一种基于关键鉴定部位的商品真伪鉴定方法及系统

本发明属于商品真伪鉴定，具体属于一种基于关键鉴定部位的商品真伪鉴定方法及系统。

背景技术：

1、传统的商品真伪鉴定方法需要一定的专业知识、丰富的经验和特定的仪器，目前专家鉴定法依然是当前主流的商品真伪鉴定方法。如以着墨痕迹和文字印刷移位作为判断依据的邮票真伪鉴定，以局部细微差异和印章材质等作为判断依据的书法真伪鉴定等。然而，要将作品的所有区域与真品作一一对比的工作量非常庞大，容易造成鉴定结果的准确率的下降。

2、得益于深度学习和计算机视觉的飞速发展，以图像识别技术为基础进行真伪鉴定已成为研究趋势。如采用显微镜提取样本并使用卷积神经网络来提取重要结构形态特征的中药材及饮片显微鉴定方法，采用ccd摄像机在低倍显微镜下直接对中药材标本采样并利用深度学习完成特性分析测定；如将鳄鱼皮具的粒面组织结构和皮形进行特征提取来鉴定的鳄鱼皮具真伪鉴定方法；如通过计算机视觉模仿人眼视觉，建立类似于人的感官鉴别法得到基于计算机视觉和机器学习的真伪卷烟包装鉴别模型，解决人工鉴定真伪卷烟效率低、主观性强等问题，提高真伪卷烟的鉴别效率和适应性；如通过深度学习的图像分类技术对玉米品种进行真伪鉴别分类，解决了传统模式下需要人工定义各类特征，存在主观判断，费时费力，实用性较差等问题。如采用孪生网络结构对比画家代表作和待鉴定画作之间特征相似性的画作真伪辅助鉴定方法；如利用模式识别领域中的不变矩进行形状真实度评价的一种书法真伪鉴定方法，可以作为鉴定书法作品真伪的辅助依据，提高书法作品鉴定的效率与可信性。

3、然而，现有的基于图像识别技术的真伪鉴定方法存在很大的局限性。(1)大多数方法设计的网络只针对某一特定领域内的商品，其泛化性和在其他商品领域内的真伪鉴定性能不高；(2)真伪鉴定的重点是找寻判别性的特征，现有的方法在定位判别性特征上的能力较差，网络关注的特征往往并不是最能分别真伪的特征。

技术实现思路

1、为了解决现有技术中存在的问题，本发明提供一种基于关键鉴定部位的商品真伪鉴定方法及系统，采集关键鉴定部位图像，构建相应数据集，同时采用resnet50作为主干网络，提出了区域峰值消除策略，并在此基础上设计了特征交互模块构建了基于关键鉴定部位的商品真伪鉴定网络，依靠视觉分类算法提取关键鉴定部位最能分别真伪的特征进行真伪鉴定，可广泛用于各种商品的真伪鉴定，且真伪鉴定准确性较高。

2、为实现上述目的，本发明提供如下技术方案：一种基于关键鉴定部位的商品真伪鉴定方法，具体步骤如下：

3、s1获取商品的关键鉴定部位图像得到数据集，对数据集中的图像进行人工鉴定真伪分类，得到真伪分类数据集；

4、s2构建基于关键鉴定部位的真伪分类网络，包括resnet50为主干网络，插入在主干网络中的区域峰值消除策略rpe，以及衔接在主干网络输出端的特征交互模块fim；

5、s3构建损失函数，利用真伪分类数据集对基于关键鉴定部位的真伪分类网络进行训练，确定真伪分类网络的参数，得到基于关键鉴定部位的真伪分类网络模型；

6、s4屏蔽基于关键鉴定部位的真伪分类网络模型中的区域峰值消除策略，将待检测商品图像输入基于关键鉴定部位的真伪分类网络模型进行真伪鉴定分类。

7、进一步的，s2中，在resnet50主干网络stage3和stage4之间以及stage4和stage5之间均插入有一区域峰值消除策略rpe，stage3以及stage4的输出作为区域峰值消除策略rpe的输入。

8、进一步的，s2中，区域峰值消除策略rpe具体操作步骤如下：

9、1)对输入特征图f∈rc×w×h按宽度维度进行切片操作得到n份切片特征图f(k)∈rc×(w/n)×h,k∈[1,n]，对每一份切片特征图进行通道池化处理得到特征图

