CN116580288A - 一种物品细节特征智能鉴别方法、系统及存储介质 - Google Patents
一种物品细节特征智能鉴别方法、系统及存储介质 Download PDFInfo
- Publication number
- CN116580288A CN116580288A CN202310590241.5A CN202310590241A CN116580288A CN 116580288 A CN116580288 A CN 116580288A CN 202310590241 A CN202310590241 A CN 202310590241A CN 116580288 A CN116580288 A CN 116580288A
- Authority
- CN
- China
- Prior art keywords
- article
- genuine
- attribute information
- information
- image
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000005520 cutting process Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 229910052573 porcelain Inorganic materials 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 206010034960 Photophobia Diseases 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000004922 lacquer Substances 0.000 description 1
- 208000013469 light sensitivity Diseases 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000010428 oil painting Methods 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/95—Pattern authentication; Markers therefor; Forgery detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/16—Image acquisition using multiple overlapping images; Image stitching
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及物品细节特征智能鉴别领域,公开了一种物品细节特征智能鉴别方法、系统及存储介质。一种物品细节特征智能鉴别方法,包括信息采集步骤,获取真品的属性信息;辅助环境设置步骤,根据真品的属性信息,确定并设置图像采集所需要的辅助环境;图像采集步骤,在辅助环境中获取真品的图像信息,并将属性信息和图像信息对应存储在数据库中;唯一特征获取步骤,根据真品属性信息获取初步识别特征,对初步识别为正品的待鉴别物品再获取图像信息作为唯一性鉴别特征;逻辑判断步骤,获取待鉴别物品的名称,根据名称获取真品的图像信息和属性信息进行唯一性鉴别。本申请能够快速、准确的对待鉴别物品进行鉴别,且通用性强。
Description
技术领域
本发明涉及物品细节特征智能鉴别领域,具体涉及一种物品细节特征智能鉴别方法、系统及存储介质。
背景技术
随着经济社会的不断发展,诸多行业蓬勃发展过程中,假冒伪劣产品也随之产生,对人们的经济物质生活造成了巨大的影响。那么,如何识别物品的真伪,减少识别比对过程中的精力损耗,减少假冒伪劣产品带来的经济损失,成为一大难题。
为了解决上述问题,相关领域技术人员经过思考和实践,取得了一定的进展,例如通过多光谱光源下的图像特征,对油画进行识别;通过紫外线光源下的图像特征对瓷器进行鉴别;通过计算物品纹理相关性进行鉴别等;以上方法虽然一定程度上解决了上述问题,但是,只能应用在各自领域,其通用性差,且都基于入库物品的真迹进行对比完成识别,当真迹缺失时,即不能进行识别,有一定的局限性。
