CN116778202A - 一种基于电子封志的检测试样施封验封方法、系统及装置 - Google Patents
一种基于电子封志的检测试样施封验封方法、系统及装置 Download PDFInfo
- Publication number
- CN116778202A CN116778202A CN202310654757.1A CN202310654757A CN116778202A CN 116778202 A CN116778202 A CN 116778202A CN 202310654757 A CN202310654757 A CN 202310654757A CN 116778202 A CN116778202 A CN 116778202A
- Authority
- CN
- China
- Prior art keywords
- sample
- detection
- image
- client
- electronic seal
- 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.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 132
- 238000007789 sealing Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 304
- 238000005070 sampling Methods 0.000 claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000012795 verification Methods 0.000 claims description 57
- 238000012937 correction Methods 0.000 claims description 31
- 230000007246 mechanism Effects 0.000 claims description 30
- 238000005516 engineering process Methods 0.000 claims description 22
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000011282 treatment Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 3
- 239000012535 impurity Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000004566 building material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于电子封志的检测试样施封验封方法、系统及装置，所述方法包括：在接收封样客户端发送的检测试样信息后，利用检测试样信息生成见证取样电子封志并反馈给封样客户端，以供封样客户端转发给检测监管平台保存；在接收验样客户端发送的检测试样信息和送检验样电子封志后，采用送检验样电子封志对检测试样信息进行比对并将比对结果发送给验样客户端，以供验样客户端发送给检测监管平台保存。本发明可以在采集检测试样信息后，通过加密算法和试样信息生成唯一的电子封志并保存，在接收待检验的试样信息时再将试样信息与电子封志进行比对，通过生成唯一的电子封志与试样进行绑定，能避免篡改的情况，保障检测试样的真实性。
Description
技术领域
本发明涉及检测试样检验技术领域，尤其涉及一种基于电子封志的检测试样施封验封方法、系统及装置。
背景技术
建筑材料的质量是建筑工程质量的核心要素，而检测试样质量更是直接关系到建筑工程的主体结构安全。为了加强建设工程施工质量管理，需要从多方面加强对建筑材料尤其是检测试样的质量监管。
在进行质量检测前需要对检测试样进行检验，以确定试样的真伪，一般的处理方式是建设单位委托检测机构工作人员对工程进行取样、制样、标识、封志等操作并生成唯一标识(如外置式RFID芯片、外置式二维码等电子标签)作为封志；最后将检测试样以及封志发送给检测机构进行检验，确认无误后方可进行质量检测。
目前常用的检验方法有如下技术问题：外置式RFID芯片、外置式二维码等电子标签添加在样品(例如配重块或承重墙等大型样本)时存在被调包或篡改的风险，进而导致后续的检验与实际有偏差，影响检验结果。
发明内容
本发明提出一种基于电子封志的检测试样施封验封方法、系统及装置，所述方法在客户端采集试样信息后，通过试样信息生成唯一的电子封志并在云端保存，在接收待检验的试样信息时，再利用待检验的试样信息与电子封志进行比对，通过生成唯一的电子封志与试样进行绑定，能避免篡改的情况，从而提升检验的准确率。
本发明实施例的第一方面提供了一种基于电子封志的检测试样施封验封方法，所述方法包括：
在接收封样客户端发送的检测试样信息后，利用所述检测试样信息生成见证取样电子封志并反馈给封样客户端，以使所述封样客户端将所述见证取样电子封志发送给相连接的检测监管平台，供所述检测监管平台保存所述见证取样电子封志；
在接收验样客户端发送的检测试样信息和送检验样电子封志后，采用所述送检验样电子封志对所述检测试样信息进行比对并将比对结果发送给所述验样客户端，以供所述验样客户端发送给所述检测监管平台保存，其中，所述送检验样电子封志是所述验样客户端接收了检测试样信息后从所述检测监管平台中提取与所述见证取样电子封志相同的封志。
在第一方面的一种可能的实现方式中，所述检测试样信息包括：待检测试样的唯一编码和试样图像，所述唯一编码是所述封样客户端采集所述试样图像时添加的编码；
所述利用所述检测试样信息生成见证取样电子封志，包括：
对所述试样图像进行图像分割并提取符合预设轮廓尺寸的轮廓掩码图像；
从所述轮廓掩码图像分别提取标识掩码、标识空间数据和试样表面特征数据，其中，所述标识掩码是待检测试样上唯一的标识的轮廓掩码，所述标识空间数据为所述标识掩码在所述轮廓掩码图像的空间位置坐标，所述试样表面特征数据是所述轮廓掩码图像中待检测试样的表面物理特征；
当所述标识掩码对应的交并比值大于预设比值时，对所述唯一编码、标识掩码、标识空间数据、试样表面特征数据和试样图像依次进行映射、编码与封装，得到见证取样电子封志。
在第一方面的一种可能的实现方式中，所述对所述试样图像进行图像分割并提取符合预设轮廓尺寸的轮廓掩码图像，包括：
对所述试样图像进行图片预处理，得到处理图像，所述预处理包括：图片放缩和图片填充；
对所述处理图像进行实例分割得到包含检测试样与标识的分割图像；；
利用直线检测算法提取所述分割图像内关于待检测试样的轮廓边线的长度参数，当所述长度参数满足预设轮廓尺寸要求时，以所述分割图像为轮廓掩码图像。
在第一方面的一种可能的实现方式中，所述从所述轮廓掩码图像分别提取标识掩码、标识空间数据和试样表面特征数据，包括：
对所述轮廓掩码图像内待检测试样的轮廓掩码与预设标准图形进行映射与拟合，以及对所述试样图像与所述轮廓掩码图像内的标识掩码进行变换，分别得到矫正试样图像和矫正标识掩码图像；
从所述矫正标识掩码图像中提取标识在所述矫正试样图像的外接矩形坐标，利用所述外接矩形坐标从所述矫正试样图像提取得到掩码标识；
确定关于所述矫正标识掩码图像中标识掩码轮廓的图形在所述矫正试样图像中所有顶点的位置坐标与中心点位置坐标，在根据所述中心点位置坐标将所述矫正标识掩码图像与所述矫正试样图像进行旋转后，旋转拟合所述位置坐标得到标识空间数据；
将所述矫正试样图像输入至预设的物理特征识别模型，得到待检测试样的试样表面特征数据。
在第一方面的一种可能的实现方式中，所述预设的物理特征识别模型，包括骨干网络和输出头网络；
所述骨干网络包括多个普通卷积结构和多个BasicBlock卷积模块，所述BasicBlock卷积模块采用CSP局部稠密连接结构；
所述输出头网络包括搭载了SPPF结构和DFC注意力机制HeadBlock卷积模块；
所述骨干网络，用于对所述轮廓图像进行特征采样并输出多个不同分辨率的特征图；
