CN115496506A - 一种商品的真伪检测方法、装置、设备及介质 - Google Patents

一种商品的真伪检测方法、装置、设备及介质 Download PDF

Info

Publication number
CN115496506A
CN115496506A CN202211078191.4A CN202211078191A CN115496506A CN 115496506 A CN115496506 A CN 115496506A CN 202211078191 A CN202211078191 A CN 202211078191A CN 115496506 A CN115496506 A CN 115496506A
Authority
CN
China
Prior art keywords
commodity
authenticity
characteristic information
detected
target
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
CN202211078191.4A
Other languages
English (en)
Inventor
王培旭
宫静
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.)
Iray Technology Co Ltd
Original Assignee
Iray Technology 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 Iray Technology Co Ltd filed Critical Iray Technology Co Ltd
Priority to CN202211078191.4A priority Critical patent/CN115496506A/zh
Publication of CN115496506A publication Critical patent/CN115496506A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/018Certifying business or products
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/60Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Inspection Of Paper Currency And Valuable Securities (AREA)

Abstract

本申请公开了一种商品的真伪检测方法、装置、设备及介质,属于防伪技术领域,该方法包括:获取待检测商品所对应目标图像的特征信息,得到目标识别信息,将其与预设特征信息进行比较,得到目标比较结果;其中,预设特征信息为商品上防伪标识所对应的特征信息,且防伪标识使用与商品的基底发射率不同的材料制备而成;根据目标比较结果确定待检测商品的真伪。由于防伪标识是根据材料固有的物理属性发射率来制备,这样不仅可以增加它的伪造难度,而且,在对商品进行真伪辨识时无需添加发光热源,直接利用防伪标识所具有的特征信息就可以准确判断出商品的真伪性,不会受到其它不可控因素的干扰,所以,该方法就可以提高商品辨识结果的准确性与可靠性。

Description

一种商品的真伪检测方法、装置、设备及介质
技术领域
本发明涉及防伪技术领域,特别涉及一种商品的真伪检测方法、装置、设备及介质。
背景技术
假冒伪劣商品不仅会扰乱市场秩序,而且,也会损害消费者的合法权益。在现有技术中,为了防止商品被非法分子所伪造,通常会在商品上设置物理防伪标识。其中,物理防伪标识是使用防伪油墨进行制作,由于物理防伪标识是使用防伪油墨所具有的着色、油墨密度等特征来作为商品的防伪标志,不仅容易被非法分子所仿造,而且,在对物理防伪标识进行辨识时,还需要在物理防伪标识附近额外放置发光热源,一旦发光热源的放置位置所有偏差,就难以检测到物理防伪标识上的成像图案,这样就无法对商品的真伪性进行准确识别,并由此导致商品的辨识结果存在较高的误判率。