发明内容
本发明意在提供一种物品细节特征智能鉴别方法、系统及存储介质,以快速、准确的对待鉴别物品进行鉴别,且通用性强。
为达到上述目的,本发明采用如下技术方案:
一种物品细节特征智能鉴别方法,包括:
信息采集步骤,获取真品的属性信息,属性信息包括名称、型号、时间信息和物理属性;
辅助环境设置步骤,根据真品的属性信息,确定图像采集所需要的辅助环境,并对辅助环境进行设置;
图像采集步骤,在辅助环境中获取真品的图像信息,并将在辅助环境中获得的实际测量数据添加为属性信息,并将属性信息和图像信息对应存储在数据库中;
唯一特征获取步骤,根据真品属性信息获取初步识别特征,对初步识别为正品的待鉴别物品再获取图像信息作为唯一性鉴别特征;
逻辑判断步骤,获取待鉴别物品的名称,根据名称获取真品的图像信息和属性信息进行唯一性鉴别。
本方案的原理及优点是:实际应用时,信息采集步骤获取真品的属性信息,通过获取真品的属性信息,能够对其性质进行掌握,便于设置辅助环境对其物理属性进行采集;辅助环境设置步骤,根据真品的属性信息,确定图像采集需要的辅助环境,通过辅助环境突出真品的特征,对真品图像采集提供辅助工具,便于更好的采集多种类型的真品信息;图像采集步骤,在辅助环境中获取真品的图像信息,并将在辅助环境中获得的实际测量数据添加为属性信息,并将属性信息和图像信息对应存储;唯一特征识别步骤,根据真品属性信息获取初步识别特征,对初步识别为正品的待鉴别物品再获取图像信息作为唯一性鉴别特征;通过初步识别,能够根据属性信息先对待鉴别物品进行识别,识别到属性信息不一致时,即能够确定其为非正品,从而提高鉴别速度,当初步识别为正品时,再进一步对待鉴别物品根据图像信息进行鉴别,从而实现快速、准确的鉴别;逻辑判断步骤,获取待鉴别物品的名称,根据名称获取真品的图像信息和属性信息进行唯一性鉴别。
本申请根据物品的属性信息设置辅助环境,并在辅助环境中进行图像采集,根据物品的属性突出物品的特征,并通过属性信息和图像信息进行鉴别工作,而不只是针对某一类物品进行鉴别,通用性高。
优选的,作为一种改进,所述信息采集步骤还包括:
定时子步骤,设置重要节点以及固定时间间隔的定时;
补采子步骤,根据定时对真品的属性信息和图像信息进行重采集。
技术效果:通过定时对真品的属性信息和图像信息进行重采集,能够及时对数据库中的数据进行更新,确保数据库中数据的有效性,减少因数据库中数据过期导致鉴别不准确的情况发生。
优选的,作为一种改进,所述唯一特征获取步骤包括:
初步识别特征获取子步骤,根据真品的属性信息分析真品的特征,将具有识别度的一种或多种的组合特征作为真品的初步识别特征;
图像识别特征获取子步骤,将采集到的多张图像进行重叠部分识别,并裁剪掉重叠部分后进行图像拼接,将拼接后的图像转化为灰度图像,并将灰度图像作为唯一性鉴别特征。
技术效果:部分物品本身自带真伪鉴别的特征,将这些特征作为初步识别特征,通过这些特征即能够快速实现鉴别;由于待鉴别物品的形态、尺寸各异,而拍照的摄像头位置固定,拍摄的图像存在交叉的情况,通过裁剪掉重叠部分并进行图像拼接,有利于完整准确的获取待鉴别物品的图像信息,将拼接后的图像转化为灰度图像,利于将图像量化,从而更准确的进行比对,提高鉴别结果的准确性。
优选的,作为一种改进,根据图像信息进行唯一性鉴别具体为:将真品的灰度图像均匀划分为N个,随机选取其中2个作为重叠定位区,将待鉴别物品的灰度图像中与重叠定位区相同的位置与真品进行重叠,根据灰度图片的像素栅格单元依次进行对比,当重叠度在预设阈值范围内时,即鉴别为真品。
技术效果:通过将真品的灰度图像均匀划分为N个实现真品和待鉴别物品的重叠定位,避免待鉴别物品进行图像采集时,所摆设角度与真品图像采集时所摆设角度有偏差带来的影响;完成真品和待鉴别物品的重叠后,通过对灰度图像的像素栅格单元进行对比,像素栅格单元为灰度图像的最小切割单元,鉴别精度高。
优选的,作为一种改进,所述时间信息包括生产制造日期、发现日期、入库日期、保质期,属性信息还包括存储环境。