所述述输出头网络，用于合并多个不同分辨率的特征图得到待检测试样的试样表面特征数据。
在第一方面的一种可能的实现方式中，所述采用所述送检验样电子封志对所述检测试样信息进行比对并将比对结果发送给所述验样客户端，包括：
从所述送检验样电子封志分别提取封志比对信息，以及从所述检测试样信息中提取试样比对信息；
利用所述封志比对信息和所述试样比对信息计算封志变化值，得到比对结果，并将所述比对结果发送给所述验样客户端。
在第一方面的一种可能的实现方式中，所述封样客户端将所述见证取样电子封志发送给相连接的检测监管平台的步骤前，所述封样客户端对所述见证取样电子封志进行加密，所述加密的操作，包括：
利用CP-ABE属性加密技术对所述见证取样电子封志进行一次性加密得到第一次加密封志；
利用预设的验样公钥对所述第一次加密封志进行第二次加密得到第二次加密封志，所述预设的验样公钥是所述封样客户端的用户公开持有的公钥；
采用预设的见证私钥对所述第二次加密封志完成签名后，将所述第二次加密封志上传检测监管平台进行保存，所述见证私钥是所述封样客户端的用户个人持有的私钥。
在第一方面的一种可能的实现方式中，所述验样客户端从所述检测监管平台中提取所述送检验样电子封志，对所述送检验样电子封志进行解密，所述解密的操作，包括：
当利用预设的见证公钥对所述检测监管平台返回的封志的签名完成验签后，利用预设的验样私钥对所述检测监管平台返回的封志进行第一次解密，得到第一次解密封志，所述见证公钥为所述验样客户端的用户所在检测机构公开持有的公钥，所述验样私钥为所述验样客户端的用户所在检测机构单独持有的私钥；
利用CP-ABE属性加密技术对所述第一次解密封志进行第二次解密。
本发明实施例的第二方面提供了一种关于检测试样的识别系统，所述系统适用于如上所述的基于电子封志的检测试样施封验封方法，所述系统包括：
分割模块、图像识别模块、物理特征识别模块和生成模块；
所述分割模块，用于分割输入的待检测试样的图像；
所述图像识别模块，用于识别待检测试样的图像的编码与标识，以及用于识别待检测试样的图像中关于编码与标识的空间坐标；
所述物理特征识别模块，用于识别待检测试样的表面物理特征；
所述生成模块，用于采用试样图像与待检测试样的编码、标识、空间坐标以及表面物理特征生成电子封志。
本发明实施例的第三方面提供了一种关于检测试样的处理装置，所述装置包括：
封样客户端、验样客户端、检测监管平台和如上所述的关于检测试样的识别系统；
所述关于检测试样的识别系统与所述封样客户端和所述验样客户端连接，所述封样客户端和所述验样客户端与所述检测监管平台连接。
相比于现有技术，本发明实施例提供的一种基于电子封志的检测试样施封验封方法、试样识别系统及处理装置，其有益效果在于：本发明可以在客户端采集试样信息后，通过加密算法和试样信息生成唯一的电子封志并在云端保存，在接收待检验的试样信息时，再利用待检验的试样信息与电子封志进行比对，通过生成唯一的电子封志与试样进行绑定，能避免篡改的情况，从而提升检验的准确率，并保障检测试样的真实性。
附图说明
图1是本发明一实施例提供的一种基于电子封志的检测试样施封验封方法的流程示意图；
图2是本发明一实施例提供的一种基于电子封志的检测试样施封验封装置的结构示意图；
图3是本发明一实施例提供的一种关于检测试样的处理系统的结构示意图；
图4是本发明一实施例提供的一种关于检测试样的处理装置的结构示意图；
图5是本发明一实施例提供的检测试样验封的步骤流程图。
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作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。
为了解决上述问题，下面将通过以下具体的实施例对本申请实施例提供的一种基于电子封志的检测试样施封验封方法进行详细介绍和说明。
参照图1，示出了本发明一实施例提供的一种基于电子封志的检测试样施封验封方法的流程示意图。
其中，作为示例的，所述方法适用于关于检测试样的识别系统，该系统也可以称为检测试样识别系统，通过检测试样识别系统将所要进行检验的试样的信息生成唯一的电子封志在转发给云端平台进行保存，可以避免封志被掉包或篡改的情况，同时在后续的检验时可以利用电子封志进行校验，从而提升校验的精度和准确率。
其中，作为示例的，所述基于电子封志的检测试样施封验封方法，可以包括：
S11、在接收封样客户端发送的检测试样信息后，利用所述检测试样信息生成见证取样电子封志并反馈给封样客户端，以使所述封样客户端将所述见证取样电子封志发送给相连接的检测监管平台，供所述检测监管平台保存所述见证取样电子封志。
在一实现方式中，封样客户端可以是检验机构中各个见证人员所使用的智能终端或者是封志专用的智能终端或客户端。封样客户端与检测监管平台连接，检测监管平台可以是一个云端平台，可以用于存储不同的封志、试样信息以及检验记录，方便用户对各项信息进行管理。
检测试样信息可以是见证人员上传的关于进行检验的试样的相关信息，包括试样的尺寸、图像、大小及位置等。封样客户端可以将检测试样信息发送给检测试样识别系统，由检测试样识别系统采用检测试样信息生成对应的见证取样电子封志，再将见证取样电子封志发送给封样客户端，让封样客户端将见证取样电子封志发送给检测监管平台，让检测监管平台存储保管。可选地，封样客户端也可以根据不同检验任务对检测试样信息采取不同的处理，具体可以根据实际需要进行调整。
在一实施例中，所述检测试样信息包括：待检测试样的唯一编码和试样图像，所述唯一编码是所述封样客户端采集所述试样图像时添加的编码，该编码是唯一的。
在一实现方式中，见证人员或收样人员直接向封样客户端上传待检测试样所包含的唯一的标识对应的唯一编码，得到唯一编码；同时见证人员或收样人员可以上传待检测试样的图像，作为试样图像。
具体地，所述唯一编码可以是检测试样上的唯一标识对应的唯一编码，例如，可以类似是芯片上的二维码信息。
其中，作为示例的，所述利用所述检测试样信息生成见证取样电子封志可以包括以下子步骤：
S111、对所述试样图像进行图像分割并提取符合预设轮廓尺寸的轮廓掩码图像。
在一实施例中，试样图像除了包含待检测试样外，可能还包括其他物体或图案，此图案与待检测试样无关，需要剔除部分无关的图案或图像，保留与待检测试样相关的图像，可以对试样图像进行图像分割，在分割完成后，可能分割得到试样的图像。为了能提取与待检测试样相关物体的图像，可以识别图像中试样的轮廓尺寸，将其轮廓尺寸与预设轮廓尺寸进行比对。若其轮廓尺寸与符合预设轮廓尺寸，则说明该图像所包含的物体是待检测试样，可以以该图像为轮廓掩码图像。
其中，预设轮廓尺寸可以是待检测试样轮廓的参数。
在一实施例中，用户上传的图像还可能存在各种各样的问题，例如清晰度较低、倾斜、尺寸不一等。为了消除各项问题以准确提取轮廓掩码图像，其中，作为示例的，步骤S111可以包括以下子步骤：
S1111、对所述试样图像进行图片预处理，得到处理图像，所述预处理包括：图片放缩和图片填充。
在一实施例中，预处理可以包括：图片放缩、图片填充、图片中心旋转(自动扩展图像大小与填充，不丢失图像数据)、高斯噪音、颜色变换、随机亮度对比度、随机翻转等。
在完成预处理后，可以识别图像中是否包含待检测试样，若包含，则执行后续操作；若不包含，则处理图像无法进行分割得到后续所需的检测试样的图像。可以将确定该试样图像不符合标准的信息返回封样客户端，以提升用户重新上传检测试样的唯一编码与试样图像。
S1112、对所述处理图像进行实例分割得到包含检测试样与标识的分割图像。
在一实施例中，对处理图像进行实例分割，从而得到分割图像。该分割图像是包含了待检测试样对应的标识的掩码图像。所述标识是待检测试样中其掩码所对应或掩码所包含的唯一性标识。
在一实现方式中，分割操作可以是使用预设的检测试样与标识分割模型，该模型可以识别图像中是否包含标识，若包含则对其进行实例分割。
该检测试样与标识分割模型主要采用solov2实例分割模型对输入图片中的检测试样以及唯一性标识进行实例分割，通过中心位置和对象大小直接区分出物品实例；resnet34作为模型的骨干网络，FPN作为模型的Neck网络；