由此可见,如何进一步提高商品辨识结果的准确性与可靠性,是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种商品的真伪检测方法、装置、设备及介质,以进一步提高商品辨识结果的准确性与可靠性。其具体方案如下:
一种商品的真伪检测方法,包括:
获取待检测商品所对应目标图像的特征信息,得到目标识别信息;
对所述目标识别信息与预设特征信息进行比较,得到目标比较结果;其中,所述预设特征信息为商品上防伪标识所对应的特征信息,且所述防伪标识使用与所述商品的基底发射率不同的材料制备而成;
根据所述目标比较结果确定所述待检测商品的真伪。
优选的,所述获取待检测商品所对应目标图像的特征信息,得到目标识别信息的过程,包括:
获取所述待检测商品所对应的红外图像,作为所述目标图像;
对所述目标图像进行非均匀校正,并对所述目标图像进行图像增强处理,得到处理图像;
对所述处理图像进行特征提取,得到所述目标识别信息。
优选的,所述对所述目标识别信息与预设特征信息进行比较的过程,包括:
利用预设分类模型对所述目标识别信息和所述预设特征信息进行比较;其中,所述预设分类模型为根据所述防伪标识所对应的特征信息所创建的训练模型。
优选的,所述防伪标识的基底发射率能够随着温度的变化而变化,以在所述防伪标识处于升温或降温条件下所述防伪标识和所述商品之间的基底发射率差值呈现出不同的数值变化。
优选的,所述防伪标识和所述商品的基底在相同温度下所显示的发射率不同。
优选的,所述防伪标识和所述商品在可见光下的基底发射率差值小于肉眼分辨率。
优选的,所述防伪标识和所述商品的基底在红外光下的发射率差值大于0.3。
相应的,本发明还公开了一种商品的真伪检测装置,包括:
信息获取模块,用于获取待检测商品所对应目标图像的特征信息,得到目标识别信息;
特征比对模块,用于对所述目标识别信息与预设特征信息进行比较,得到目标比较结果;其中,所述预设特征信息为商品上防伪标识所对应的特征信息,且所述防伪标识使用与所述商品的基底发射率不同的材料制备而成;
结果辨别模块,用于根据所述目标比较结果确定所述待检测商品的真伪。
相应的,本发明还公开了一种商品的真伪检测装置,包括:
图像采集器,用于采集待检测商品所对应的目标图像;
云服务器,用于获取所述待检测商品所对应所述目标图像的特征信息,得到目标识别信息;对所述目标识别信息与预设特征信息进行比较,得到目标比较结果;其中,所述预设特征信息为商品上防伪标识所对应的特征信息,且所述防伪标识使用与所述商品的基底发射率不同的材料制备而成;根据所述目标比较结果确定所述待检测商品的真伪;
显示器,用于显示所述待检测商品的真伪辨识结果;
移动终端,用于对所述商品的属性信息进行更新。
相应的,本发明还公开了一种商品的真伪检测设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如前述所公开的一种商品的真伪检测方法的步骤。
相应的,本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如前述所公开的一种商品的真伪检测方法的步骤。
可见,在本发明中,首先是获取待检测商品所对应目标图像的特征信息,得到目标识别信息;对目标识别信息与预设特征信息进行比较,得到目标比较结果;其中,预设特征信息为商品上防伪标识所对应的特征信息,且防伪标识使用与商品的基底发射率不同的材料制备而成;根据目标比较结果确定待检测商品的真伪。相较于现有技术而言,由于商品上的防伪标识是根据材料固有的物理属性发射率来制备,这样不仅可以增加防伪标识的伪造难度,而且,在对商品进行真伪辨识时无需添加发光热源,直接利用防伪标识所具有的特征信息就可以准确判断出商品的真伪性,不会受到其它不可控因素的干扰,所以,通过该方法就可以进一步提高商品辨识结果的准确性与可靠性。相应的,本发明所提供的一种商品的真伪检测装置、设备及介质,同样具有上述有益效果。
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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的一种商品的真伪检测方法的流程图;
图2为本发明实施例所提供的一种商品的真伪检测装置的结构图;
图3为本发明实施例所提供的另一种商品的真伪检测装置的结构图;
