酒类防伪溯源方法及其系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115983874A(43)申请公布日2023.04.18(21)申请号202310126237.3(22)申请日2023.02.17(71)申请人江苏秀圆果信息科技有限公司地址210000江苏省南京市建邺区奥体大街68号2幢6层A室(72)发明人刘东兵(74)专利代理机构南京权盟知识产权代理事务所(普通合伙)32722专利代理师龙欢(51)Int.Cl.G06Q30/018(2023.01)G06V10/764(2022.01)G06V10/10(2022.01)G06V10/82(2022.01)G06N3/0464(2023.01)权利要求书3页说明书11页附图4页(54)发明名称酒类防伪溯源方法及其系统(57)摘要本发明公开了一种酒类防伪溯源方法及其系统，其从区块链网络结构得到待溯源酒类产品的产品存证图像，以及，获取由摄像头采集的所述待溯源酒类产品的产品检测图像；采用基于深度学习的人工智能技术，以所述产品存证图像和所述产品检测图像在高维特征空间中的差异作为待溯源数据和实时检测数据之间的差异，并基于差异表达来确定待溯源酒类是否为正品。这样，可以提高待溯源酒类是否为正品的判断结果的精准度，进而提高大众对假酒的鉴别能力。CN115983874ACN115983874A权利要求书1/3页1.一种酒类防伪溯源方法，其特征在于，包括：从区块链网络结构得到待溯源酒类产品的产品存证图像；获取由摄像头采集的所述待溯源酒类产品的产品检测图像；将所述产品存证图像和所述产品检测图像通过包含第一图像编码器和第二图像编码器的孪生检测模型以得到存证特征图和检测特征图，所述第一图像编码器和所述第二图像编码器具有相同的网络结构；计算所述存证特征图和所述检测特征图之间的差分特征图；以及将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示待溯源酒类是否为正品。2.根据权利要求1所述的酒类防伪溯源方法，其特征在于，所述第一图像编码器和所述第二图像编码器为使用空间注意力机制的卷积神经网络模型。3.根据权利要求2所述的酒类防伪溯源方法，其特征在于，所述将所述产品存证图像和所述产品检测图像通过包含第一图像编码器和第二图像编码器的孪生检测模型以得到存证特征图和检测特征图，包括：使用所述第一图像编码器的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成第一卷积特征图；对所述第一卷积特征图进行池化处理以生成第一池化特征图；对所述第一池化特征图进行非线性激活以生成第一激活特征图；计算所述第一激活特征图的各个位置沿通道维度的均值以生成第一空间特征矩阵；计算所述第一空间特征矩阵中各个位置的类Softmax函数值以获得第一空间得分矩阵；以及计算所述第一空间特征矩阵和所述第一空间得分矩阵的按位置点乘以获得第一特征矩阵；其中，所述第一图像编码器的最后一层输出的所述第一特征矩阵为所述存证特征图。4.根据权利要求3所述的酒类防伪溯源方法，其特征在于，所述将所述产品存证图像和所述产品检测图像通过包含第一图像编码器和第二图像编码器的孪生检测模型以得到存证特征图和检测特征图，包括：使用所述第二图像编码器的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成第二卷积特征图；对所述第二卷积特征图进行池化处理以生成第二池化特征图；对所述第二池化特征图进行非线性激活以生成第二激活特征图；计算所述第二激活特征图的各个位置沿通道维度的均值以生成第二空间特征矩阵；计算所述第二空间特征矩阵中各个位置的类Softmax函数值以获得第二空间得分矩阵；以及计算所述第二空间特征矩阵和所述第二空间得分矩阵的按位置点乘以获得第二特征矩阵；其中，所述第二图像编码器的最后一层输出的所述第二特征矩阵为所述检测特征图。5.根据权利要求4所述的酒类防伪溯源方法，其特征在于，所述计算所述存证特征图和所述检测特征图之间的差分特征图，包括：使用以下公式计算所述存证特征图和所述检测2CN115983874A权利要求书2/3页特征图之间的差分特征图；其中，所述公式为：；其中，表示所述差分特征图，表示所述存证特征图，表示所述检测特征图，表示按位置减法。6.根据权利要求5所述的酒类防伪溯源方法，其特征在于，所述将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示待溯源酒类是否为正品，包括：将所述差分特征图进行特征图展开以得到分类特征向量；对所述分类特征向量进行局部结构模糊校正以得到优化后分类特征向量；以及将所述优化后分类特征向量通过分类器以得到所述分类结果。7.根据权利要求6所述的酒类防伪溯源方法，其特征在于，所述将所述差分特征图进行特征图展开以得到分类特征向量，包括：将所述差分特征图按照行向量展开以得到所述分类特征向