的图像信息识别实现区块链预言机的系统,包括:
模块M1:基于物联网技术通过软硬件协同开发终端设备,利用终端设备采集生物资产的生物信息和生物资产的真实图片,并存储至物联网数据平台上;
模块M2:在物联网数据平台上,将生物资产的生物信息根据实际情况管理生物资产的组级信息,组级分类包括月龄、品种和批次;
模块M3:通过图像模块获取当前生物资产的图像数据;
模块M4:身份识别模块将数据平台上生物资产的真实图片与当前生物资产的图像数据输入生物资产的图像信息识别神经网络模型,比对生物资产的真实图片与当前生物资产的图像数据,得到当前生物资产图像信息相似度指数,并将获得的相似度指数发送至区块链预言机模块;
模块M5:数据校验模块根据生物资产的生物信息历史数据、生物资产组级信息以及历史数据发展趋势,使用卡尔曼滤波技术评估当前获取的生物资产的生物信息和生物资产组级信息的可信程度,并将可信程度发送至区块链预言机模块;
模块M6:区块链预言机模块根据相似度指数、当前获取的生物资产的生物信息和生物资产组级信息的可信程度判断当前生物资产的生物信息是否可信,可信时则进行数据上链存证,否则反馈给数据平台,等待当前生物资产的生物信息修正;
所述模块M6包括:基于相似度指数、当前获取的生物资产的生物信息可信程度和生物资产组级信息的可信程度,根据实际情况利用包括逻辑回归、支持向量机、梯度提升树技术进行建模,按照监督学习的方式进行模型训练和迭代,最终判断数据是否可信。
7.根据权利要求6所述的基于生物资产的图像信息识别实现区块链预言机的系统,其特征在于,所述生物资产的生物信息包括:生物资产本身的多维度信息和生物资产的周边信息;
所述生物资产本身的多维度信息包括体重、体温和运动情况;
所述生物资产的周边信息包括:图像、视频、饲养计划和喂食情况;
所述模块M3中当前生物资产的图像数据包括资产本身正面、侧面照片。
8.根据权利要求6所述的基于生物资产的图像信息识别实现区块链预言机的系统,其特征在于,所述模块M4包括:
模块M4.1:从数据平台获取当前生物资产的存证图片集;
模块M4.2:利用生物资产的图像信息识别神经网络模型,比对存证图片与当前图片,获取相似度指数,并将相似度指数发送给区块链预言机模块;
所述生物资产的图像信息识别神经网络模型包括:根据预设要求选取生物资产的图像数据、相对应的生物资产的真实图片以及相应相似度指数周期性迭代训练生物资产的图像信息识别神经网络模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110282361.XA CN112990943B (zh) | 2021-03-16 | 2021-03-16 | 基于生物资产的图像信息识别实现区块链预言机的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110282361.XA CN112990943B (zh) | 2021-03-16 | 2021-03-16 | 基于生物资产的图像信息识别实现区块链预言机的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112990943A CN112990943A (zh) | 2021-06-18 |
CN112990943B true CN112990943B (zh) | 2023-04-07 |
Family
ID=76336007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110282361.XA Active CN112990943B (zh) | 2021-03-16 | 2021-03-16 | 基于生物资产的图像信息识别实现区块链预言机的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990943B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114170689A (zh) * | 2021-09-06 | 2022-03-11 | 北京天德科技有限公司 | 一种区块链预言机中伪造人脸图像的检测方法和系统 |
CN115618427B (zh) * | 2022-12-19 | 2023-03-28 | 广东采日能源科技有限公司 | 数据上链方法、装置及数据平台 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105203924A (zh) * | 2015-10-10 | 2015-12-30 | 上海博英信息科技有限公司 | 一种用电趋势异常嫌疑分析方法及反窃电监控系统 |
CN108429619A (zh) * | 2018-01-18 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 身份认证方法和系统 |
CN108960209A (zh) * | 2018-08-09 | 2018-12-07 | 腾讯科技(深圳)有限公司 | 身份识别方法、装置及计算机可读存储介质 |
CN110659519A (zh) * | 2019-11-18 | 2020-01-07 | 陕西品漠农牧科技发展有限公司 | 一种基于区块链、时间戳、地理位置的凭证制作方法 |
CN112150266A (zh) * | 2020-05-07 | 2020-12-29 | 北京天德科技有限公司 | 一种智能合约预言机设计原则 |
-
2021
- 2021-03-16 CN CN202110282361.XA patent/CN112990943B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105203924A (zh) * | 2015-10-10 | 2015-12-30 | 上海博英信息科技有限公司 | 一种用电趋势异常嫌疑分析方法及反窃电监控系统 |
CN108429619A (zh) * | 2018-01-18 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 身份认证方法和系统 |
