一种人工智能防伪查询系统获得大数据的方法与流程

本发明涉及防伪技术领域，特别是一种基于人工智能对防伪标识物图像信息识别的防伪查询系统获得大数据的方法。

背景技术：

防伪产业中，对防伪标识物图像信息或特征点进行识别系统，进行了很多的探索。例如：cn108694370a所述的《非专用app自动识别纹理真假的防伪方法》。cn109559134a所述的《人工智能快速准确验证细微特征防伪方法》。

而将人工智能技术，用于视觉辅助判别防伪标签的真假，应该是大势所趋。

近年来，神经网络特别是卷积神经网络在图像处理、图像识别类应用上取得了巨大的成功，我们是可以直接拿来的。而直接将现有现成的人工智能技术应用于防伪查验鉴别，也存在着识别效率不高的问题。存在人工智能识别错误率偏高的问题。

至于用于训练人工智能需要的大数据，往往来源太单一。例如在cn109559134a所述的技术中：使用自己员工收集所有类型的手机进行拍照获得部分大数据。cn108694370a所述的将防伪标识在原始出厂时的照片数据作为大数据，则使得人工智能系统，很难识别在现实当中，常见的防伪标识发生形变的情况，导致人工智能的判别偏差。

技术实现要素：

针对现有技术存在的问题，本申请提供了一种基于人工智能的防伪信息识别系统获得大数据的方法。

目的在于：提供的基于人工智能的防伪信息识别系统获得大数据的方法，用于提高对防伪标识物图像信息识别的防伪查询系统中人工智能学习和训练的水平，提高人工智能的判断准确率。

本发明的技术方案如下：一种人工智能防伪查询系统获得大数据的方法，包括在每一个产品或产品包装物⑴上，设有具有唯一性的身份码⑹和溯源码（66）；或身份码⑹和溯源码（66）简化为一个身份信息的数码；在产品或产品包装物⑴上设置有个性化图像特征类防伪标识⑵；其特征在于，在提供查询服务的过程中，系统自动建立了第2档案数据库（33），将查询的详细过程资料列入档案库，形成新的大数据，

具体步骤包括：

s1：在防伪标识⑵上，匹配印有修正指导图案（75）；（修正指导图案（75）是用于形变指示的线条或图案，是协助专用程序后台处理上传的图片（11），发生形变的矫正用的图像或线条；）

s2：（修正指导图案（75）,能快速准确指示出标签形变的曲率。因为，消费者反馈的原始图片（11）是形变后的图片。而与数据库中存储的原始采集图片，变形可能很巨大。导致防伪标识⑵形变的原因很多，包含张贴在曲面、贴在园瓶子上、包装盒的拐角封口处、产品外包装是软的、或对防伪标识⑵的拍摄相机角度不正确。），这也是为减少人工智能识别的失误和错误的重要技术措施。

专用软件的后台将提取，上传图片（11）中的用于形变指示的线条图案（75）和标示明暗度的图像等专用信息，并利用图片形变恢复程序、将上传图片（11）进行变形和明暗度进行矫正，形成新的上传图片（119）；

s3：将上传的图片（11）及人工智能主判断程序判别结果、获得的客户参与并反馈的真假判断结果信息、收集到的上传图片（11）使用的的手机型号等硬件信息，进行一一匹配，设立成表，并组建设立成为一个新的查询过程数据库（33）；（当然，也不限于把形成新的上传图片（119）、获取的身份码⑹等信息也变成数据库（33）的表要素。）

s4：人工智能技术的主判断程序，将把以变形矫正后的图像数据（119）和原始数据库（3）内的数据和第二档案数据库（33）的历史数据等资料，形成对个性化图像特征类防伪标识⑵的综合判断结果（主判断程序判别结果），以百分比的方式，通过专用软件的前端程序，发送到客户的移动端；同时发送的还有指导客户进行继续识别辅导信息，尤其是对非图像防伪特征点的辅导判断，辅导文件是数字标注式的图文说明及语音说明，并指导客户作出最终判断；（这也是利用其它的识别指导，确认该防伪标识的真假，这种真实的结果，是非常重要的数据。）

s5：邀请客户，将将真假结果，上传反馈；专用软件的后台程序，将反馈结果，匹配对应的身份码（6）记录到第二档案数据库（33）中，作为识别结果的原始大数据档案进行存储；

s6：如果客户反馈的结果是假的防伪标识⑵，则专用软件后台程序，生成一个特殊规则的身份码（6），作为特殊档案记录在第二档案数据库（33）中。

值得说明的是，个性化图像特征类防伪标识⑵，包含但不限于结构纹理防伪标识（cn2365711y）、多层组码纹理防伪标识（cn012215503）、含有基于多层透明随机图案叠加的彩虹斑防伪技术的防伪标识、超限防伪（cn106096970b）、锯齿码防伪印刷物(cn204833342u)、墨沿防伪（cn106096971b）、格粒类防伪标识（含畸形颗粒物）等，都是可形成个性化图像特征的防伪标识。