该检测试样与标识分割模型可以根据图像中检测试样与标识的大小比例以及标识主要集中在检测试样中的特殊情况，将模型中的尺度范围scale_ranges修改为面积比例范围，该面积比例范围由数据集中检测试样与标识的面积经过k_means算法计算得到；将模型中目标物体的面积与尺度范围的比较，修改为目标物体和图片的面积比与面积比例范围的比较；将模型中的步距strides中的值修改为8、16、32，限定目标大小。修改后有效提升模型实例分割的精度；
另外，检测试样与标识分割模型采用多种数据增强手段与模型训练得到，主要包含有标识放缩(符合多种规格的唯一性标识)、图片中心旋转(自动扩展图像大小与填充，不丢失图像数据)、高斯噪音、颜色变换、随机亮度对比度、随机翻转等，增强分割模型的鲁棒性。
S1113、利用直线检测算法提取所述分割图像内关于待检测试样的轮廓边线的长度参数，当所述长度参数满足预设轮廓尺寸要求时，以所述分割图像为轮廓掩码图像。
在一实施例中，可以通过lsd(Line Segment Detector)与fsd(Fast LineDetectors)直线检测算法综合计算分割图像中待检测试样的轮廓的四条边所在直线，得到拟合检测试样轮廓的四边形图形，获取该四边形图形的自身宽高比、与原始图像的宽高比、各边之间的夹角等长度参数，通过这些长度参数来判断处理图像内关于待检测试样是否所要识别或提取的待检测试样，从而确定提取的待检测试样是否符合要求，判断检测试样是否为标准检测试样、图像是否符合标准。
在一实施例中，判断是否符合要求的条件可以如下：
(1)若检测试样轮廓拟合的四边形图形自身宽高比大于指定阈值，待检测试样的规格可能不符合标准，或图像中检测试样被遮挡，影响识别唯一标识及其位置、检测试样清晰的表面物理特征的准确性，从而影响电子封志的准确性。将该检测试样图像不符合标准的信息返回封志专用客户端，要求重新上传检测试样的唯一编码和试样图像。
(2)若待检测试样的轮廓拟合的四边形图形与检测试样图像边长比值不在指定阈值范围内，可能存在图像中检测试样拍摄不完整，或图像中检测试样过小等情况，影响识别唯一标识及其位置、检测试样清晰的表面物理特征的准确性，从而影响电子封志的准确性。
(3)若检测试样轮廓拟合的四边形图形四边夹角不在指定阈值范围内，可能存在检测试样规格不符合标准，或图像中检测试样被遮挡、检测试样拍摄角度不符合要求等情况，影响识别唯一标识及其位置、检测试样清晰的表面物理特征的准确性，从而影响电子封志的准确性。
若上述参数不符合要求，可以确定长度参数不满足预设轮廓尺寸要求，说明该待检测试样图像不符合标准，可以向封样客户端返回信息返回封志专用客户端，要求重新上传检测试样的唯一编码和试样图像。
在一实施例中，当所述长度参数满足预设轮廓尺寸要求时，以所述分割图像为轮廓掩码图像。该轮廓掩码图像是包含了待检测试样对应的标识掩码的图像。所述标识掩码是待检索试样的唯一性标识。
S112、从所述轮廓掩码图像分别提取标识掩码、标识空间数据和试样表面特征数据，其中，所述标识掩码是待检测试样上唯一的标识的轮廓掩码，所述标识空间数据为所述标识掩码在所述轮廓掩码图像的空间位置坐标，所述试样表面特征数据是所述轮廓掩码图像中待检测试样的表面物理特征。
由于轮廓掩码图像包含了标识掩码，可以从轮廓掩码图像提取标识掩码，同时，可以从轮廓掩码图像提取标识空间数据和试样表面特征数据，其中，所述标识掩码是待检测试样唯一的标识，所述标识空间数据为所述标识掩码在所述轮廓掩码图像的空间位置坐标，所述试样表面特征数据是所述轮廓掩码图像中待检测试样的表面物理特征。
其中，作为示例的，步骤S112可以包括以下子步骤：
S1121、对所述轮廓掩码图像内待检测试样的轮廓掩码与预设标准图形进行映射与拟合，以及对所述试样图像与所述轮廓掩码图像内的标识掩码进行变换，分别得到矫正试样图像和矫正标识掩码图像。
具体地，可以利用opencv库中的图像透视变换方法对轮廓掩码图像内待检测试样的轮廓进行拟合，使得轮廓掩码图像内待检测试样的轮廓的四边形图形变换成标准的正方形，获得矫正试样图像。
由于轮廓掩码图像内包含了掩码，同时可以利用相同的透视矩阵M(是opencv库中的图像透视变换的矩阵)对掩码进行变换，获得关于掩码的矫正标识掩码图像。
S1122、从所述矫正标识掩码图像中提取标识在所述矫正试样图像的外接矩形坐标，利用所述外接矩形坐标从所述矫正试样图像提取得到掩码标识。
S1123、确定关于所述矫正标识掩码图像中标识掩码轮廓的图形在所述矫正试样图像中所有顶点的位置坐标与中心点位置坐标，在根据所述中心点位置坐标将所述矫正标识掩码图像与所述矫正试样图像进行旋转后，旋转拟合所述位置坐标得到标识空间数据。
具体地，可以通过掩码图像中的标识掩码获取图像的外接矩形坐标，以此在掩码图像中裁剪得到该待检测试样的唯一性标识，即标识掩码。
可以通过lsd与fsd直线检测算法综合计算标识掩码的轮廓的边所在直线，得到拟合标识轮廓的图形，在经过自适应脱模与标识轮廓图形自矫正后，计算出拟合标识轮廓的图形在轮廓掩码图像中所有顶点的位置坐标与中心点位置坐标，根据该中心点位置坐标，按90度旋转轮廓掩码图像与标识掩码，保证标识掩码在轮廓掩码图像的顶角(可选地，可以是左上角)。
统一旋转拟合标识掩码的轮廓的图形所有顶点的位置坐标，从而获得标识掩码在检测试样中的空间位置坐标，以该空间位置坐标为标识空间数据；
S1124、将所述矫正试样图像输入至预设的物理特征识别模型，得到待检测试样的试样表面特征数据。
在一实现方式中，可以将轮廓掩码图像至预设的物理特征识别模型，让预设的物理特征识别模型识别图像中待检测试样的表面特征，得到试样表面特征数据。需要说明的是，试样表面特征数据可以是待检测试样的表面物理特征信息矩阵。
虽然检测试样表面的物理特征复杂多样，但是检测试样一旦制作形成后，其表面众多随机分布的细致线条、随机突起、不规则的孔洞等构成的整体物理特征是唯一的，且只要不经过较大的外力破坏，这个物理特征将伴随其整个生命周期。
本发明根据检测试样表面唯一的物理特征的特点，采用了机器视觉中的深度学习技术，并自主开发了一个检测试样物理特征识别的深度学习模型，该模型能够去除检测试样表面杂质信息的影响，并能有效提取其随机分布的细致线条、微小突起、不规则的孔洞等特征信息。
在一实施例中，所述预设的物理特征识别模型，包括骨干网络和输出头网络；
所述骨干网络包括多个普通卷积结构和多个BasicBlock卷积模块，所述BasicBlock卷积模块采用CSP局部稠密连接结构；
所述输出头网络包括搭载了SPPF结构和DFC注意力机制HeadBlock卷积模块；
所述骨干网络，用于对所述轮廓图像进行特征采样并输出多个不同分辨率的特征图；
所述述输出头网络，用于合并多个不同分辨率的特征图得到待检测试样的试样表面特征数据。
具体地，检测试样物理特征识别模型由骨干网络和输出头网络组成，骨干网络主要由多个普通卷积结构和多个BasicBlock卷积模块构成，输出头网络针对骨干网络输出的4种分辨率特征设计了HeadBlock卷积模块，先将4个级别的特征图依次经过HeadBlock模块后合并，最后通过全连接层得到最终的检测试样物理特征值。
其中，骨干网络大致计算过程如下：
首先经过2层普通卷积结构进行下采样操作得到2倍下采样特征图；
然后经过1个BasicBlock卷积模块并最后进行下采样操作得到4倍下采样特征图；
接着经过3个BasicBlock卷积模块并最后进行下采样操作得到8倍下采样特征图；
然后经过3个BasicBlock卷积模块并最后进行下采样操作得到16倍下采样特征图；
接着经过1个BasicBlock卷积模块并最后进行下采样操作得到32倍下采样特征图；
在16倍下采样时进行与4倍、8倍下采样特征图的交叉融合；
在32倍下采样时进行与4倍、8倍、16倍下采样特征图的交叉融合；
最后输出4倍、8倍、16倍和32倍下采样的4种分辨率特征图。
二骨干网络的BasicBlock卷积模块整体采用CSP局部稠密连接结构，基础卷积网络运用了Ghost幻影卷积结构，从而既能够高效提取特征图，也能够平衡计算并增强梯度路径。其具体作用如下：
第一、CSP局部稠密连接结构通过分块归并策略增加梯度路径，有效平衡计算，减少内存流量，而局部过渡层可使梯度组合的差异最大，既能重用特性，也能通过截断梯度流防止过多的重复梯度信息。