图4为本发明实施例所提供的一种商品真伪检测装置对商品进行真伪检测时的示意图;
图5为本发明实施例所提供的一种商品的真伪检测设备的结构图。
具体实施方式
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,所描述的实施例仅仅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做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。
请参见图1,图1为本发明实施例所提供的一种商品的真伪检测方法的流程图,该方法包括:
步骤S11:获取待检测商品所对应目标图像的特征信息,得到目标识别信息;
步骤S12:对目标识别信息与预设特征信息进行比较,得到目标比较结果;其中,预设特征信息为商品上防伪标识所对应的特征信息,且防伪标识使用与商品的基底发射率不同的材料制备而成;
步骤S13:根据目标比较结果确定待检测商品的真伪。
在本实施例所提供的商品真伪检测方法中,是预先在正品商品上设置防伪标识,且防伪标识是使用与商品基底发射率不同的材料制备而成。其中,防伪标识可以设置为文字、条形码、二维码、图像、数字、符号或者以上几种防伪元素的组合等等。并且,本实施例对防伪标识在商品上的设置位置不作具体限定,比如:既可以将防伪标识设置在商品的表面,也可以将防伪标识设置在商品的内部,还可以是在商品的内部和外部同时设置几个防伪标识。
需要说明的是,发射率是指物体表面辐射出的能量与相同温度的黑体辐射能量的比值。黑体是一种理想化的辐射体,当光照辐射到黑体上时,黑体可以辐射出所有的能量,其表面发射率为1。物体的发射率是由物体的材质、表面纹理、拍摄角度、波长以及本身的温度所决定,在发射率的这些影响因素中,物体本身的材质属性对其发射率的影响最大,所以,在实际应用中,就可以利用物体发射率的这一属性特征来在商品上设置防伪标识。
能够想到的是,由于防伪标识是根据材料固有的物理属性发射率来制备,所以,通过这样的制备方式就可以增加防伪标识的伪造难度,并且,利用该方式制备而成的防伪标识在商品流通过程中也不易将其损坏。
当要对待检测商品进行真伪检测时,首先是获取待检测商品所对应目标图像的特征信息,得到目标识别信息。具体的,在获取得到待检测商品的目标图像之后,还需要从目标图像中获取对比度强、图像细节突出的目标识别信息。其中,目标图像既可以是待检测商品的可见光图像,也可以是待检测商品的红外图像。
当获取得到与待检测商品相对应的目标识别信息之后,再对待检测商品上检测到的目标识别信息与预设特征信息进行比较来判断待检测商品的真伪。其中,预设特征信息为商品上防伪标识所对应的特征信息,且防伪标识是使用与商品的基底发射率不同的材料制备而成。换言之,预设特征信息就是指正品商品所对应的特征信息。
在根据待检测商品的目标识别信息与预设特征信息之间的目标比较结果确定待检测商品的真伪性时,如果待检测商品上的目标识别信息与预设特征信息一致,则说明待检测商品即为正品商品;如果待检测商品上的目标识别信息与预设特征信息不一致,则说明待检测商品为假冒伪劣产品。
能够想到的是,当使用与商品基底发射率不同的材质来制备防伪标识时,只需要对待检测商品所对应的特征信息与防伪标识所对应的特征信息进行比较,就可以判断出待检测商品是否为正品。由于该方法不需要借助额外的发光热源就可以对待检测商品的真伪性进行检测,不会受到其它不可控因素的干扰,所以,通过该方法就可以提高商品辨识结果的准确性与可靠性。
可见,在本实施例中,首先是获取待检测商品所对应目标图像的特征信息,得到目标识别信息;对目标识别信息与预设特征信息进行比较,得到目标比较结果;其中,预设特征信息为商品上防伪标识所对应的特征信息,且防伪标识使用与商品的基底发射率不同的材料制备而成;根据目标比较结果确定待检测商品的真伪。相较于现有技术而言,由于商品上的防伪标识是根据材料固有的物理属性发射率来制备,这样不仅可以增加防伪标识的伪造难度,而且,在对商品进行真伪辨识时无需添加发光热源,直接利用防伪标识所具有的特征信息就可以准确判断出商品的真伪性,不会受到其它不可控因素的干扰,所以,通过该方法就可以进一步提高商品辨识结果的准确性与可靠性。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,上述步骤:获取待检测商品所对应目标图像的特征信息,得到目标识别信息的过程,包括:
获取待检测商品所对应的红外图像,作为目标图像;
对目标图像进行非均匀校正,并对目标图像进行图像增强处理,得到处理图像;
对处理图像进行特征提取,得到目标识别信息。
由于防伪标识与商品的基底发射率在红外图像中会显示出更为明显的特征信息,所以,在实际应用中可以通过采集待检测商品的红外图像来对待检测商品的真伪性进行判断。具体的,可以使用红外热像仪、红外手持终端或者红外摄像机来采集待检测商品的红外图像。
在本实施例中,为了检测出待检测商品上的特征信息,需要先使用NUC(Non-uniformity correction Algorithm,非均匀校正算法)对待检测商品所对应的红外图像进行非均匀校正来提高待检测商品的红外成像质量,并对目标图像进行图像增强处理来得到对比度明显、图像细节突出的处理图像。
由于superpoint算法不仅具有较好的鲁棒性,而且,它还具有较强的识别功能,因此,在本实施例中,在获取得到待检测商品的处理图像之后,可superpoint算法来对处理图像进行特征提取来得到与待检测商品相对应的目标识别信息。
显然,通过本实施例所提供的技术方案,就可以更为准确地从待检测商品上检测出与其相对应的特征信息。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,上述步骤:对目标识别信息与预设特征信息进行比较的过程,包括:
利用预设分类模型对目标识别信息和预设特征信息进行比较;其中,预设分类模型为根据防伪标识所对应的特征信息所创建的训练模型。
在实际应用中,还可以预先根据防伪标识所对应的特征信息来创建预设分类模型。具体的,在创建预设分类模型时,首先是采集商品上防伪标识的红外图像,然后,再利用NUC对防伪标识的红外图像进行非均匀校正,并对防伪标识的红外图像进行图像增强处理,得到防伪标识的处理图像;之后,再利用superpoint算法对防伪标识的处理图像进行特征提取,得到防伪标识所对应的特征信息。当获取得到防伪标识的特征信息之后,再利用防伪标识的特征信息对由分类算法所创建的模型进行训练,就能够得到可以对目标识别信息与预设特征信息进行比较的预设分类模型。
当获取得到了能够对待检测商品进行真伪识别的预设分类模型之后,再将待检测商品的目标识别信息输入至预设分类模型,就可以利用预设分类模型对待检测商品的目标识别信息与防伪标识所对应的特征信息进行比较,根据预设分类模型的输出结果就可以准确、快速地判断出待检测商品是否为正品。
显然,通过本实施例所提供的技术方案,不仅可以提高在对待检测商品进行真伪辨识时的检测速度,而且,也可以避免人为因素对待检测商品检测结果的影响,由此就可以进一步提高在对待检测商品进行真伪辨识时的精确度。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,防伪标识的基底发射率能够随着温度的变化而变化,以在防伪标识处于升温或降温条件下防伪标识和商品之间的基底发射率差值呈现出不同的数值变化。
可以理解的是,商品的种类成千上万,而每一种类别的商品都会有其对应的使用属性或性能。有的商品在使用过程中还会出现升温或者降温的变化。比如:电饭煲、热水壶等商品在使用过程其内部温度就会上升,而冰箱在使用过程中其内部温度就会下降。如果在此类商品上能够设置基底发射率随温度变化而变化的防伪标识,那么防伪标识在处于升温或者降温条件下时防伪标识和商品之间的基底发射率差值就会呈现出不同的数值变化。在此状况下,防伪标识所对应的特征信息就会更加明显。因此,在实际应用中,还可以利用此类防伪标识所具有的属性特征来判断待检测商品的真伪性。
换言之,当商品在使用过程中会出现温度变化时,那么在选取商品上防伪标识的制备材料时,就可以将防伪标识的基底发射率是否能够随着温度变化而变化作为一种筛选标准来选取防伪标识的制备材料。
显然,通过本实施例所提供的技术方案,就可以准确地判断出待检测商品是否为正品。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,防伪标识和商品的基底在相同温度下所显示的发射率不同。