值得说明的是，防伪标识物图像信息的个性化图像特征，包括但不限于是添加物分布及形态图像特征（例如：纤维丝、颗粒物、墨滴渗透纸面产生的不规则边缘等分布图像特征）和由多层半透明或透明颜色块叠压组合而成的有层次感的颜色块组合的图像特征。特别是对含有彩虹斑防伪半透明或透明的颜色块组合的防伪特征，作出是否与底色图案是不同的制作层进行判断，并确定彩虹斑颜色块的组合图案是立体多层结构的，还是平面印刷的；（由于彩虹斑防伪特征是立体的多层次的颜色和斑的组合，上层的颜色是透明的或半透明的，因此，具有特殊的视觉效果，与平面印刷的相同图案组合，是有视觉差异的。）区分的这一点差异，人类因为是有两只眼睛，是可以识别和判断的。但从照片上判别，是特别适合人工智能系统的模糊判别的。

值得说明的是，修正指导图案是线条、特定图案、特定性状颜色块、背景图像的之一或组合，线条、特定图案、包含但不限于是由线条组成的几何网格、固定格式的图像（例如埃菲尔铁塔、航天飞机简图等。）；修正指导图案（75）包含但不限于是在防伪标识的局部、或全部、或外框、或背景图案；标示明暗度的图像是印刷常用的标准色块（包含但不限于，c、m、y、k或r、g、b）之一或组合。

上述措施的积极意义在于：

由于第二档案库的设立，不断的获取大数据。提高了人工智能系统的判别速度。

上传的图片经过，函数复原，形成复原之后的图片…，这个作为人工智能程序处理之前的预处理程序。存到大数据库中。使用函数复原之后的图片。进行人工智能判断。提高了人工智能判断的准确性。

而提高人工智能系统的判别速度，就需要不断的获取大数据。并不断的学习和提升。

采集客户终端的判断者的上传数据。好处在于，第一，让终端客户的参与，成为防伪系统大数据的主要提供者。是真实的反应了客户的拍照水平参差不齐，真实的反应了客户群体拥有不同的移动终端（众多品类品牌）。从而不断提升人工智能的判断水平。

第二，增加非图像防伪特征点，在判别防伪标识真假的作用，例如客户服务，观察表面现象就可以发现，标签本身是印刷出来的。即使系统反馈，结果可能是正品，也可以由客户来纠正判别结果。并将这种结果反馈回来，这种反馈的结果是非常有价值的。成为未来可以使用的大数据，更有实际价值。

经过实际测试：增加预处理程序和匹配的防伪标签固定图案。进行图片形变矫正预处理，提高人工智能判别效率高达30%，准确率提升10%。

附图说明

图1为本发明实施例一中的个性化图像特征类防伪标识示意图。

图2为本发明实施例一中的人工智能防伪信息识别系统示意图。

图3为本发明实施例一中的上传的防伪标识照片变形复原前后示意图。

图4为本发明实施例一中的含有追溯码及含有追溯码二维码的防伪标识局部示意图。

图5为本发明实施例一中的彩虹斑防伪标识的层状剖面示意图。

附图标号说明：11-上传图片、17-个性化图像特征档案、18-服务器、19-移动网、2-个性化图像特征类防伪标识、202-要素提炼图片、29-含产品溯源网址的二维码、3-第一档案数据库、33-第二档案数据库、5-智能手机、6-身份码、65-纤维丝、66-二维码、7-查验网页、75-修正指导图案、76-引导拍照图案、85-表层塑料膜、86-填充的胶、88-个性化图像特征类固体添加物、89-印刷层（纸或塑料膜）、119-上传矫正图片

具体实施方式

为使本发明的上述目的、特征和优点能更明显易懂，下文特举本发明综合优选实施例，并配合附图进行详细说明。

实施例一：本发明实施例提供的基于深度学习的人工智能对防伪标识物图像信息识别的防伪查询系统，获取大数据的学习资料的方法之一。

包含建立第二档案库（33）和获取必要的数据，这些数据来源于

上传图片（11），获取修正指导图案（75），获得修正后的图片（119）；通过ocr获取身份码（6）；经过人工智能主判断程序，获得反馈结论，并将反馈结论反馈到客户查询者的移动终端（5）上，同时提供指导客户查询者对防伪标识（2）的特征的再判断，客户查询者将最终的结论反馈给服务器；查询系统将所述的数据（上传图片（11）、身份码（6）、客户最终反馈结果及采集到的客户查询者的移动终端（5）的机器型号等硬件信息、以及防伪标识（2）发生形变的特征，）一一匹配，作为档案存在一个独立的档案数据库（33）中，完成了大数据的收集。

包含的细节是：通过技术手段，高准确的、快速的作出图片矫正。（上传的图片经过，函数复原的直接依据——也就是对标准图案，修正指导图案（75）的形变分析结论，形成复原之后的图片，这个作为人工智能程序处理之前的预处理程序。），因为，一个正常标签，如果贴在瓶子上或者软包装上。他拍出的照片是变形的，人工智能如果不能及时纠正。将会产生大量的误判。准确判别所需要的大数据数量将呈几倍的增长。这不利于人工智能的成熟和稳定。

包含的细节是：收集客户的反馈信息，特别是对非图像可以判别的防伪特征的综合判定结果之后的最接近真实的反馈结论的收集，对本大数据收集和人工智能主程序的训练有非常积极作用。

以上所揭露的仅为本发明的较佳实施例，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属于本发明所涵盖的范围。