第二、Ghost幻影卷积结构是将原始卷积层分为两部分，首先用一半卷积核生成原始特征图，然后使用廉价变换操作(深度可分离卷积)高效生产另一半幻影特征图。
输出头网络的HeadBlock卷积模块主要在普通卷积结构的基础上结合使用了SPPF结构和DFC注意力机制，既能够很好的提取各个重要特征，也能够过滤掉杂质特征，还能够增强各个重要特征之间的联系。其具体操作如下：
SPPF结构是先进行一次普通卷积，然后串联使用3个5x5大小的最大池化结构并始终保持特征图大小不变，接着将普通卷积输出和3个池化结构输出合并成一个特征图，最后经过一个普通卷积得到SPPF结构的输出。
DFC注意力机制是先将特征图进行平均池化下采样一倍，然后依次执行大小为1×7和7×1的深度可分离卷积(纵向和横向长距离注意力)，最后进行Sigmoid和线性插值上采样得到各个通道的空间注意力权重，这样既能对特征图的通道进行注意力增强，也能对一定范围的空间进行注意力增强。
本实施例的检测试样物理特征识别模型采用了不同的分辨率分别提取检测试样表面物理特征的方式，大分辨率可以较大程度保留检测试样表面的细致特征，如细小的孔洞、微小突起等，而小分辨率则可以提取出检测试样表面偏大的特征，如稍大的孔洞、显眼的标识、标写的文字、明显的坑洼与突起等，同时能够过滤掉绝大部分的杂质信息，避免误判，如此能够最大程度的提取检测试样表面各级别的物理特征。
S113、当所述标识掩码对应的交并比值大于预设比值时，对所述唯一编码、标识掩码、标识空间数据、试样表面特征数据和试样图像依次进行映射、编码与封装，得到见证取样电子封志。
在一可选的实施例中，由于分割后的图像包含标识掩码，为了确定所识别标识掩码是否符合要求，可以计算标识掩码对应的掩码与封样客户端随机生成的指定植入的标识的位置区域的交并比iou(Intersection overUnion)，如果该数值未达指定阈值，试样图像的待检测试样表明未按要求植入标识掩码，可以将不符合标准的信息返回封样客户端，要求重新上传检测试样的唯一编码和试样图像。
若标识掩码对应的交并比值大于预设比值时，将待检测试样的原始图像(对应为试样图像)、待检测试样的唯一编码(对应为唯一编码)、待检测试样的唯一性标识(对应为标识掩码)、标识空间数据和试样表面特征数据等信息进行映射、编码与封装，生成该待检测试样的见证取样电子封志。
为了确保见证取样电子封志不被窜改，封样客户端可以对见证取样电子封志进行加密。在加密完成后，封样客户端将完成了加密的见证取样电子封志发送给检测监管平台，让检测监管平台存储保管。当需要进行解封检验时，再从检测监管平台提取对应的封志。
可选地，封样客户端会通过加密技术对待检测试样的见证取样电子封志进行一次性的加密，在加密后再发送给平台保存，以保证电子封志的私密性。
在一实施例中，所述封样客户端对所述见证取样电子封志进行加密的操作可以包括以下子步骤：
S21、利用CP-ABE属性加密技术对所述见证取样电子封志进行一次性加密得到第一次加密封志。
S22、利用预设的验样公钥对所述第一次加密封志进行第二次加密得到第二次加密封志，所述预设的验样公钥是所述封样客户端的用户公开持有的公钥。
S23、采用预设的见证私钥对所述第二次加密封志完成签名后，将所述第二次加密封志上传检测监管平台进行保存，所述见证私钥是所述封样客户端的用户个人持有的私钥。
具体地，封样客户端可以利用CP-ABE属性加密技术对见证取样电子封志进行一次性加密得到第一次加密封志。再利用预设的验样公钥对第一次加密封志进行第二次加密得到第二次加密封志。最后，再采用预设的见证私钥对第二次加密封志签名。在完成签名后，封样客户端再将第二次加密封志上传检测监管平台进行保存。
其中所述见证私钥是所述封样客户端的用户所在检测机构持有的私钥。所述预设的验样公钥是所述封样客户端的用户公开的公钥。
在本实施例中，CP-ABE属性加密，可以设定只能解密一次，不能再解开第二次；使用验样公钥加密，该公钥是公开的，与检测机构所持有的验样私钥所对应的，是客户端的用户持有的公开的验样公钥；使用见证私钥签名，该私钥是见证人员私人持有，不属于公开使用，与之对应的是见证公钥，可以在验样时期进行解密。
需要说明的是，公钥与私钥都是成对存在的，每个封样客户端的见证人员单独持有见证私钥，每个见证人员的见证私钥均不一样，并公开其见证公钥。检测机构单独持有验样私钥，且每个检测机构的验样私钥均不一样，同时检测结构会公开其验样公钥。
在实际应用时，只要是在同一个见证人员与同一个检测机构的前提下，其对应的每一个电子封志使用相同的验样公钥与见证私钥加密，使用相同的见证公钥与验样私钥解密，否则不相同。
需要说明的是，CP-ABE属性加密不同，每一个电子封志使用的都不一样，其根据一定的规则进行加密，解密时需在一定的条件下才能解开且只能解密一次。
本实施例中，封样客户端利用CP-ABE(Ciphertext-Policy Attribute BasedEncryption)属性加密技术对检测试样电子封志进行一次性的加密与解密，保证电子封志的私密性；再利用非对称密钥加密技术对检测试样电子封志进行处理，主要体现为在检测试样施封时对电子封志进行验样公钥加密与见证私钥签名、在检测试样验封时对电子封志进行见证公钥验签与验样私钥解密，进一步保证电子封志的私密性、完整性和防抵赖性。电子封志保存在检测监管平台中，在待检测试样从取样到送检验样的流转全过程均可连接检测监管平台进行施封、验封、比对、校验，检测监管平台同时记录检测试样电子封志的施封、存取、获取、验封等操作，实现检测试样电子封志全流程可追溯功能，当施封与解封次数异常时发出预警信号。通过检测试样电子封志的施封、验封及追溯，为验证检测试样的同一性和真实性提供可靠的依据。
S12、在接收验样客户端发送的检测试样信息和送检验样电子封志后，采用所述送检验样电子封志对所述检测试样信息进行比对并将比对结果发送给所述验样客户端，以供所述验样客户端发送给所述检测监管平台保存，其中，所述送检验样电子封志是所述验样客户端接收了检测试样信息后从所述检测监管平台中提取与所述见证取样电子封志相同的封志。
当生成见证取样电子封志后，完成对待检测试样的封装保密。此时，若需要对待检测试样进行检测时，负责检测的检测机构，其工作人员将所要检验的待检测试样的相关信息上传至验样客户端，使得验样客户端可以从检测监管平台提取该待检测试样对应的封志。
验样客户端是检验机构内负责进行验封的工作人员所使用的客户端。可选地，封样客户端与验样客户端可以是相同的客户端。
在一实施例中，检测试样信息是负责检测的检测机构的工作人员将所要检验的待检测试样的相关信息，具体可以对应在步骤S11的检测试样信息。送检验样电子封志是该检测试样信息进行上述步骤S11的操作时所生成的电子封志。
可选地，该检测试样信息与检测试样信息可以是相同的信息，也可以是不同的信息。
其中，获取送检验样电子封志的方式可以是负责检测的检测机构的工作人员在验样客户端输入其对应的编码，该编码可以是唯一编码，唯一编码是检测机构工作人员所要检验的待检测试样的唯一编码。该编码是与其施封时所生成的电子封志一一对应的。
检测监管平台可以根据该唯一编码返回对应的封志，得到送检验样电子封志。
由于每个电子封志在上传至检测监管平台时，均是经过客户端进行加密，在获取检测监管平台返回的电子封志后，需要对其进行解密，才得到对应的送检验样电子封志。
其中，作为示例的，所述验样客户端从所述检测监管平台获取封志进行解密的操作，可以包括以下子步骤：
S31、当利用预设的见证公钥对所述检测监管平台返回的封志的签名完成验签后，利用预设的验样私钥对所述检测监管平台返回的封志进行第一次解密，得到第一次解密封志，所述见证公钥为所述验样客户端的用户所在检测机构公开持有的公钥，所述验样私钥为所述验样客户端的用户所在检测机构单独持有的私钥。
S31、利用CP-ABE属性加密技术对所述第一次解密封志进行第二次解密。
具体地，验样客户端可以根据待检测试样对应的唯一编码向检测监管平台申请获取编码相同的检测试样电子封志，检测监管平台将编码相同的电子封志返回给验样客户端。
验样客户端对检测监管平台返回的电子封志利用见证公钥验签以及验样私钥解密，再利用CP-ABE属性加密技术进行一次性解密，获取见证取样时的电子封志的信息得到送检验样电子封志。