可以理解的是,在实际应用中,我们在商品上设置防伪标识时,只会在商品上的小部分区域内设置防伪标识,防伪标识相较于整个商品而言,其空间占用量特别小。在此情况下,商品和防伪标识的温度基本上不会相差太多。比如:当我们在窗帘上设置一个小的防伪标识时,防伪标识相较于整个窗帘而言,其空间占用量足够小,所以,窗帘上的防伪标识和窗帘在相同的检测环境中基本会呈现出相同的温度值。
因此,在选取此类商品防伪标识的制作材料时,就可以选取在相同温度下能够与商品的基底显示不同发射率的材质来制备防伪标识。能够想到的是,当防伪标识与商品的基底在相同温度下所显示的发射率不同时,利用红外成像技术就可以在红外图像中更为清楚地观测到商品上防伪标识所具有的特征信息。根据商品上防伪标识的这一属性特征就可以准确地检测出待检测商品是否为正品。
显然,通过本实施例所提供的这一技术方案,就可以相对提高本申请所提供商品真伪检测方法在实际应用中的普适性。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,防伪标识和商品在可见光下的基底发射率差值小于肉眼分辨率。
在实际应用中,有时为了不影响商品的使用体验,通常不会在商品上设置任何防伪标识。比如:一般不会在工艺品上设置防伪标识来影响工艺品的观赏性。在此情况下,为了保证这些商品不被非法分子所伪造,我们在选取商品上防伪标识的制备材料时,还可以将防伪标识和商品在可见光下的基底发射率差值小于肉眼分辨率作为筛选标准来选取商品上防伪标识的制作材料。其中,肉眼分辨率是指普通人眼在可见光下能够分辨商品和防伪标识基底制作材料的极限值。
比如:在制作书画作品的防伪标识时,就可以选取与书画作品在可见光下发射率差值较小的氧化铜来制作书画作品的防伪标签。由于氧化铜与书画上字画部分的基底材料颜色相近,所以,当利用氧化铜来制作书画作品的防伪标签时,不仅不会影响用户在欣赏书画作品时的用户体验,而且,利用氧化铜制作的防伪标识也可以判断书画作品是否为正品。
能够想到的是,当防伪标识和商品在可见光下的基底发射率差值小于肉眼分辨率时,肉眼在可见光下几乎不会在商品上看到防伪标识的存在,这样不仅可以增加非法分子对此类商品的伪造难度,而且,也可以进一步增加用户在使用该类商品时的用户体验。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,防伪标识和商品的基底在红外光下的发射率差值大于0.3。
在实际应用中,为了相对降低在对商品进行真伪检测时的难度,在选取商品上防伪标识的制作材料时,还可以将防伪标识和商品的基底在红外光下的发射率差值大于0.3作为筛选标准来选取商品上防伪标识的制作材料。
因为当将防伪标识和商品的基底在红外光下的发射率差值设置为大于0.3的数值时,防伪标识和商品的基底在红外光下的发射率就会显示出较为明显的差异性,所以,利用防伪标识的这一属性特征就能够较为容易的确定出待检测商品的真伪性。当然,在实际应用中,还可以根据商品基底的具体材质属性对防伪标识和商品的基底在红外光下的发射率差值作适应性的调整,此处不作具体赘述。
换言之,为了能够准确提取出商品上防伪标识的特征信息,在实际应用中,我们就可以选取与商品的基底在红外光下发射率差值较大的材料来制备防伪标识。比如:在制作皮包的防伪标识时,假设皮包的材质为牛皮,我们就可以选取与牛皮在红外光下发射率差值较大的金属材料来制作皮包的防伪标识。能够想到的是,当使用金属材料来制作皮包的防伪标识时,既可以将金属材质所具有的特征信息作为辨识皮包真伪性的判断标准,也可以利用金属材质来装饰皮包,这样也不会影响用户在使用皮包时的用户体验。
显然,通过本实施例所提供的技术方案,不仅可以相对提高在对待检测商品进行检测时的难度,而且,也可以进一步提高在对待检测商品进行检测时的辨识精度。
请参见图2,图2为本发明实施例所提供的一种商品的真伪检测装置的结构图,该装置包括:
信息获取模块21,用于获取待检测商品所对应目标图像的特征信息,得到目标识别信息;
特征比对模块22,用于对目标识别信息与预设特征信息进行比较,得到目标比较结果;其中,预设特征信息为商品上防伪标识所对应的特征信息,且防伪标识使用与商品的基底发射率不同的材料制备而成;
结果辨别模块23,用于根据目标比较结果确定待检测商品的真伪。
本发明实施例所提供的一种商品的真伪检测装置,具有前述所公开的一种商品的真伪检测方法所具有的有益效果。
请参见图3,图3为本发明实施例所提供的另一种商品的真伪检测装置的结构图,该装置包括:
图像采集器31,用于采集待检测商品所对应的目标图像;
云服务器32,用于获取待检测商品所对应目标图像的特征信息,得到目标识别信息;对目标识别信息与预设特征信息进行比较,得到目标比较结果;其中,预设特征信息为商品上防伪标识所对应的特征信息,且防伪标识使用与商品的基底发射率不同的材料制备而成;根据目标比较结果确定待检测商品的真伪;
显示器33,用于显示待检测商品的真伪辨识结果;
移动终端34,用于对商品的属性信息进行更新。
在本实施例中,还提供了一种与上述所提供商品真伪检测方法相适配的检测装置,在该装置中是设置有图像采集器31、云服务器32、显示器33和移动终端34;其中,图像采集器31用于对待检测商品的图像进行采集;云服务器32用于执行前述所共公开的一种商品真伪检测方法所涉及到的步骤。显示器33用于显示云服务器对待检测商品进行真伪检测的辨识结果;由于商品在流通过程中还可能会出现更新换代的情况,所以,为了使得云服务器上能够全面、完整地存储商品的属性信息,还需要利用移动终端34对商品的属性信息进行更新与维护。
请参见图4,图4为本发明实施例所提供的一种商品真伪检测装置对商品进行真伪检测时的示意图。在图4中,30表示待检测商品A1、35表示通信模块。其中,通信模块35支持蓝牙、WiFi(无线网络通信技术)等通信协议;云服务器32中还设置有数据处理单元以及由EMMC(Embedded Multi Media Card,内嵌式存储器)和SD卡(Secure Digital MemoryCard,安全数码卡)等存储介质所组成的存储单元。
在该检测装置中,需要预先将与待检测商品A1相同产品规格商品A0上防伪标识的特征信息存储至云服务器32的存储单元。当要对待检测商品A1进行真伪检测时,图像采集器31首先会采集待检测商品A1的红外图像,然后,再利用NUC对待检测商品A1的红外图像进行非均匀校正,并对待检测商品A1的红外图像进行图像增强处理,得到对比度更强、图像细节更突出的处理图像;之后,再利用superpoint算法对待检测商品A1的处理图像进行特征提取,得到与待检测商品A1所对应的识别信息。
当图像采集器31获取得到待检测商品A1的识别信息之后,图像采集器31就会通过通信模块35将待检测商品A1的识别信息发送至云服务器32。当云服务器32接收到由图像采集器31所发送待检测商品A1的识别信息之后,云服务器32就会调用数据处理单元对待检测商品A1的识别信息进行分析,并从存储单元中调取与待检测商品A1相对应商品A0上防伪标识所具有的特征信息;然后,数据处理单元就会对待检测商品A1的识别信息与商品A0上防伪标识的特征信息进行比较。如果待检测商品A1的识别信息与商品A0上防伪标识的特征信息一致,则说明待检测商品A1为正品;如果待检测商品A1的识别信息与商品A0上防伪标识的特征信息不一致,则说明待检测商品A1为假冒伪劣产品。
能够想到的是,当将云服务器32作为信息处理中心以及数据存储中心时,不仅可以减少对商品进行真伪检测时的成本投入,而且,也可以减少商品真伪检测装置对空间体积的占用量。
当云服务器32检测出待检测商品A1是否为正品以后,就可以将待检测商品A1的辨识结果通过显示器33向用户进行显示。并且,显示器33除了可以显示待检测商品A1的辨识结果之外,还可以向用户输出有关商品A0的相关信息,比如:在显示器33上显示商品A0上防伪标识的特征信息、尺寸、大小以及商品A0的使用期限等等。
此外,由于商品A0在使用过程中,可能还会涉及到产品的升级与维护等流程,所以,在实际应用中,还可以利用移动终端34来完成对商品信息的更新与升级。具体的,移动终端34既可以是手机,也可以是计算机等智能终端设备。关于商品真伪检测装置的详细内容可参见上述实施例相关部分的描述,此处不再赘述。
综上所述,相较于现有技术中无法对待检测商品的真伪性进行准确识别而言,本申请所提供的商品真伪检测装置具有以下优点:
1)、因为商品上的防伪标识是使用与商品基底发射率不同的材料制备而成,所以,在对待检测商品进行真伪检测时就可以直接利用防伪标识的这一属性特征来判断待检测商品是否为正品。并且,在对商品进行检测时也不需要借助额外的发光热源对待检测商品进行真伪检测,这样不仅可以提高在对待检测商品进行真伪检测时的便捷度,而且,也可以提高在对待检测商品进行检测时的辨识精度。