技术效果:当真品随时间变化会出现变化时,需要及时对真品在数据库中存储的数据进行更新,当无法及时获取真品进行更新时,则通过真品的时间信息及存储环境能够对真品的变化情况进行分析,从而作为辅助判断依据。
优选的,作为一种改进,所述辅助环境包括称重环境、温度环境、湿度环境、打光环境、定位环境、磁吸环境、通电环境。
技术效果:通过辅助环境设置,能够将真品的特征有效凸显,便于采集有效的图像信息。
一种物品细节特征智能鉴别系统,包括:
信息采集模块,用于获取真品的属性信息,属性信息包括名称、型号、时间信息和物理属性;
辅助环境设置模块,用于根据真品的属性信息,确定图像采集所需要的辅助环境,并对辅助环境进行设置;
图像采集模块,用于在辅助环境中获取真品的图像信息,并将在辅助环境中获得的实际测量数据添加为属性信息,并将属性信息和图像信息对应存储在数据库中;
唯一特征获取模块,用于根据真品属性信息获取初步识别特征,对初步识别为正品的待鉴别物品再获取图像信息作为唯一性鉴别特征;
逻辑判断模块,用于获取待鉴别物品的名称,根据名称获取真品的图像信息和属性信息进行唯一性鉴别。
优选的,作为一种改进,所述信息采集模块还包括:
定时子模块,用于设置重要节点以及固定时间间隔的定时;
补采子模块,用于根据定时对真品的属性信息和图像信息进行重采集。
优选的,作为一种改进,所述唯一特征获取模块包括:
初步识别特征获取子模块,用于根据真品的属性信息分析真品的特征,将具有识别度的一种或多种的组合特征作为真品的初步识别特征;
图像识别特征获取子模块,用于将采集到的多张图像进行重叠部分识别,并裁剪掉重叠部分后进行图像拼接,将拼接后的图像转化为灰度图像,并将灰度图像作为唯一性鉴别特征。
一种存储介质,其上存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行一种物品细节特征智能鉴别方法。
附图说明
图1为一种物品细节特征智能鉴别方法的流程示意图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例基本如附图1所示:
一种物品细节特征智能鉴别方法,包括:
信息采集步骤,获取真品的属性信息,属性信息包括名称、型号、时间信息和物理属性,时间信息本实施例中优选的有生产制造日期、发现日期、入库日期和保质期,属性信息还包括存储环境。当真品随时间变化会出现变化时,需要及时对真品在数据库中存储的数据进行更新,当无法及时获取真品进行更新时,则通过真品的时间信息及存储环境能够对真品的变化情况进行分析,从而作为辅助判断依据。根据生活常识可知,物品会随着时间发生改变,根据物品本身的性质以及环境影响,发生变化的时间不一致,因此,信息采集步骤还包括:
定时子步骤,设置重要节点以及固定时间间隔的定时,例如陶、石、瓷、玉等材质的物品腐朽速度慢,而漆、木、竹、纸等材质的物品腐朽速度相比较快,不同材质的物品设置不同的时间间隔进行定时,具体的,对不同材质的物品赋予不同的定时间隔t,并将定时间隔存储在定时信息表中,以入库日期为起始日期,保质期为终止日期。
除此之外,物品的保存环境对物品的变化也有极大的影响,例如存储位置、存储温度、存储湿度、药剂干扰、光照环境,因此,属性信息还包括存储环境,通过爬虫技术获取物品保存环境信息,当存储环境的数据超出阈值时,设置重要节点定时,通过重要节点定时,能够减少突发情况产生对真品鉴别产生影响。
补采子步骤,根据定时对真品的属性信息和图像信息进行重采集。通过定时对真品的属性信息和图像信息进行重采集,能够及时对数据库中的数据进行更新,确保数据库中数据的有效性,减少因数据库中数据过期导致鉴别不准确的情况发生。
物理属性本实施例中优选的有颜色、温度、重量、对光敏感度、湿度、磁性、导电性和形态。通过物理属性进行辅助环境的设置,能够保护真品不受破坏,同时还能为真品鉴别提供初步判断的依据。
辅助环境包括称重环境、温度环境、湿度环境、打光环境、定位环境、磁吸环境、通电环境。
辅助环境设置步骤,根据真品的属性信息,确定图像采集所需要的辅助环境,并对辅助环境进行设置;例如,真品为纸、木、染纸品等的真品,其适宜温度为20℃,适宜湿度为中湿度,对光敏感,则对应的对湿度环境、温度环境和打光环境进行设置,从而对真品起到保护作用。
