CN115660395B - 一种基于人工智能的产品防伪方法 - Google Patents

一种基于人工智能的产品防伪方法 Download PDF

Info

Publication number
CN115660395B
CN115660395B CN202211362435.1A CN202211362435A CN115660395B CN 115660395 B CN115660395 B CN 115660395B CN 202211362435 A CN202211362435 A CN 202211362435A CN 115660395 B CN115660395 B CN 115660395B
Authority
CN
China
Prior art keywords
counterfeiting
product
analysis object
analysis
parameter
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
CN202211362435.1A
Other languages
English (en)
Other versions
CN115660395A (zh
Inventor
习海旭
高桂平
周兵
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.)
Jiangsu University of Technology
Original Assignee
Jiangsu University of Technology
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 Jiangsu University of Technology filed Critical Jiangsu University of Technology
Priority to CN202211362435.1A priority Critical patent/CN115660395B/zh
Publication of CN115660395A publication Critical patent/CN115660395A/zh
Application granted granted Critical
Publication of CN115660395B publication Critical patent/CN115660395B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Ink Jet Recording Methods And Recording Media Thereof (AREA)
  • Ink Jet (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种基于人工智能的产品防伪方法,涉及产品防伪技术领域,解决了现有技术中,产品防伪过程中缺少针对性,以至于防伪的准确性以及高效性降低的技术问题,将产品生产工序进行质量检查,针对存在伪造风险的工序,通过工序对应产品性能参数作为防伪标准,同时根据对应工序检测构建防伪图形;将产品流通过程根据防伪图像进行防伪验证,在产品流通过程中将其进行防伪控制,保证经销商和售货商的利益,提高了市场内产品的防伪控制力度,增强防伪控制的工作效率;在该过程中若防伪控制产品出现伪造风险时,则能够准确分析出对应出现伪造的流通环节,提高了防伪溯源的准确性以及及时性。