具体的解密与上述加密的步骤一一对应。
在本实施例中，电子封志的解密与加密是相对应的，顺序相反的，从外到里分别为：见证公钥验签，利用与见证人员私人持有的见证私钥对应的见证公钥，验证签名是否属于该见证人员；验样私钥解密，具体是检测机构所持有的不公开的验样私钥，进行解密，如果不是该检测机构，则不持有该私钥，无法打开；使用CP-ABE属性解密，由于在加密时设定只能解密一次，当无法打开时，表明该电子封志已经被打开过，因此属于一次性解密。
各个客户端使用CP-ABE属性加密技术对识别系统生成的电子封志进行一次性加密和解密，保证电子封志的私密性；并利用非对称密钥加密技术，对施封时的检测试样电子封志进行见证私钥签名与验样公钥加密、对验封时的检测试样电子封志进行见证公钥验签与验样私钥解密，进一步保证电子封志在传递过程中的私密性、完整性与防抵赖性。
在一实施例中，验样客户端可以将送检验样电子封志与检测试样信息发送给检测试样识别系统，检测试样识别系统可以将送检验样电子封志对其接受的检测试样信息进行检验比对，确定两个对应的信息是否相同。最后可以将比对结果发送给验样客户端，验样客户端再将比对结果上传至检测监管平台。
在一可选的实施例中，步骤S12可以包括以下子步骤：
S121、从所述送检验样电子封志分别提取封志比对信息，以及从所述检测试样信息中提取试样比对信息。
S122、利用所述封志比对信息和所述试样比对信息计算封志变化值，得到比对结果，并将所述比对结果发送给所述验样客户端。
在一实施例中，电子封志是由编码、标识、标识空间数据、试样表面特征数据和试样图像组成。
可以对送检验样电子封志进行解封，从而得到封志比对信息。该封志比对信息可以包括编码、标识、标识空间数据、试样表面特征数据和试样图像。
同理，可以按照上述步骤S111-S113的方式，根据检测试样信息提取得到试样比对信息，该试样比对信息也可以包括编码、标识、标识空间数据、试样表面特征数据和试样图像。
可以通过比对上述各个参数，得到比对结果。
在一可选的实施例中，比对方式可以如下：
例如，编码的比对如下：
在获取送检验样电子封志和检测试样信息后，可以提取送检验样电子封志对应的唯一编码，以及提取检测试样信息对应的唯一编码：
判断这两个唯一编码是否保持一致，如有变化，表明该检测试样存在调换、篡改的可能性，可以向验样客户端发送报警提示信息；如没有变化，则进行其他项的比对。
标识的比对如下：
在获取送检验样电子封志和检测试样信息，并可以提取送检验样电子封志对应的唯一编码，以及提取检测试样信息对应的唯一编码后，计算两个唯一编码的交并比iou。
若两个唯一编码的交并比iou小于指定阈值时，返回位置比对分数为0，并向验样客户端发送报警提示信息。
标识空间数据、试样表面特征数据的比对如下：
若两个唯一编码的交并比iou大于指定阈值时，可以获取送检验样电子封志对应的唯一性标识的空间位置坐标，利用这个空间位置坐标计算出唯一性标识的中心点坐标。
再计算检测试样信息与输入的编码相同的在先待检测试样的唯一性标识中心点坐标的欧式距离，与拟合唯一性标识轮廓的图形对应顶点连线的夹角均值，输入分数计算公式，得到位置对比分数；
再计算检测试样信息与输入的编码相同的在先待检测试样的表面物理特征矩阵的余弦相似度与欧式距离，输入分数计算公式，得到表面物理特征对比分数；
最后加权求和计算位置对比分数与检测试样表面物理特征对比分数，得到检测试样信息对应的电子封志与输入的编码相同的在先待检测试样对应的电子封志的最终匹配分数作为封志变化值，该匹配分数代表着两个电子封志之间的变化程度。
最后可以将检测比对结果返回验样客户端，验样客户端可以上传至检测监管平台。
可选地，上述各个参数的比对方式也可以根据如下方式执行：
从所述送检验样电子封志分别提取封志比对信息，以及从所述检测试样信息中提取试样比对信息。
若所述封志比对信息所包含的数据与对应的所述试样比对信息所包含的数据相同，则生成检验通过结果并发送给所述验样客户端。
若所述封志比对信息所包含的数据与对应的所述试样比对信息所包含的数据相同有任意一项不相同，则生成检验不通过结果并发送给所述验样客户端。
在一实施例中，若送检验样电子封志的编码与检测试样信息的编码相同、送检验样电子封志的标识与检测试样信息的标识相同、送检验样电子封志的标识空间数据与检测试样信息的标识空间数据相同且送检验样电子封志的试样表面特征数据与检测试样信息的试样表面特征数据相同，则说明检验比对通过，可以生成检验通过结果并发送给验样客户端。
若送检验样电子封志的编码与检测试样信息的编码不相同、送检验样电子封志的标识与检测试样信息的标识不相同、送检验样电子封志的标识空间数据与检测试样信息的标识空间数据不相同、送检验样电子封志的试样表面特征数据与检测试样信息的试样表面特征数据不相同或送检验样电子封志的试样图像与检测试样信息的试样图像不相同，则说明检验比对不通过，可以生成检验通过不结果并发送给验样客户端。
本发明将基于电子封志的检测试样施封、验封过程与图像识别技术、深度学习技术联系起来。应用图像识别技术与深度学习技术，精准定位唯一性标识及其在检测试样中的空间位置，识别检测试样表面物理特征信息，计算表面物理特征信息的相似度，结合使用唯一性标识对应的唯一编码生成检测试样的电子封志，解决了验证唯一性标识与检测试样之间的绑定性与验证检测试样同一性的问题；且使用电子封志相比于传统的封志方法更为方便高效、节约成本。
在本实施例中，本发明实施例提供了一种基于电子封志的检测试样施封验封方法，其有益效果在于：本发明可以在客户端采集试样信息后，通过加密算法和试样信息生成唯一的电子封志并在云端保存，在接收待检验的试样信息时，再利用待检验的试样信息与电子封志进行比对，通过生成唯一的电子封志与试样进行绑定，能避免篡改的情况，从而提升检验的准确率，并保障检测试样的真实性。
本发明实施例还提供了一种基于电子封志的检测试样施封验封装置，参见图2，示出了本发明一实施例提供的一种基于电子封志的检测试样施封验封装置的结构示意图。
其中，作为示例的，所述基于电子封志的检测试样施封验封装置可以包括：
试样施封模块201，用于在接收封样客户端发送的检测试样信息后，利用所述检测试样信息生成见证取样电子封志并反馈给封样客户端，以使所述封样客户端将所述见证取样电子封志发送给相连接的检测监管平台，供所述检测监管平台保存所述见证取样电子封志；
试样验封模块202，用于在接收验样客户端发送的检测试样信息和送检验样电子封志后，采用所述送检验样电子封志对所述检测试样信息进行比对并将比对结果发送给所述验样客户端，以供所述验样客户端发送给所述检测监管平台保存，其中，所述送检验样电子封志是所述验样客户端接收了检测试样信息后从所述检测监管平台中提取与所述见证取样电子封志相同的封志。
可选地，所述检测试样信息包括：待检测试样的唯一编码和试样图像，所述唯一编码是所述封样客户端采集所述试样图像时添加的编码；
所述利用所述检测试样信息生成见证取样电子封志，包括：
对所述试样图像进行图像分割并提取符合预设轮廓尺寸的轮廓掩码图像；
从所述轮廓掩码图像分别提取标识掩码、标识空间数据和试样表面特征数据，其中，所述标识掩码是待检测试样上唯一的标识的轮廓掩码，所述标识空间数据为所述标识掩码在所述轮廓掩码图像的空间位置坐标，所述试样表面特征数据是所述轮廓掩码图像中待检测试样的表面物理特征；
当所述标识掩码对应的交并比值大于预设比值时，对所述唯一编码、标识掩码、标识空间数据、试样表面特征数据和试样图像依次进行映射、编码与封装，得到见证取样电子封志。
可选地，所述对所述试样图像进行图像分割并提取符合预设轮廓尺寸的轮廓掩码图像，包括：
对所述试样图像进行图片预处理，得到处理图像，所述预处理包括：图片放缩和图片填充；
对所述处理图像进行实例分割得到包含检测试样与标识的分割图像；；
利用直线检测算法提取所述分割图像内关于待检测试样的轮廓边线的长度参数，当所述长度参数满足预设轮廓尺寸要求时，以所述分割图像为轮廓掩码图像。
可选地，所述从所述轮廓掩码图像分别提取标识掩码、标识空间数据和试样表面特征数据，包括：
对所述轮廓掩码图像内待检测试样的轮廓掩码与预设标准图形进行映射与拟合，以及对所述试样图像与所述轮廓掩码图像内的标识掩码进行变换，分别得到矫正试样图像和矫正标识掩码图像；