图像采集步骤,在辅助环境中获取真品的图像信息,实际采集时,摄像头按照固定角度均匀设置在真品图像采集区域,并对真品图像采集区域全面覆盖;获取真品图像信息后将在辅助环境中获得的实际测量数据添加为属性信息,并将属性信息和图像信息对应存储在数据库中;实际测量数据例如重量、磁性强度、电阻。
唯一特征获取步骤,根据真品属性信息获取初步识别特征,对初步识别为正品的待鉴别物品再获取图像信息作为唯一性鉴别特征;唯一特征获取步骤包括:
初步识别特征获取子步骤,根据真品的属性信息分析真品的特征,将具有识别度的一种或多种的组合特征作为真品的初步识别特征;如石器的颜色、重量和形态组合为初步识别特征,当待鉴别物品的颜色、重量和形态与真品不一致时,即鉴别结果为非正品,当待鉴别物品的颜色、重量和形态均与正品一致时,再进行图像识别。
图像识别特征获取子步骤,将采集到的多张图像进行重叠部分识别,并裁剪掉重叠部分后进行图像拼接,将拼接后的图像转化为灰度图像,并将灰度图像作为唯一性鉴别特征。部分物品本身自带真伪鉴别的特征,将这些特征作为初步识别特征,通过这些特征即能够快速实现鉴别;由于待鉴别物品的形态、尺寸各异,而拍照的摄像头位置固定,拍摄的图像存在交叉的情况,通过裁剪掉重叠部分并进行图像拼接,有利于完整准确的获取待鉴别物品的图像信息,将拼接后的图像转化为灰度图像,利于将图像量化,从而更准确的进行比对,提高鉴别结果的准确性。
逻辑判断步骤,获取待鉴别物品的名称,根据名称获取真品的图像信息和属性信息进行唯一性鉴别。
根据图像信息进行唯一性鉴别时,首先将真品的灰度图像均匀划分为N个,N为10~100的自然数,随机选取其中2个作为重叠定位区,然后将待鉴别物品的灰度图像中与重叠定位区相同的位置与真品进行重叠,重叠之后再根据灰度图片的像素栅格单元依次进行对比,当重叠度在预设阈值范围内时,即鉴别为真品。通过将真品的灰度图像均匀划分为N个实现真品和待鉴别物品的重叠定位,避免待鉴别物品进行图像采集时,所摆设角度与真品图像采集时所摆设角度有偏差带来的影响,且N为10~100,避免重叠定位区过大定位速度慢,重叠区过小,相同位置过多无法进行定位带来的影响,提高重叠定位速率;完成真品和待鉴别物品的重叠后,通过对灰度图像的像素栅格单元进行对比,像素栅格单元为灰度图像的最小切割单元,鉴别精度高。
一种物品细节特征智能鉴别系统,包括:
信息采集模块,用于获取真品的属性信息,属性信息包括名称、型号、时间信息和物理属性;
辅助环境设置模块,用于根据真品的属性信息,确定图像采集所需要的辅助环境,并对辅助环境进行设置;
图像采集模块,用于在辅助环境中获取真品的图像信息,并将在辅助环境中获得的实际测量数据添加为属性信息,并将属性信息和图像信息对应存储在数据库中;
唯一特征获取模块,用于根据真品属性信息获取初步识别特征,对初步识别为正品的待鉴别物品再获取图像信息作为唯一性鉴别特征;
逻辑判断模块,用于获取待鉴别物品的名称,根据名称获取真品的图像信息和属性信息进行唯一性鉴别。
所述信息采集模块还包括:
定时子模块,用于设置重要节点以及固定时间间隔的定时;
补采子模块,用于根据定时对真品的属性信息和图像信息进行重采集。
所述唯一特征获取模块包括:
初步识别特征获取子模块,用于根据真品的属性信息分析真品的特征,将具有识别度的一种或多种的组合特征作为真品的初步识别特征;
图像识别特征获取子模块,用于将采集到的多张图像进行重叠部分识别,并裁剪掉重叠部分后进行图像拼接,将拼接后的图像转化为灰度图像,并将灰度图像作为唯一性鉴别特征。
一种存储介质,其上存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行一种物品细节特征智能鉴别方法。
以上所述的仅是本发明的实施例,方案中公知的具体技术方案和/或特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明技术方案的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.一种物品细节特征智能鉴别方法,其特征在于,包括:信息采集步骤,获取真品的属性信息,属性信息包括名称、型号、时间信息和物理属性;