Description

一种基于人工智能的产品防伪方法
技术领域
本发明涉及产品防伪技术领域,具体为一种基于人工智能的产品防伪方法。
背景技术
产品防伪是指产品在生产销售中的产品,为了防止假冒伪劣产品出现的一种手段,产品防伪现在主要以粘贴在产品的表面或隐藏至产品中。防伪技术就是指防止伪造、假冒的技术,且该产品所制成的防伪产品易于被消费者或者贸易者通过简单的识别手段来识别产品的真伪。防伪技术应该有难以复制和仿制,复制和仿制所需设备投资大,防伪产品本身价格合理,易于检验、制作,产品的防伪标识不能去除下来而进行重复使用的特点。
但是在现有技术中,产品防伪过程中缺少针对性,以至于防伪的准确性以及高效性降低,同时无法将产品流通进行防伪控制,以至于在出现伪造产品时无法及时进行溯源。
针对上述的技术缺陷,现提出一种基于人工智能的产品防伪方法。
发明内容
本发明的目的就在于为了解决上述提出的问题,而提出一种基于人工智能的产品防伪方法,将产品生产工序进行质量检查,针对存在伪造风险的工序,通过工序对应产品性能参数作为防伪标准,同时根据对应工序检测构建防伪图形;将产品流通过程根据防伪图像进行防伪验证,在产品流通过程中将其进行防伪控制,保证经销商和售货商的利益,提高了市场内产品的防伪控制力度,增强防伪控制的工作效率;在该过程中若防伪控制产品出现伪造风险时,则能够准确分析出对应出现伪造的流通环节,提高了防伪溯源的准确性以及及时性。
本发明的目的可以通过以下技术方案实现:
一种基于人工智能的产品防伪方法,具体产品防伪方法步骤如下:
步骤一、产品需求分析,将产品的市场需求进行分析,从而分析产品出现伪造的风险,根据市场分析准确判断产品在市场内的定位,从而判断该产品是否存在伪造风险;
步骤二、产品功能需求,将存在伪造风险的产品进行性能参数分析,判断性能参数的优异性,从而判断产品存在伪造风险的工序;
步骤三、产品工序质量检查,将产品生产工序进行质量检查,针对存在伪造风险的工序,通过工序对应产品性能参数作为防伪标准,同时根据对应工序检测构建防伪图形;
步骤四、流通过程防伪,将产品流通过程根据防伪图像进行防伪验证,在产品流通过程中将其进行防伪控制。
作为本发明的一种优选实施方式,步骤一中产品需求分析过程如下:
将实时生产的产品标记为分析对象,设置标号i,i为大于1的自然数,采集到分析对象在对应市场内需求量增加速度以及对应市场内分析对象的平均流通时长,并将分析对象对应市场的需求量增加速度以及对应市场内分析对象的平均流通时长分别标记为ZJVi和LTSi;通过公式
Figure BDA0003923155840000021
获取到分析对象的市场需求分析系数Xi,其中,a1和a2均为预设比例系数,且a1>a2>0,β为误差修正因子,取值为0.986;将分析对象的市场需求分析系数与市场需求分析系数阈值进行比较:
若分析对象的市场需求分析系数超过市场需求分析系数阈值,则判定分析对象的市场需求大,将对应分析对象标记为高伪造风险产品;若分析对象的市场需求分析系数未超过市场需求分析系数阈值,则判定分析对象的市场需求小,将对应分析对象标记为低伪造风险产品。
作为本发明的一种优选实施方式,步骤二中产品功能分析过程如下:
将分析对象的功能参数进行分析,功能参数表示为分析对象的性能参数,如分析对象为手电筒时,分析对象的性能参数则为光强度、持续运行时长等参数;将功能参数划分为正比参数和反比参数;