从所述矫正标识掩码图像中提取标识在所述矫正试样图像的外接矩形坐标，利用所述外接矩形坐标从所述矫正试样图像提取得到掩码标识；
确定关于所述矫正标识掩码图像中标识掩码轮廓的图形在所述矫正试样图像中所有顶点的位置坐标与中心点位置坐标，在根据所述中心点位置坐标将所述矫正标识掩码图像与所述矫正试样图像进行旋转后，旋转拟合所述位置坐标得到标识空间数据；
将所述矫正试样图像输入至预设的物理特征识别模型，得到待检测试样的试样表面特征数据。
可选地，所述预设的物理特征识别模型，包括骨干网络和输出头网络；
所述骨干网络包括多个普通卷积结构和多个BasicBlock卷积模块，所述BasicBlock卷积模块采用CSP局部稠密连接结构；
所述输出头网络包括搭载了SPPF结构和DFC注意力机制HeadBlock卷积模块；
所述骨干网络，用于对所述轮廓图像进行特征采样并输出多个不同分辨率的特征图；
所述述输出头网络，用于合并多个不同分辨率的特征图得到待检测试样的试样表面特征数据。
可选地，所述采用所述送检验样电子封志对所述检测试样信息进行比对并将比对结果发送给所述验样客户端，包括：
从所述送检验样电子封志分别提取封志比对信息，以及从所述检测试样信息中提取试样比对信息；
利用所述封志比对信息和所述试样比对信息计算封志变化值，得到比对结果，并将所述比对结果发送给所述验样客户端。
可选地，所述封样客户端将所述见证取样电子封志发送给相连接的检测监管平台的步骤前，所述封样客户端对所述见证取样电子封志进行加密，所述加密的操作，包括：
利用CP-ABE属性加密技术对所述见证取样电子封志进行一次性加密得到第一次加密封志；
利用预设的验样公钥对所述第一次加密封志进行第二次加密得到第二次加密封志，所述预设的验样公钥是所述封样客户端的用户公开持有的公钥；
采用预设的见证私钥对所述第二次加密封志完成签名后，将所述第二次加密封志上传检测监管平台进行保存，所述见证私钥是所述封样客户端的用户个人持有的私钥。
可选地，所述验样客户端从所述检测监管平台中提取所述送检验样电子封志，对所述送检验样电子封志进行解密，所述解密的操作，包括：
当利用预设的见证公钥对所述检测监管平台返回的封志的签名完成验签后，利用预设的验样私钥对所述检测监管平台返回的封志进行第一次解密，得到第一次解密封志，所述见证公钥为所述验样客户端的用户所在检测机构公开持有的公钥，所述验样私钥为所述验样客户端的用户所在检测机构单独持有的私钥；
利用CP-ABE属性加密技术对所述第一次解密封志进行第二次解密
本发明实施例还提供了一种关于检测试样的识别系统，参见图3，示出了本发明一实施例提供的一种关于检测试样的识别系统的结构示意图。
所述系统适用于如上述实施例所述的基于电子封志的检测试样施封验封方法。所述系统对应为上述实施例的检测试样识别系统。
其中，作为示例的，所述关于检测试样的识别系统可以包括：
分割模块、图像识别模块、物理特征识别模块和生成模块；
所述分割模块，用于分割输入的待检测试样的图像；
所述图像识别模块，用于识别待检测试样的图像的编码与标识，以及用于识别待检测试样的图像中关于编码与标识的空间坐标；
所述物理特征识别模块，用于识别待检测试样的表面物理特征；
所述生成模块，用于采用试样图像与待检测试样的编码、标识、空间坐标以及表面物理特征生成电子封志。
本发明实施例还提供了一种关于检测试样的处理装置，参见图4，示出了本发明一实施例提供的一种关于检测试样的处理装置的结构示意图。
其中，作为示例的，所述关于检测试样的处理装置可以包括：
封样客户端、验样客户端、检测监管平台和如上所述的关于检测试样的识别系统；
所述关于检测试样的识别系统与所述封样客户端和所述验样客户端连接，所述封样客户端和所述验样客户端与所述检测监管平台连接。
参照图4，整个处理流程如下：
见证人员或收样人员向封志专用客户端(分别对应为封样客户端和验样客户端)上传唯一性标识对应的唯一编码与检测试样图像，封志专用客户端会根据不同任务而采取不同的做法，具体如下：
对检测试样施封时，封志专用客户端将检测试样唯一性标识对应的唯一编码与图像输入检测试样识别系统，首先验证图像是否合格，如若图像不合格则要求操作人员重新上传；当验证合格时，检测试样识别系统则会识别检测唯一性标识及其在检测试样中的空间位置信息、检测试样的表面物理特征信息，结合检测试样原始图像与唯一性标识对应的唯一编码形成唯一性特征信息，以此生成该检测试样的电子封志；识别结束后，检测试样识别系统将电子封志返回至封志专用客户端，客户端利用CP-ABE属性加密技术对电子封志进行一次性加密，再利用验样公钥加密与见证私钥签名后，上传至检测监管平台中进行保存；
对检测试样验封时，封志专用客户端将检测试样唯一性标识对应的唯一编码与图像输入检测试样识别系统进行识别。同时，封志专用客户端根据检测试样唯一性标识对应的唯一编码向检测监管平台申请获取编码相同的检测试样电子封志，检测监管平台将编码相同的电子封志返回给封志专用客户端。客户端对检测监管平台返回的编码相同的电子封志利用见证公钥验签以及验样私钥解密，再利用CP-ABE属性加密技术进行一次性解密，获取见证取样时的电子封志的信息，并将其输入检测试样识别系统。识别系统对比唯一性标识对应的唯一编码、唯一性标识及其在检测试样中的空间位置、检测试样表面物理特征等信息，对比完成后将对比结果返回至封志专用客户端。封志专用客户端将电子封志的比对结果上传至检测监管平台。
参照图5，示出了本发明一实施例提供的检测试样验封的步骤流程图。
封志专用客户端将检测试样唯一性标识对应的唯一编码与图像输入检测试样识别系统进行识别；
封志专用客户端根据检测试样唯一性标识对应的唯一编码向检测监管平台申请获取编码相同的检测试样电子封志，即见证取样时的检测试样电子封志，检测监管平台将电子封志返回给封志专用客户端。封志专用客户端对电子封志首先利用见证公钥验签，验证见证取样来源，再利用验样私钥解密，验证检测机构获取正确，最后利用CP-ABE属性加密技术一次性解密，对照施封时加密的属性如第一次解密、唯一编码、见证人员ID、检测机构ID等，验证电子封志信息保密性，最终获取到见证取样时的电子封志的信息。封志专用客户端将见证取样时的电子封志的信息输入到检测试样识别系统与当前的检测试样进行比对，主要为唯一编码、唯一性标识及其空间位置与检测试样表面物理特征等信息的比对，其使用流程图如图5所示。主要过程如下：
检测试样识别系统比对当前检测试样与输入的编码相同检测试样的唯一编码是否保持一致，如有变化，表明该检测试样存在调换、篡改的可能性，将比对不通过结果输入结果模块；
检测试样识别系统计算当前检测试样与输入的编码相同检测试样的唯一性标识的交并比iou，当iou小于指定阈值时，返回位置比对分数为0；当iou大于阈值时，根据唯一性标识的空间位置坐标计算出唯一性标识的中心点坐标，再计算当前检测试样与输入的编码相同检测试样的唯一性标识中心点坐标的欧式距离与拟合唯一性标识轮廓的图形对应顶点连线的夹角均值，输入分数计算公式，得到位置对比分数，输入结果模块；
计算当前检测试样与输入的编码相同检测试样的表面物理特征矩阵的余弦相似度与欧式距离，输入分数计算公式，得到表面物理特征对比分数，输入结果模块；
加权求和计算位置对比分数与检测试样表面物理特征对比分数得到当前检测试样电子封志与输入的编码相同检测试样电子封志的最终匹配分数，该匹配分数代表着两个电子封志之间的变化程度；
将电子封志比对结果返回封志专用客户端，封志专用客户端再上传至检测监管平台。
所属技术领域的技术人员可以清楚地了解到，为方便的描述和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
进一步的，本申请实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例所述的基于电子封志的检测试样施封验封方法。
进一步的，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行程序，所述计算机可执行程序用于使计算机执行如上述实施例所述的基于电子封志的检测试样施封验封方法。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于电子封志的检测试样施封验封方法，其特征在于，所述方法包括：