2)、利用与商品基底发射率不同的材质来制作商品上的防伪标识时,不仅使得防伪标识不易被非法分子所仿造,而且,在物流运输中也不易将商品上的防伪标识损坏,从而影响防伪标识的完整性,由此就可以进一步提高在对待检测商品进行检测时的辨识精度。
3)、将商品防伪标识的特征信息存储至云服务器,不仅可以减少对商品真伪检测装置的成本投入,而且,也可以方便用户对商品信息进行追踪与溯源。
本实施例所提供的一种商品的真伪检测装置,具有前述所公开的一种商品的真伪检测方法所具有的有益效果。
请参见图5,图5为本发明实施例所提供的一种商品的真伪检测设备的结构图,该设备包括:
存储器41,用于存储计算机程序;
处理器42,用于执行计算机程序时实现如前述所公开的一种商品的真伪检测方法的步骤。
本发明实施例所提供的一种商品的真伪检测设备,具有前述所公开的一种商品的真伪检测方法所具有的有益效果。
相应的,本发明实施例还公开了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如前述所公开的一种商品的真伪检测方法的步骤。
本发明实施例所提供的一种计算机可读存储介质,具有前述所公开的一种商品的真伪检测方法所具有的有益效果。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种商品的真伪检测方法、装置、设备及介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。

Claims (11)

1.一种商品的真伪检测方法,其特征在于,包括:
获取待检测商品所对应目标图像的特征信息,得到目标识别信息;
对所述目标识别信息与预设特征信息进行比较,得到目标比较结果;其中,所述预设特征信息为商品上防伪标识所对应的特征信息,且所述防伪标识使用与所述商品的基底发射率不同的材料制备而成;
根据所述目标比较结果确定所述待检测商品的真伪。
2.根据权利要求1所述的真伪检测方法,其特征在于,所述获取待检测商品所对应目标图像的特征信息,得到目标识别信息的过程,包括:
获取所述待检测商品所对应的红外图像,作为所述目标图像;
对所述目标图像进行非均匀校正,并对所述目标图像进行图像增强处理,得到处理图像;
对所述处理图像进行特征提取,得到所述目标识别信息。
3.根据权利要求1所述的真伪检测方法,其特征在于,所述对所述目标识别信息与预设特征信息进行比较的过程,包括:
利用预设分类模型对所述目标识别信息和所述预设特征信息进行比较;其中,所述预设分类模型为根据所述防伪标识所对应的特征信息所创建的训练模型。
4.根据权利要求1所述的真伪检测方法,其特征在于,所述防伪标识的基底发射率能够随着温度的变化而变化,以在所述防伪标识处于升温或降温条件下所述防伪标识和所述商品之间的基底发射率差值呈现出不同的数值变化。
5.根据权利要求1所述的真伪检测方法,其特征在于,所述防伪标识和所述商品的基底在相同温度下所显示的发射率不同。
6.根据权利要求1所述的真伪检测方法,其特征在于,所述防伪标识和所述商品在可见光下的基底发射率差值小于肉眼分辨率。
7.根据权利要求1至6任一项所述的真伪检测方法,其特征在于,所述防伪标识和所述商品的基底在红外光下的发射率差值大于0.3。
8.一种商品的真伪检测装置,其特征在于,包括:
信息获取模块,用于获取待检测商品所对应目标图像的特征信息,得到目标识别信息;
特征比对模块,用于对所述目标识别信息与预设特征信息进行比较,得到目标比较结果;其中,所述预设特征信息为商品上防伪标识所对应的特征信息,且所述防伪标识使用与所述商品的基底发射率不同的材料制备而成;
结果辨别模块,用于根据所述目标比较结果确定所述待检测商品的真伪。
9.一种商品的真伪检测装置,其特征在于,包括:
图像采集器,用于采集待检测商品所对应的目标图像;
云服务器,用于获取所述待检测商品所对应所述目标图像的特征信息,得到目标识别信息;对所述目标识别信息与预设特征信息进行比较,得到目标比较结果;其中,所述预设特征信息为商品上防伪标识所对应的特征信息,且所述防伪标识使用与所述商品的基底发射率不同的材料制备而成;根据所述目标比较结果确定所述待检测商品的真伪;
显示器,用于显示所述待检测商品的真伪辨识结果;
移动终端,用于对所述商品的属性信息进行更新。
10.一种商品的真伪检测设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的一种商品的真伪检测方法的步骤。