采集到分析对象在同类产品中正比参数的数值高出量以及对应分析对象的反比参数数值降低浮动的频率,并将分析对象在同类产品中正比参数的数值高出量以及对应分析对象的反比参数数值降低浮动的频率分别与数值高出量阈值和数值降低浮动频率阈值进行比较:
若分析对象在同类产品中正比参数的数值高出量超过数值高出量阈值,且对应分析对象的反比参数数值降低浮动的频率未超过数值降低浮动频率阈值,则判定对应分析对象的功能分析优越,将对应分析对象标记为高性能产品;若分析对象在同类产品中正比参数的数值高出量未超过数值高出量阈值,或者对应分析对象的反比参数数值降低浮动的频率超过数值降低浮动频率阈值,则判定对应分析对象的功能分析非优越,将对应分析对象标记为低性能产品。
作为本发明的一种优选实施方式,步骤三中产品工序质量检查过程如下:
若分析对象为高性能产品且为高伪造风险产品,则将其标记为防伪控制产品,并将防伪控制产品对应高数值正比参数或者低数值反比参数标记为针对参数,且将防伪控制产品的针对参数对应生产工序标记为质量检查工序;
在防伪控制产品的生成过程中处于质量检查工序时,将对应防伪控制产品进行质量检查,设置质量检查时间段且质量检查时间段仍处于质量检查工序执行时间段内,以质量检查时间段作为X轴,以针对参数作为Y轴;将质量检查时间段划分为k个时间点,k为大于1的自然数,且k个时间点在X轴上等距分布;
将质量检查时间段内各个时间点的针对参数数值代入坐标系,根据各个时间点的针对参数数值构建产品性能曲线,若产品性能曲线的峰值或者谷值均处于对应数值阈值范围内,且相邻子时间点的针对参数数值差值未超过数值差值阈值,判定对应质量检查时间段内产品性能参数合格,并将对应质量检查时间段内产品性能曲线作为对应防伪控制产品的防伪图形,在质量检查工序完成后,在防伪控制产品的防伪图形上设置时间戳,并将防伪控制产品编号、防伪图形以及时间戳一同进行存储;若产品性能曲线的峰值或者谷值未均处于对应数值阈值范围内,或者相邻子时间点的针对参数数值差值超过数值差值阈值,判定对应质量检查时间段内产品性能参数不合格,并将对应质量检查时间段内质量检查工序进行整顿。
作为本发明的一种优选实施方式,步骤四中流通过程防伪步骤如下:
将防伪控制产品流通过程进行防伪验证,当防伪控制产品流通至经销商时,将防伪控制产品实时匹配的防伪图形与对应存储的防伪图形进行比对,若实时匹配的防伪图形与对应存储的防伪图形各个折点斜率一致,则判定当前防伪控制产品防伪检查合格,并将对应产品设置经销商的检查时间戳,同时根据防伪图形比对的对应折点以及折点序号作为防伪码,并将其进行储存;若实时匹配的防伪图形与对应存储的防伪图形各个折点斜率未一致,则判定当前防伪控制产品防伪检查不合格,将对应防伪控制产品标记为伪造产品;
将防伪控制产品从经销商流通至售货商时,将防伪控制产品的实时防伪码与经销商对应存储的防伪码进行比对,若一致,则判定防伪控制产品为未仿造产品;若不一致,则判定防伪控制产品为仿造产品。
与现有技术相比,本发明的有益效果是:
本发明中,将产品的市场需求进行分析,从而分析产品出现伪造的风险,根据市场分析准确判断产品在市场内的定位,从而判断该产品是否存在伪造风险,提高了防伪的针对性以及增强防伪的价值意义;将存在伪造风险的产品进行性能参数分析,判断性能参数的优异性,从而判断产品存在伪造风险的工序,以至于能够将产品工序进行针对性防伪控制;将产品生产工序进行质量检查,针对存在伪造风险的工序,通过工序对应产品性能参数作为防伪标准,同时根据对应工序检测构建防伪图形;将产品流通过程根据防伪图像进行防伪验证,在产品流通过程中将其进行防伪控制,保证经销商和售货商的利益,提高了市场内产品的防伪控制力度,增强防伪控制的工作效率;在该过程中若防伪控制产品出现伪造风险时,则能够准确分析出对应出现伪造的流通环节,提高了防伪溯源的准确性以及及时性。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明一种基于人工智能的产品防伪方法的方法流程图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在一实施例中,请参阅图1所示,一种基于人工智能的产品防伪方法,具体产品防伪方法步骤如下:
步骤一、产品需求分析,将产品的市场需求进行分析,从而分析产品出现伪造的风险,根据市场分析准确判断产品在市场内的定位,从而判断该产品是否存在伪造风险,提高了防伪的针对性以及增强防伪的价值意义;
步骤二、产品功能需求,将存在伪造风险的产品进行性能参数分析,判断性能参数的优异性,从而判断产品存在伪造风险的工序,以至于能够将产品工序进行针对性防伪控制;
步骤三、产品工序质量检查,将产品生产工序进行质量检查,针对存在伪造风险的工序,通过工序对应产品性能参数作为防伪标准,同时根据对应工序检测构建防伪图形;
步骤四、流通过程防伪,将产品流通过程根据防伪图像进行防伪验证,在产品流通过程中将其进行防伪控制,保证经销商和售货商的利益,提高了市场内产品的防伪控制力度,增强防伪控制的工作效率;
在本发明的是实施例中,步骤一中产品需求分析过程如下:
将实时生产的产品标记为分析对象,设置标号i,i为大于1的自然数,采集到分析对象在对应市场内需求量增加速度以及对应市场内分析对象的平均流通时长,并将分析对象对应市场的需求量增加速度以及对应市场内分析对象的平均流通时长分别标记为ZJVi和LTSi;通过公式
Figure BDA0003923155840000061
获取到分析对象的市场需求分析系数Xi,其中,a1和a2均为预设比例系数,且a1>a2>0,β为误差修正因子,取值为0.986;
其中,将分析对象的市场需求分析系数Xi与市场需求分析系数阈值进行比较:
若分析对象的市场需求分析系数Xi超过市场需求分析系数阈值,则判定分析对象的市场需求大,将对应分析对象标记为高伪造风险产品;
若分析对象的市场需求分析系数Xi未超过市场需求分析系数阈值,则判定分析对象的市场需求小,将对应分析对象标记为低伪造风险产品;
在本发明的是实施例中,步骤二中产品功能分析过程如下:
将分析对象的功能参数进行分析,功能参数表示为分析对象的性能参数,如分析对象为手电筒时,分析对象的性能参数则为光强度、持续运行时长等参数;将功能参数划分为正比参数和反比参数,正比参数表示为参数数值越大,对应功能越好,反之,反比参数则表示为参数数值越小,对应功能越好;
采集到分析对象在同类产品中正比参数的数值高出量以及对应分析对象的反比参数数值降低浮动的频率,并将分析对象在同类产品中正比参数的数值高出量以及对应分析对象的反比参数数值降低浮动的频率分别与数值高出量阈值和数值降低浮动频率阈值进行比较,比较过程具体如下:
若分析对象在同类产品中正比参数的数值高出量超过数值高出量阈值,且对应分析对象的反比参数数值降低浮动的频率未超过数值降低浮动频率阈值,则判定对应分析对象的功能分析优越,将对应分析对象标记为高性能产品;