辅助环境设置步骤,根据真品的属性信息,确定图像采集所需要的辅助环境,并对辅助环境进行设置;
图像采集步骤,在辅助环境中获取真品的图像信息,并将在辅助环境中获得的实际测量数据添加为属性信息,并将属性信息和图像信息对应存储在数据库中;
唯一特征获取步骤,根据真品属性信息获取初步识别特征,对初步识别为正品的待鉴别物品再获取图像信息作为唯一性鉴别特征;
逻辑判断步骤,获取待鉴别物品的名称,根据名称获取真品的图像信息和属性信息进行唯一性鉴别。
2.根据权利要求1所述的一种物品细节特征智能鉴别方法,其特征在于,所述信息采集步骤还包括:
定时子步骤,设置重要节点以及固定时间间隔的定时;
补采子步骤,根据定时对真品的属性信息和图像信息进行重采集。
3.根据权利要求2所述的一种物品细节特征智能鉴别方法,其特征在于,所述唯一特征获取步骤包括:
初步识别特征获取子步骤,根据真品的属性信息分析真品的特征,将具有识别度的一种或多种的组合特征作为真品的初步识别特征;
图像识别特征获取子步骤,将采集到的多张图像进行重叠部分识别,并裁剪掉重叠部分后进行图像拼接,将拼接后的图像转化为灰度图像,并将灰度图像作为唯一性鉴别特征。
4.根据权利要求3所述的一种物品细节特征智能鉴别方法,其特征在于:根据图像信息进行唯一性鉴别具体为:将真品的灰度图像均匀划分为N个,随机选取其中2个作为重叠定位区,将待鉴别物品的灰度图像中与重叠定位区相同的位置与真品进行重叠,根据灰度图片的像素栅格单元依次进行对比,当重叠度在预设阈值范围内时,即鉴别为真品。
5.根据权利要求1所述的一种物品细节特征智能鉴别方法,其特征在于:所述时间信息包括生产制造日期、发现日期、入库日期、保质期,属性信息还包括存储环境。
6.根据权利要求1所述的一种物品细节特征智能鉴别方法,其特征在于:所述辅助环境包括称重环境、温度环境、湿度环境、打光环境、定位环境、磁吸环境、通电环境。
7.一种物品细节特征智能鉴别系统,其特征在于,包括:
信息采集模块,用于获取真品的属性信息,属性信息包括名称、型号、时间信息和物理属性;
辅助环境设置模块,用于根据真品的属性信息,确定图像采集所需要的辅助环境,并对辅助环境进行设置;
图像采集模块,用于在辅助环境中获取真品的图像信息,并将在辅助环境中获得的实际测量数据添加为属性信息,并将属性信息和图像信息对应存储在数据库中;
唯一特征获取模块,用于根据真品属性信息获取初步识别特征,对初步识别为正品的待鉴别物品再获取图像信息作为唯一性鉴别特征;
逻辑判断模块,用于获取待鉴别物品的名称,根据名称获取真品的图像信息和属性信息进行唯一性鉴别。
8.根据权利要求7所述的一种物品细节特征智能鉴别系统,其特征在于,所述信息采集模块还包括:
定时子模块,用于设置重要节点以及固定时间间隔的定时;
补采子模块,用于根据定时对真品的属性信息和图像信息进行重采集。
9.根据权利要求8所述的一种物品细节特征智能鉴别系统,其特征在于,所述唯一特征获取模块包括:
初步识别特征获取子模块,用于根据真品的属性信息分析真品的特征,将具有识别度的一种或多种的组合特征作为真品的初步识别特征;
图像识别特征获取子模块,用于将采集到的多张图像进行重叠部分识别,并裁剪掉重叠部分后进行图像拼接,将拼接后的图像转化为灰度图像,并将灰度图像作为唯一性鉴别特征。
10.一种存储介质,其上存储有计算机程序,其特征在于:当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1至6任一项所述的一种物品细节特征智能鉴别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310590241.5A CN116580288A (zh) | 2023-05-23 | 2023-05-23 | 一种物品细节特征智能鉴别方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310590241.5A CN116580288A (zh) | 2023-05-23 | 2023-05-23 | 一种物品细节特征智能鉴别方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116580288A true CN116580288A (zh) | 2023-08-11 |
