[發明專利]一種基于大數據的人工智能防偽圖像識別方法及系統

有效

• 申請號: 202011563288.5
• 申請日: 2020-12-25
• 公開（公告）號: CN112560989B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 初永玲
• 申請（專利權）人: 煙臺職業學院
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/80;G06V10/82;G06N3/08
• 代理公司: 廣東省中源正拓專利代理事務所(普通合伙) 44748
• 代理人: 王明亮

本發明公開了一種基于大數據的人工智能防偽圖像識別方法及系統，涉及圖像防偽技術領域，解決了現有技術方案防偽圖像的識別準確率不高，且不能實現防偽圖像識別的自動化的技術問題；本發明設置了智能物聯模塊，該設置采集防偽圖像并發送至圖像處理單元，圖像處理單元完成對防偽圖像的初步篩選，有助于提高檢測模型對驗證圖像的判定效率；本發明設置了模型訓練模塊，該設置構建了融合模型，并對融合模型進行訓練獲取檢測模型，有助于保證檢測模型的識別精度；本發明設置了圖像分析模塊，該設置先獲取公司的防偽信譽值，對驗證圖像進行第一輪篩選，然后通過檢測模型對驗證圖像進行第二輪鑒別，有助于提高檢測模型對驗證圖像的識別精度。

技術領域

本發明屬于圖像防偽領域，涉及大數據技術，具體是一種基于大數據的人工智能防偽圖像識別方法及系統。

背景技術

防偽技術是指為了達到防偽目的而采取的便于使用者辨別真偽措施，防偽技術在一定范圍內能準確鑒別真偽，并不易被仿制和復制的技術；簡單的說就是防止仿造，仿冒的技術；為保護企業品牌、保護市場、保護廣大消費者合法權益而采取的一種防范性技術措施。

公開號為CN111709258A的發明專利提供了一種高效率人工智能防偽圖像識別的系統及方法，包括在產品或產品包裝物上張貼有個性化圖像特征類防偽標識；在個性化圖像特征類防偽標識上，設有具有唯一性的身份碼和溯源碼；在個性化圖像特征類防偽標識上設有專用功能的線條和圖案，包含協助拍照的引導拍照圖案和修正形變的修正指導圖案。

上述方案增加了預處理程序和防偽標簽固定圖案，提高了人工智能判別效率；但是，上述方案只是針對于防偽圖像本身進行判別，沒有充分利用人工智能的優勢，導致防偽圖像的識別準確率不高，且不能實現防偽圖像識別的自動化；因此，上述方案仍需進一步改進。

發明內容

為了解決上述方案存在的問題，本發明提供了一種基于大數據的人工智能防偽圖像識別方法及系統。

本發明的目的可以通過以下技術方案實現：一種基于大數據的人工智能防偽圖像識別系統，包括控制系統，所述控制系統包括處理器、圖像分析模塊、數據分析模塊、預警顯示模塊、數據存儲模塊、智能物聯模塊和模型訓練模塊；

所述智能物聯模塊包括圖像處理單元和物聯設備，所述圖像處理單元與物聯設備通信連接，所述物聯設備包括智能手機和二維碼掃描器；所述物聯設備用于采集防偽圖像，并將防偽圖像發送至圖像處理單元，所述圖像處理單元用于對防偽圖像進行初步篩選獲取驗證圖像，同時發送驗證圖像和檢測識別信號至圖像分析模塊；

圖像分析模塊接收到檢測識別信號之后通過檢測模型對驗證圖像進行防偽檢測識別。

優選的，所述檢測模型通過模型訓練模塊獲取，包括：

通過第三方平臺獲取標準圖像數據；所述標準圖像數據包括標準圖像的身份標識碼、穩定期編碼、安全期編碼、識別性能編碼和圖像防偽特征；所述第三方平臺為防偽標簽的制作公司；所述標準圖像為第三方平臺制作的防偽圖像；

隨機生成非標圖像數據；所述非標圖像數據包括隨機生成的非標圖像的身份證標識碼、穩定期編碼、安全期編碼、識別性能編碼和圖像防偽特征；所述非標圖像為假的防偽圖像；

對訓練圖像進行真偽標記；所述真偽標記是對訓練圖像的真偽進行標記，當訓練圖像為標準圖像時，則將訓練圖像的真偽標記賦值為1，當訓練圖像為非標圖像時，則將訓練圖像的真偽標記賦值為0；

構建融合模型；所述融合模型通過支持向量機模型和誤差逆向反饋傳播神經網絡結合融合方式構建的模型，所述融合方式包括線性加權融合法、交叉融合法、瀑布融合法、特征融合法和預測融合法；

將標準圖像數據、非標圖像數據和訓練圖像按照設定比例生成訓練集、驗證集和測試集；通過訓練集、驗證集和測試集對融合模型進行訓練、驗證和測試，當融合模型的目標精度達到要求時，則判定融合模型訓練完成，將訓練完成的融合模型標記為檢測模型；