若分析对象在同类产品中正比参数的数值高出量未超过数值高出量阈值,或者对应分析对象的反比参数数值降低浮动的频率超过数值降低浮动频率阈值,则判定对应分析对象的功能分析非优越,将对应分析对象标记为低性能产品;
在本发明的是实施例中,步骤三中产品工序质量检查过程如下:
若分析对象为高性能产品且为高伪造风险产品,则将其标记为防伪控制产品,并将防伪控制产品对应高数值正比参数或者低数值反比参数标记为针对参数,且将防伪控制产品的针对参数对应生产工序标记为质量检查工序;
在防伪控制产品的生成过程中处于质量检查工序时,将对应防伪控制产品进行质量检查,设置质量检查时间段且质量检查时间段仍处于质量检查工序执行时间段内,以质量检查时间段作为X轴,以针对参数作为Y轴;将质量检查时间段划分为k个时间点,k为大于1的自然数,且k个时间点在X轴上等距分布;
将质量检查时间段内各个时间点的针对参数数值代入坐标系,根据各个时间点的针对参数数值构建产品性能曲线,若产品性能曲线的峰值或者谷值均处于对应数值阈值范围内,且相邻子时间点的针对参数数值差值未超过数值差值阈值,判定对应质量检查时间段内产品性能参数合格,并将对应质量检查时间段内产品性能曲线作为对应防伪控制产品的防伪图形,在质量检查工序完成后,在防伪控制产品的防伪图形上设置时间戳,并将防伪控制产品编号、防伪图形以及时间戳一同进行存储;
若产品性能曲线的峰值或者谷值未均处于对应数值阈值范围内,或者相邻子时间点的针对参数数值差值超过数值差值阈值,判定对应质量检查时间段内产品性能参数不合格,并将对应质量检查时间段内质量检查工序进行整顿;
在本发明的是实施例中,步骤四中流通过程防伪步骤如下:
将防伪控制产品流通过程进行防伪验证,当防伪控制产品流通至经销商时,将防伪控制产品实时匹配的防伪图形与对应存储的防伪图形进行比对,若实时匹配的防伪图形与对应存储的防伪图形各个折点斜率一致,则判定当前防伪控制产品防伪检查合格,并将对应产品设置经销商的检查时间戳,同时根据防伪图形比对的对应折点以及折点序号作为防伪码,并将其进行储存;若实时匹配的防伪图形与对应存储的防伪图形各个折点斜率未一致,则判定当前防伪控制产品防伪检查不合格,将对应防伪控制产品标记为伪造产品;
将防伪控制产品从经销商流通至售货商时,将防伪控制产品的实时防伪码与经销商对应存储的防伪码进行比对,若一致,则判定防伪控制产品为未仿造产品;若不一致,则判定防伪控制产品为仿造产品;
在该过程中若防伪控制产品出现伪造风险时,则能够准确分析出对应出现伪造的流通环节,提高了防伪溯源的准确性以及及时性。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
本发明在使用时,产品需求分析,将产品的市场需求进行分析,从而分析产品出现伪造的风险,根据市场分析准确判断产品在市场内的定位,从而判断该产品是否存在伪造风险;产品功能需求,将存在伪造风险的产品进行性能参数分析,判断性能参数的优异性,从而判断产品存在伪造风险的工序;产品工序质量检查,将产品生产工序进行质量检查,针对存在伪造风险的工序,通过工序对应产品性能参数作为防伪标准,同时根据对应工序检测构建防伪图形;流通过程防伪,将产品流通过程根据防伪图像进行防伪验证,在产品流通过程中将其进行防伪控制。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (1)