Family
ID=87542888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310590241.5A Pending CN116580288A (zh) | 2023-05-23 | 2023-05-23 | 一种物品细节特征智能鉴别方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116580288A (zh) |
-
2023
- 2023-05-23 CN CN202310590241.5A patent/CN116580288A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179251B (zh) | 基于孪生神经网络利用模板比对的缺陷检测系统及方法 | |
KR101859262B1 (ko) | 식별 방법, 식별 시스템, 식별 장치, 및 프로그램 | |
CN101576956B (zh) | 基于机器视觉的在线字符检测方法和系统 | |
CN105528789B (zh) | 机器人视觉定位方法和装置、视觉标定方法和装置 | |
CN103439348B (zh) | 基于差影法的遥控器按键缺陷检测方法 | |
CN105574161B (zh) | 一种商标图形要素识别方法、装置和系统 | |
CN111401419A (zh) | 基于改进RetinaNet的员工着装规范检测方法 | |
CN109472280B (zh) | 一种更新物种识别模型库的方法、存储介质及电子设备 | |
CN103559499B (zh) | 一种rgb矢量匹配快速识别系统及方法 | |
CN109003271A (zh) | 一种基于深度学习yolo算法的线束连接器排线质量检测方法 | |
JP2019519823A (ja) | マークが本物であるかどうかを判断するための方法およびコンピューティング装置 | |
Yu et al. | Pill recognition using imprint information by two-step sampling distance sets | |
CN111126414A (zh) | 一种基于深度学习的装修图内图块识别方法 | |
CN110288612A (zh) | 铭牌定位与校正方法及设备 | |
CN110942063B (zh) | 证件文字信息获取方法、装置以及电子设备 | |
CN107341461B (zh) | 智能识别与分析技术鉴别艺术品真伪的方法及其系统 | |
CN114219753A (zh) | 一种基于深度学习的电力设备表面缺陷检测方法及终端 | |
CN116580288A (zh) | 一种物品细节特征智能鉴别方法、系统及存储介质 | |
CN116228661A (zh) | 布匹瑕疵在线检测方法及系统 | |
CN114492681B (zh) | 应用电子设备识别彩印包装图案方法及其计算机视觉系统 | |
CN110031471A (zh) | 大口径光学元件表面缺陷增长分析方法、系统、装置 | |
US20220051040A1 (en) | Automatic method to determine the authenticity of a product | |
CN110046686A (zh) | 一种标识物品唯一性的物本码方法 | |
Maestro-Watson et al. | Deflectometric data segmentation based on fully convolutional neural networks | |
CN104517114B (zh) | 一种元件特征识别方法与系统 |
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 |