在接收封样客户端发送的检测试样信息后，利用所述检测试样信息生成见证取样电子封志并反馈给封样客户端，以使所述封样客户端将所述见证取样电子封志发送给相连接的检测监管平台，供所述检测监管平台保存所述见证取样电子封志；
在接收验样客户端发送的检测试样信息和送检验样电子封志后，采用所述送检验样电子封志对所述检测试样信息进行比对并将比对结果发送给所述验样客户端，以供所述验样客户端发送给所述检测监管平台保存，其中，所述送检验样电子封志是所述验样客户端接收了检测试样信息后从所述检测监管平台中提取与所述见证取样电子封志相同的封志。
2.根据权利要求1所述的基于电子封志的检测试样施封验封方法，其特征在于，所述检测试样信息包括：待检测试样的唯一编码和试样图像，所述唯一编码是所述封样客户端采集所述试样图像时添加的编码；
所述利用所述检测试样信息生成见证取样电子封志，包括：
对所述试样图像进行图像分割并提取符合预设轮廓尺寸的轮廓掩码图像；
从所述轮廓掩码图像分别提取标识掩码、标识空间数据和试样表面特征数据，其中，所述标识掩码是待检测试样上唯一的标识的轮廓掩码，所述标识空间数据为所述标识掩码在所述轮廓掩码图像的空间位置坐标，所述试样表面特征数据是所述轮廓掩码图像中待检测试样的表面物理特征；
当所述标识掩码对应的交并比值大于预设比值时，对所述唯一编码、标识掩码、标识空间数据、试样表面特征数据和试样图像依次进行映射、编码与封装，得到见证取样电子封志。
3.根据权利要求2所述的基于电子封志的检测试样施封验封方法，其特征在于，所述对所述试样图像进行图像分割并提取符合预设轮廓尺寸的轮廓掩码图像，包括：
对所述试样图像进行图片预处理，得到处理图像，所述预处理包括：图片放缩和图片填充；
对所述处理图像进行实例分割得到包含检测试样与标识的分割图像；；
利用直线检测算法提取所述分割图像内关于待检测试样的轮廓边线的长度参数，当所述长度参数满足预设轮廓尺寸要求时，以所述分割图像为轮廓掩码图像。
4.根据权利要求3所述的基于电子封志的检测试样施封验封方法，其特征在于，所述从所述轮廓掩码图像分别提取标识掩码、标识空间数据和试样表面特征数据，包括：
对所述轮廓掩码图像内待检测试样的轮廓掩码与预设标准图形进行映射与拟合，以及对所述试样图像与所述轮廓掩码图像内的标识掩码进行变换，分别得到矫正试样图像和矫正标识掩码图像；
从所述矫正标识掩码图像中提取标识在所述矫正试样图像的外接矩形坐标，利用所述外接矩形坐标从所述矫正试样图像提取得到掩码标识；
确定关于所述矫正标识掩码图像中标识掩码轮廓的图形在所述矫正试样图像中所有顶点的位置坐标与中心点位置坐标，在根据所述中心点位置坐标将所述矫正标识掩码图像与所述矫正试样图像进行旋转后，旋转拟合所述位置坐标得到标识空间数据；
将所述矫正试样图像输入至预设的物理特征识别模型，得到待检测试样的试样表面特征数据。
5.根据权利要求4所述的基于电子封志的检测试样施封验封方法，其特征在于，所述预设的物理特征识别模型，包括骨干网络和输出头网络；
所述骨干网络包括多个普通卷积结构和多个BasicBlock卷积模块，所述BasicBlock卷积模块采用CSP局部稠密连接结构；
所述输出头网络包括搭载了SPPF结构和DFC注意力机制HeadBlock卷积模块；
所述骨干网络，用于对所述轮廓图像进行特征采样并输出多个不同分辨率的特征图；
所述述输出头网络，用于合并多个不同分辨率的特征图得到待检测试样的试样表面特征数据。
6.根据权利要求1所述的基于电子封志的检测试样施封验封方法，其特征在于，所述采用所述送检验样电子封志对所述检测试样信息进行比对并将比对结果发送给所述验样客户端，包括：
从所述送检验样电子封志分别提取封志比对信息，以及从所述检测试样信息中提取试样比对信息；
利用所述封志比对信息和所述试样比对信息计算封志变化值，得到比对结果，并将所述比对结果发送给所述验样客户端。
7.根据权利要求1-6任意一项所述的基于电子封志的检测试样施封验封方法，其特征在于，所述封样客户端将所述见证取样电子封志发送给相连接的检测监管平台的步骤前，所述封样客户端对所述见证取样电子封志进行加密，所述加密的操作，包括：
利用CP-ABE属性加密技术对所述见证取样电子封志进行一次性加密得到第一次加密封志；
利用预设的验样公钥对所述第一次加密封志进行第二次加密得到第二次加密封志，所述预设的验样公钥是所述封样客户端的用户公开持有的公钥；
采用预设的见证私钥对所述第二次加密封志完成签名后，将所述第二次加密封志上传检测监管平台进行保存，所述见证私钥是所述封样客户端的用户个人持有的私钥。
8.根据权利要求7所述的基于电子封志的检测试样施封验封方法，其特征在于，所述验样客户端从所述检测监管平台中提取所述送检验样电子封志，对所述送检验样电子封志进行解密，所述解密的操作，包括：
当利用预设的见证公钥对所述检测监管平台返回的封志的签名完成验签后，利用预设的验样私钥对所述检测监管平台返回的封志进行第一次解密，得到第一次解密封志，所述见证公钥为所述验样客户端的用户所在检测机构公开持有的公钥，所述验样私钥为所述验样客户端的用户所在检测机构单独持有的私钥；
利用CP-ABE属性加密技术对所述第一次解密封志进行第二次解密。
9.一种关于检测试样的识别系统，其特征在于，所述系统适用于如权利要求1-8任意一项所述的基于电子封志的检测试样施封验封方法，所述系统包括：分割模块、图像识别模块、物理特征识别模块和生成模块；
所述分割模块，用于分割输入的待检测试样的图像；
所述图像识别模块，用于识别待检测试样的图像的编码与标识，以及用于识别待检测试样的图像中关于编码与标识的空间坐标；
所述物理特征识别模块，用于识别待检测试样的表面物理特征；
所述生成模块，用于采用试样图像与待检测试样的编码、标识、空间坐标以及表面物理特征生成电子封志。
10.一种关于检测试样的处理装置，其特征在于，所述装置包括：封样客户端、验样客户端、检测监管平台和如权利要求9所述的关于检测试样的识别系统；
所述关于检测试样的识别系统与所述封样客户端和所述验样客户端连接，所述封样客户端和所述验样客户端与所述检测监管平台连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310654757.1A CN116778202B (zh) | 2023-06-02 | 2023-06-02 | 一种基于电子封志的检测试样施封验封方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310654757.1A CN116778202B (zh) | 2023-06-02 | 2023-06-02 | 一种基于电子封志的检测试样施封验封方法、系统及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116778202A true CN116778202A (zh) | 2023-09-19 |
| CN116778202B CN116778202B (zh) | 2024-04-12 |
Family
ID=87992231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310654757.1A Active CN116778202B (zh) | 2023-06-02 | 2023-06-02 | 一种基于电子封志的检测试样施封验封方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116778202B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0859488A2 (en) * | 1997-02-18 | 1998-08-19 | Arcanvs | Method and apparatus for authenticating electronic documents |
| CN101676739A (zh) * | 2008-09-19 | 2010-03-24 | 中国国际海运集装箱(集团)股份有限公司 | 集装箱全供应链实时跟踪监控系统及其监控方法 |