1.一种基于人工智能的产品防伪方法,其特征在于,具体产品防伪方法步骤如下:
步骤一、产品需求分析,将产品的市场需求进行分析,从而分析产品出现伪造的风险,根据市场分析准确判断产品在市场内的定位,从而判断该产品是否存在伪造风险;
步骤二、产品功能需求,将存在伪造风险的产品进行性能参数分析,判断性能参数的优异性,从而判断产品存在伪造风险的工序;
步骤三、产品工序质量检查,将产品生产工序进行质量检查,针对存在伪造风险的工序,通过工序对应产品性能参数作为防伪标准,同时根据对应工序检测构建防伪图形;
步骤四、流通过程防伪,将产品流通过程根据防伪图像进行防伪验证,在产品流通过程中将其进行防伪控制;
步骤一中产品需求分析过程如下:
将实时生产的产品标记为分析对象,设置标号i,i为大于1的自然数,采集到分析对象在对应市场内需求量增加速度以及对应市场内分析对象的平均流通时长;通过分析获取到分析对象的市场需求分析系数;将分析对象的市场需求分析系数与市场需求分析系数阈值进行比较:
若分析对象的市场需求分析系数超过市场需求分析系数阈值,则判定分析对象的市场需求大,将对应分析对象标记为高伪造风险产品;若分析对象的市场需求分析系数未超过市场需求分析系数阈值,则判定分析对象的市场需求小,将对应分析对象标记为低伪造风险产品;
步骤二中产品功能分析过程如下:
将分析对象的功能参数进行分析,功能参数表示为分析对象的性能参数;将功能参数划分为正比参数和反比参数;
采集到分析对象在同类产品中正比参数的数值高出量以及对应分析对象的反比参数数值降低浮动的频率,并将分析对象在同类产品中正比参数的数值高出量以及对应分析对象的反比参数数值降低浮动的频率分别与数值高出量阈值和数值降低浮动频率阈值进行比较:
若分析对象在同类产品中正比参数的数值高出量超过数值高出量阈值,且对应分析对象的反比参数数值降低浮动的频率未超过数值降低浮动频率阈值,则判定对应分析对象的功能分析优越,将对应分析对象标记为高性能产品;若分析对象在同类产品中正比参数的数值高出量未超过数值高出量阈值,或者对应分析对象的反比参数数值降低浮动的频率超过数值降低浮动频率阈值,则判定对应分析对象的功能分析非优越,将对应分析对象标记为低性能产品;
步骤三中产品工序质量检查过程如下:
若分析对象为高性能产品且为高伪造风险产品,则将其标记为防伪控制产品,并将防伪控制产品对应高数值正比参数或者低数值反比参数标记为针对参数,且将防伪控制产品的针对参数对应生产工序标记为质量检查工序;
在防伪控制产品的生成过程中处于质量检查工序时,将对应防伪控制产品进行质量检查,设置质量检查时间段且质量检查时间段仍处于质量检查工序执行时间段内,以质量检查时间段作为X轴,以针对参数作为Y轴;将质量检查时间段划分为k个时间点,k为大于1的自然数,且k个时间点在X轴上等距分布;
将质量检查时间段内各个时间点的针对参数数值代入坐标系,根据各个时间点的针对参数数值构建产品性能曲线,若产品性能曲线的峰值或者谷值均处于对应数值阈值范围内,且相邻子时间点的针对参数数值差值未超过数值差值阈值,判定对应质量检查时间段内产品性能参数合格,并将对应质量检查时间段内产品性能曲线作为对应防伪控制产品的防伪图形,在质量检查工序完成后,在防伪控制产品的防伪图形上设置时间戳,并将防伪控制产品编号、防伪图形以及时间戳一同进行存储;若产品性能曲线的峰值或者谷值未均处于对应数值阈值范围内,或者相邻子时间点的针对参数数值差值超过数值差值阈值,判定对应质量检查时间段内产品性能参数不合格,并将对应质量检查时间段内质量检查工序进行整顿;
步骤四中流通过程防伪步骤如下:
将防伪控制产品流通过程进行防伪验证,当防伪控制产品流通至经销商时,将防伪控制产品实时匹配的防伪图形与对应存储的防伪图形进行比对,若实时匹配的防伪图形与对应存储的防伪图形各个折点斜率一致,则判定当前防伪控制产品防伪检查合格,并将对应产品设置经销商的检查时间戳,同时根据防伪图形比对的对应折点以及折点序号作为防伪码,并将其进行储存;若实时匹配的防伪图形与对应存储的防伪图形各个折点斜率未一致,则判定当前防伪控制产品防伪检查不合格,将对应防伪控制产品标记为伪造产品;
将防伪控制产品从经销商流通至售货商时,将防伪控制产品的实时防伪码与经销商对应存储的防伪码进行比对,若一致,则判定防伪控制产品为未仿造产品;若不一致,则判定防伪控制产品为仿造产品。
CN202211362435.1A 2022-11-02 2022-11-02 一种基于人工智能的产品防伪方法 Active CN115660395B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211362435.1A CN115660395B (zh) 2022-11-02 2022-11-02 一种基于人工智能的产品防伪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211362435.1A CN115660395B (zh) 2022-11-02 2022-11-02 一种基于人工智能的产品防伪方法