10、2)选择特征图fp(k)中最大峰值的像素设定为阈值δ，根据像素与阈值δ的大小来生成消除掩码p(k)drop；

11、3)将消除掩码p(k)drop与特征图相乘得到f(k)out，并且按宽度维度拼接回c×w×h维度得到峰值消除特征fresult；

12、进一步的，s2中，特征图fp(k)中像素大于阈值δ，则消除掩码p(k)drop设置为0，相反消除掩码p(k)drop设置为1。

13、进一步的，s2中，将主干网络经过stage4、stage5得到的两个特征图作为一个图像对(f1,f2)，所述图像对(f1,f2)为特征交互模块fim的输入。

14、进一步的，s2中，特征交互模块fim的具体操作步骤如下：

15、1)对特征图f1,f2在宽度和高度由w1×h1,w2×h2压缩为l1,l2，得到

16、2)特征图f′1t与f2′进行内积运算得到相似度矩阵m12，对相似度矩阵m12的交互矩阵的行列进行归一化操作得到交互特征图w12；

17、3)将交互特征图w12按照公式(7)(8)加权到特征图f′1、f2′并将尺寸l1,l2转换回w1×h1,w2×h2，得到关联特征图

18、wf1＝f2′×w12t+f1′              (7)

19、wf2＝f1′×w12+f2′             (8)

20、4)再将关联特征图wf1降采样后与关联特征图wf2逐元素相加最终输出加和结果。

21、进一步的，s2中，特征交互模块fim后衔接全连接层进行分类操作，得到商品为真和为假的概率，且两者的分数相加为1，当商品真的概率大于商品假的概率时，待测图像被认为是分类为真。

22、本发明提供一种基于关键鉴定部位的商品真伪鉴定系统，包括：

23、数据获取模块，用于获取商品的关键鉴定部位图像得到数据集，对数据集进行人工鉴定真伪分类，得到真伪分类数据集；

24、网络构建模块，用于构建基于关键鉴定部位的真伪分类网络，包括resnet50为主干网络，插入在主干网络中的区域峰值消除策略rpe，以及衔接在主干网络输出端的特征交互模块fim；

25、网络训练模块，用于构建损失函数，利用真伪分类数据集对基于关键鉴定部位的真伪分类网络进行训练，确定真伪分类网络的参数，得到基于关键鉴定部位的真伪分类网络模型；

26、屏蔽基于关键鉴定部位的真伪分类网络模型中的区域峰值消除策略，将待检测商品图像输入基于关键鉴定部位的真伪分类网络模型进行真伪鉴定分类。

27、本发明提供一种终端设备，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述真伪鉴定方法中步骤，或者，所述处理器执行所述计算机程序时实现上述系统中各模块的功能。

28、本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，实现上述真伪鉴定方法中步骤。

29、与现有技术相比，本发明至少具有以下有益效果：

30、本发明提供一种基于关键鉴定部位的商品真伪鉴定方法，本发明的基于关键鉴定部位的真伪分类网络以resnet50为主干网络，在网络训练阶段提出了区域峰值消除策略rpe，通过抑制最显著信息，迫使网络捕捉潜在的可区分信息，并在此基础上提出特征交互模块fim，建立各个特征的共性关系，提高其特征丰富性，从而获取关键鉴定部位上最能分别真伪的特征进行真伪鉴定，不仅提高了真伪鉴定准确性，还可广泛用于各种商品，实用性高。

31、在现有的隐蔽和非隐蔽防伪鉴定技术中，在商品制造时候就将全息图，条形码，特质防伪标签等技术应用于产品，而本发明是一种实用的、非侵入式的鉴定方法，不需要在产品中嵌入任何物质，不需要以任何方式修改产品对象本身；且现有的隐蔽和非隐蔽防伪鉴定技术中无法验证先前未标记的对象，这也意味着上述方法需要对每个产品进行标记，若标记物出现损毁等问题，则无法对该对象进行身份鉴定，而本发明方法可以根据图像鉴定部位细微区别来区分真伪，无需对产品进行标记。

32、本发明方法使用时可以在云端完成鉴定工作，用户只需按照提示上传拍摄的图像即可，无需任何附加设备，成本更加低廉，过程简单方便。