| CN105243408A (zh) * | 2015-11-05 | 2016-01-13 | 湖南建研信息技术股份有限公司 | 一种基于rfid芯片的混凝土试块定位系统和方法 |
| CN106815779A (zh) * | 2017-03-27 | 2017-06-09 | 绍兴市标点电子技术有限公司 | 建设工程质量检测防假样系统及方法 |
| CN108304880A (zh) * | 2018-02-05 | 2018-07-20 | 福建汇川物联网技术科技股份有限公司 | 一种基于图像标记的工地试样见证取样方法 |
| CN109389001A (zh) * | 2018-12-21 | 2019-02-26 | 长安大学 | 一种基于二维码与图像识别防伪的混凝土试件见证取样系统及方法 |
| CN111461281A (zh) * | 2020-04-07 | 2020-07-28 | 安徽信息工程学院 | 一种电子封条和电子箱封系统 |
| WO2021217859A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安国际智慧城市科技股份有限公司 | 目标异常识别方法、装置、电子设备及存储介质 |
| CN115936540A (zh) * | 2023-02-16 | 2023-04-07 | 南京方园建设工程材料检测中心有限公司 | 一种建筑工程数字化见证取样及检测系统 |
-
2023
- 2023-06-02 CN CN202310654757.1A patent/CN116778202B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0859488A2 (en) * | 1997-02-18 | 1998-08-19 | Arcanvs | Method and apparatus for authenticating electronic documents |
| CN101676739A (zh) * | 2008-09-19 | 2010-03-24 | 中国国际海运集装箱(集团)股份有限公司 | 集装箱全供应链实时跟踪监控系统及其监控方法 |
| CN105243408A (zh) * | 2015-11-05 | 2016-01-13 | 湖南建研信息技术股份有限公司 | 一种基于rfid芯片的混凝土试块定位系统和方法 |
| CN106815779A (zh) * | 2017-03-27 | 2017-06-09 | 绍兴市标点电子技术有限公司 | 建设工程质量检测防假样系统及方法 |
| CN108304880A (zh) * | 2018-02-05 | 2018-07-20 | 福建汇川物联网技术科技股份有限公司 | 一种基于图像标记的工地试样见证取样方法 |
| CN109389001A (zh) * | 2018-12-21 | 2019-02-26 | 长安大学 | 一种基于二维码与图像识别防伪的混凝土试件见证取样系统及方法 |
| CN111461281A (zh) * | 2020-04-07 | 2020-07-28 | 安徽信息工程学院 | 一种电子封条和电子箱封系统 |
| WO2021217859A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安国际智慧城市科技股份有限公司 | 目标异常识别方法、装置、电子设备及存储介质 |
| CN115936540A (zh) * | 2023-02-16 | 2023-04-07 | 南京方园建设工程材料检测中心有限公司 | 一种建筑工程数字化见证取样及检测系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王震;: "完善见证取样制度, 提高工程检测的公正性", 四川建材, no. 04, 6 August 2009 (2009-08-06) * |
| 行耿顺;段恩朝;司文;熊宗群;陈扬兴;: "浅谈二维码唯一性标识在建筑工程中的应用", 工程质量, no. 09, 10 September 2020 (2020-09-10) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116778202B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111680688B (zh) | 字符识别方法及装置、电子设备、存储介质 | |
| Zhu et al. | Concrete column recognition in images and videos | |
| US20210174131A1 (en) | Computer Vision System for Industrial Equipment Gauge Digitization and Alarms | |
| CN111507976B (zh) | 基于多角度成像的缺陷检测方法及系统 | |
| TW201606556A (zh) | 利用卡片特徵進行身份驗證的方法、裝置及系統 | |
| CN104166955B (zh) | 基于保角变换图像哈希生成及图像篡改检测定位方法 | |
| CN111161349A (zh) | 物体姿态估计方法、装置与设备 | |
| Christlein et al. | A study on features for the detection of copy-move forgeries | |
| Spezialetti et al. | Learning to orient surfaces by self-supervised spherical cnns | |
| CN110765992B (zh) | 印章鉴别方法、介质、设备及装置 | |
| CN108447094B (zh) | 一种单目彩色相机的姿态估算方法及系统 | |
| CN104636730A (zh) | 人脸验证的方法和装置 | |
| 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 | |
| WO2021188104A1 (en) | Object pose estimation and defect detection | |
| CN113313725B (zh) | 含能材料药桶的桶口识别方法及系统 | |
| CN116258663A (zh) | 螺栓缺陷识别方法、装置、计算机设备和存储介质 | |
| CN113724329A (zh) | 融合平面与立体信息的目标姿态估计方法、系统和介质 | |
| CN116778202B (zh) | 一种基于电子封志的检测试样施封验封方法、系统及装置 | |
| CN116958606B (zh) | 一种图像匹配方法及相关装置 | |
| CN117115823A (zh) | 一种篡改识别方法、装置、计算机设备和存储介质 | |
| Fadl et al. | Copy-rotate-move forgery detection based on spatial domain | |
| Xia et al. | A robust recognition algorithm for encoded targets in close-range photogrammetry | |
| CN111126376A (zh) | 基于面部特征点检测的图片纠正方法、装置和计算机设备 | |
| CN115358981A (zh) | 胶水缺陷的确定方法、装置、设备及存储介质 | |
| Fu et al. | A circle detection algorithm based on mathematical morphology and chain code |
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 |