Publications (2)

Publication Number Publication Date
CN115660395A CN115660395A (zh) 2023-01-31
CN115660395B true CN115660395B (zh) 2023-05-30

Family

ID=84995528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211362435.1A Active CN115660395B (zh) 2022-11-02 2022-11-02 一种基于人工智能的产品防伪方法

Country Status (1)

Country Link
CN (1) CN115660395B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106594A (zh) * 2012-07-23 2013-05-15 北京金源茂丰新技术开发有限公司 产品质量追溯防伪系统及追溯防伪方法
CN106570710A (zh) * 2016-10-27 2017-04-19 纸飞机(北京)科技有限公司 一种商品防伪方法及装置
CN109816224A (zh) * 2019-01-11 2019-05-28 红云红河烟草(集团)有限责任公司 一种基于烟包二维码追溯生产信息的管理方法及系统
CN111951028A (zh) * 2020-08-18 2020-11-17 薛卯良 产品溯源及产品防伪方法
CN113674093A (zh) * 2021-07-19 2021-11-19 浙江数秦科技有限公司 一种基于区块链的农产品供应链管控系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070091395A1 (en) * 2005-08-05 2007-04-26 D Amato Salvatore Device and method for measuring and determining the quality of holographic image
CN202167053U (zh) * 2011-07-13 2012-03-14 湖北汽车工业学院 一种利用物流数码标识的零部件防伪管理装置
CN111178477A (zh) * 2019-12-03 2020-05-19 福建自贸试验区厦门片区益客联信息科技有限公司 一种商品二维码生成方法
CN112560989B (zh) * 2020-12-25 2022-07-29 烟台职业学院 一种基于大数据的人工智能防伪图像识别方法及系统
CN113610545A (zh) * 2021-08-10 2021-11-05 山西农业大学 产品防伪方法、系统、设备及存储介质
CN114386988A (zh) * 2021-12-28 2022-04-22 航天信息股份有限公司 一种防伪溯源方法、装置及电子设备
CN115049280B (zh) * 2022-06-22 2023-05-23 安徽金源药业有限公司 一种基于5g网络的保健食品加工运营监管系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106594A (zh) * 2012-07-23 2013-05-15 北京金源茂丰新技术开发有限公司 产品质量追溯防伪系统及追溯防伪方法
CN106570710A (zh) * 2016-10-27 2017-04-19 纸飞机(北京)科技有限公司 一种商品防伪方法及装置
CN109816224A (zh) * 2019-01-11 2019-05-28 红云红河烟草(集团)有限责任公司 一种基于烟包二维码追溯生产信息的管理方法及系统
CN111951028A (zh) * 2020-08-18 2020-11-17 薛卯良 产品溯源及产品防伪方法
CN113674093A (zh) * 2021-07-19 2021-11-19 浙江数秦科技有限公司 一种基于区块链的农产品供应链管控系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于 QR 码签章技术的研究与设计;闵孝忠等;《控制工程》;第 22 卷(第 6 期);全文 *
基于专利的烟草企业二维码技术应用研究;《中国科技信息》(第1期);全文 *

Also Published As

Publication number Publication date
CN115660395A (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN110543878B (zh) 一种基于神经网络的指针仪表读数识别方法
CN110992317B (zh) 一种基于语义分割的pcb板缺陷检测方法
CN104949925B (zh) 珍珠分级方法
CN101576956B (zh) 基于机器视觉的在线字符检测方法和系统
CN111985499B (zh) 一种基于计算机视觉的高精度桥梁表观病害识别方法
CN103592214B (zh) 一种大气环境对碳钢材料腐蚀状态的评价方法
CN108805196A (zh) 用于图像识别的自动增量学习方法
WO2013106984A1 (en) Learning painting styles for painterly rendering
CN109916913A (zh) 一种基于机器视觉的智能制造产品识别与检测方法
CN115597494B (zh) 一种基于点云的预制构件预留孔的精度检测方法、系统
CN112560989B (zh) 一种基于大数据的人工智能防伪图像识别方法及系统
CN110866915A (zh) 基于度量学习的圆形砚台质量检测方法
CN115218798B (zh) 测量板材孔和/或槽尺寸的光学测量系统、方法及介质
CN104680157A (zh) 一种基于支持向量机的成捆棒材识别计数方法
CN115660395B (zh) 一种基于人工智能的产品防伪方法
CN111817981A (zh) 一种基于深度学习的网络流量分类方法
CN115205626A (zh) 一种应用于涂层缺陷检测领域的数据增强方法
CN117808495B (zh) 用于义齿智能化生产的产品数据溯源方法及系统
CN116985525B (zh) 一种全自动视觉印刷机的智能管理方法及系统
CN110006923A (zh) 一种标牌品质检测方法、装置及计算机可读存储介质
CN114387262A (zh) 一种基于机器视觉的螺母定位检测方法、装置及系统
CN109934231A (zh) 基于多方向灰度共生矩阵的棒材端面字符图像识别方法
CN113592024A (zh) 冷轧铜带表面缺陷识别模型训练方法及识别方法、系统
CN112614113A (zh) 一种基于深度学习的带钢缺陷检测方法
CN115200513A (zh) 一种旋转体夹具同轴度跳动检测分析控制系统

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