11.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种商品的真伪检测方法的步骤。
CN202211078191.4A 2022-09-05 2022-09-05 一种商品的真伪检测方法、装置、设备及介质 Pending CN115496506A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211078191.4A CN115496506A (zh) 2022-09-05 2022-09-05 一种商品的真伪检测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211078191.4A CN115496506A (zh) 2022-09-05 2022-09-05 一种商品的真伪检测方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN115496506A true CN115496506A (zh) 2022-12-20

Family

ID=84467752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211078191.4A Pending CN115496506A (zh) 2022-09-05 2022-09-05 一种商品的真伪检测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115496506A (zh)

Similar Documents

Publication Publication Date Title
US11657241B2 (en) Authentication systems and methods
US20200226366A1 (en) Controlled authentication of physical objects
US10872265B2 (en) Database for detecting counterfeit items using digital fingerprint records
EP3311337B1 (en) Methods and a computing device for determining whether a mark is genuine
CN104021207B (zh) 一种基于图像的食物信息提供方法
US9195870B2 (en) Copy-resistant symbol having a substrate and a machine-readable symbol instantiated on the substrate
US9483677B2 (en) Machine-readable symbols
CN107645925B (zh) 用于测量头发直径的系统和方法
JP6181885B2 (ja) 印刷アイテムの識別子を検証するための方法およびシステム
CN115496506A (zh) 一种商品的真伪检测方法、装置、设备及介质
US10192089B1 (en) Systems and methods for authentication of consumer products
US9626540B1 (en) Secure wire marking for identification and authentication
CN111932281A (zh) 一种防伪检测方法及装置
CN111932282A (zh) 一种防伪检测方法及装置
CN115994997A (zh) 具有鉴定功能的二手奢侈品交易平台、系统及方法
CN111932283A (zh) 一种防伪检测方法及装置
CN114219056A (zh) 一种线条镭射标签的鉴伪方法
CN115797758A (zh) 多光谱矿物分选方法、装置、计算机设备及存储介质
CN109446446A (zh) 一种基于序贯图像识别的信息码导引识别方法

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