CN108960209A (zh) * | 2018-08-09 | 2018-12-07 | 腾讯科技(深圳)有限公司 | 身份识别方法、装置及计算机可读存储介质 |
CN110659519A (zh) * | 2019-11-18 | 2020-01-07 | 陕西品漠农牧科技发展有限公司 | 一种基于区块链、时间戳、地理位置的凭证制作方法 |
CN112150266A (zh) * | 2020-05-07 | 2020-12-29 | 北京天德科技有限公司 | 一种智能合约预言机设计原则 |
Also Published As
Publication number | Publication date |
---|---|
CN112990943A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11848758B1 (en) | Secure messaging in a blockchain network | |
US11764959B1 (en) | Neural network classifiers for block chain data structures | |
CN112990943B (zh) | 基于生物资产的图像信息识别实现区块链预言机的方法及系统 | |
US20180268015A1 (en) | Method and apparatus for locating errors in documents via database queries, similarity-based information retrieval and modeling the errors for error resolution | |
CN108182515B (zh) | 智能规则引擎规则输出方法、设备及计算机可读存储介质 | |
CN113726784B (zh) | 一种网络数据的安全监控方法、装置、设备及存储介质 | |
US11769577B1 (en) | Decentralized identity authentication framework for distributed data | |
US20210351927A1 (en) | System, method and computer program product for mitigating customer onboarding risk | |
CN112288279A (zh) | 基于自然语言处理和线性回归的业务风险评估方法和装置 | |
Shahriar et al. | A survey of privacy risks and mitigation strategies in the Artificial Intelligence life cycle | |
CN116823428A (zh) | 一种反欺诈检测方法、装置、设备及存储介质 | |
Yang et al. | fullROC: An R package for generating and analyzing eyewitness-lineup ROC curves | |
Faqir | Digital Criminal Investigations in the Era of Artificial Intelligence: A Comprehensive Overview | |
US11714532B2 (en) | Generating presentation information associated with one or more objects depicted in image data for display via a graphical user interface | |
KR20180048172A (ko) | 특허 정보 활용 기업 추천 시스템, 그 시스템의 정보 처리 방법 및 그 정보 처리 방법이 기록된 기록 매체 | |
CN115544556A (zh) | 一种信息处理方法、系统、存储介质及电子设备 | |
Berghoff et al. | Towards auditable ai systems | |
PK et al. | Fraud detection and prevention by face recognition with and without mask for banking application | |
KumarTripathi | Discrimination prevention with classification and privacy preservation in data mining | |
Malik et al. | Big Data: Risk Management & Software Testing | |
Goldenfein | Privacy's Loose Grip on Facial Recognition-Law and the Operational Image | |
US12028452B2 (en) | Establishing a trained machine learning classifier in a blockchain network | |
Srivastava | Transformative Data Management Technique: Redefining Artificial Intelligence (AI) | |
CN114373207A (zh) | 一种权限确认方法、门禁设备及存储介质 | |
Faria | Financial interpretability with intelligent methods understanding intelligent decisionmaking systems with knowledge transfer |
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 |