[發明專利]基于BP神經網絡的二維碼防偽預測裝置和方法

有效

• 申請號: 201610843520.8
• 申請日: 2016-09-21
• 公開（公告）號: CN106469336B
• 公開（公告）日: 2018-04-17
• 發明（設計）人: 李志;陳光鋒
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 廣州勝沃園專利代理有限公司44416
• 代理人: 張帥

1.一種基于BP神經網絡的二維碼防偽預測裝置，其特征在于，包括按信號流向依次連接的數據存取模塊、掃碼模塊、數據分析模塊、學習訓練模塊和算法應用模塊；所述BP神經網絡由輸入層、隱含層和輸出層構成；

數據存取模塊，用于存取產品數據建立防偽數據庫；

掃碼模塊，用于獲取掃碼數據；

數據分析模塊，用于調用防偽數據庫對掃碼獲得的數據進行處理分析，獲得產品的屬性特征值；

學習訓練模塊，由實際產品真偽情況所獲得的特征值數據作為網絡輸入，產品造假概率作為輸出，在輸入的刺激下不斷改變網絡的權系數，以使網絡的輸出不斷地接近期望的輸出，從而構建出BP神經網絡方法；

根據公式計算逐層的實際輸出值，公式如下：

其中j＝0,1,...,M-1，

Z1=f(Σj=0M-1WjkYj-θ1)]]>

式中X_i-輸入層第i個節點的輸出值，Y_j-隱含層第j個節點的輸出值，W_ij-輸入層第i個節點到隱含層第j個節點的權系數，W_jk-隱含層第j個節點到輸出層第k個節點的權系數，θ_j-隱含層第j個節點的內部閾值，θ₁-輸出層第1個節點的內部閾值，Z₁-輸出層第1個節點的實際輸出值，輸入層有N個輸入節點，隱含層有M個隱層節點，輸出層有1個輸出節點；

所述學習訓練模塊是根據輸入信號X_i通過隱層節點作用于輸出節點，經過非線形變換，產生輸出信號Z_k，網絡訓練的每個樣本包括輸入向量X、期望輸出量d、網絡輸出值Z與期望輸出量d之間的偏差；通過調整輸入節點與隱層節點的權系數W_ij、隱層節點與輸出節點之間的權系數W_jk以及內部閾值，使誤差沿梯度方向下降，經過反復學習訓練，確定與最小誤差相對應的網絡參數，學習訓練即結束；

算法應用模塊，使用BP神經網絡方法對掃碼產品進行防偽預測。

2.根據權利要求1所述的基于BP神經網絡的二維碼防偽預測裝置，其特征在于，所述數據存取模塊用于將企業的加工產品質量信息、經銷商信息、零售商信息、消費者掃碼驗證信息和包裝二維碼信息均進行存儲并建立防偽數據庫。

3.根據權利要求1所述的基于BP神經網絡的二維碼防偽預測裝置，其特征在于，所述產品屬性特征值包括掃碼信息一致x1、掃碼指定地點一致x2、知名度x3、造假利益x4、風險代價x5；掃碼產品的信息與防偽數據庫對應的信息是否完全相同構成掃碼信息一致x1；掃碼地點與指定銷售地點的變動構成掃碼指定地點一致x2；所述知名度x3由生活水平不同導致對產品的質量要求存在差異構成；根據不同區域對產品造假的處罰程度不同，造假風險程度不同，構成造假利益x4；因不同品牌產品生產成本不同，產品利潤高低不同構成風險代價x5。

4.根據權利要求1所述的基于BP神經網絡的二維碼防偽預測裝置，其特征在于，所述數據分析模塊利用S型函數將掃碼獲得的數據結合防偽數據庫進行歸一化處理，將掃碼獲得的值轉換成[0,1]區間內，用于為BP神經網絡的學習提供原始數據；其中S型函數公式為：

輸入

net＝x₁w₁+x₂w₂+…+x_nw_n

輸出

y=f(net)=11+e-net]]>

其中x_n為第n個輸入信號；W_n為權系數。