(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221087374 4.9 (22)申请日 2022.07.24 (71)申请人 方媛媛 地址 510000 广东省广州市花都区迎宾大 道95号 (72)发明人 方媛媛　 (51)Int.Cl. G06V 10/75(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06Q 30/00(2012.01) (54)发明名称 基于人工智能技术提高识别商品防伪图案 准确性的方法 (57)摘要 本发明属于人工智能领域， 公开了基于人工 智能技术提高识别商品防伪图案准确性的方法， 步骤为： S001、 获得每个样板 图形在商品包装表 面防伪图案连通区域灰度数字图像上相应范围 的全部单元图； S002、 分别获得样板图形或单元 图上各个像素点的变化度； S003、 获得各个样板 图形和该样 板图形获得的全部单元图的差别 度； S004、 选择每个样板图形和该样板图形的全部 单 元图的适配度的上限值相应的单元作为该样板 图形的适配单元图； S005、 选择适配度最大的样 板图形及其适配单元图作为最终样板图形和最 终适配单元图； S006、 获得防伪图案偏离程度； S007、 判定防伪图案质量是否达到合格标准。 通 过对采集到的商品包装表面防伪图案的图像进 行处理提高了识别商品防伪图案的准确性。 权利要求书3页 说明书10页 附图1页 CN 115272729 A 2022.11.01 CN 115272729 A 1.基于人工智能技术提高识别商品防伪图案准确性的方法， 其特征在于： 所述方法包 括以下步骤： S001、 获取商品包装表面防伪图案连通区域灰度数字图像， 根据每个样板图形在商品 包装表面防伪图案连通区域灰度数字图像上的相应范围进 行遍历， 获得每个样板图形在商 品包装表面防伪图案连通区域灰度数字图像上相应范围的全部单 元图； S002、 通过分别采用每个样板图形或单元图上各个像素点与其位于同一行邻近像素点 的两点间距， 分别获得样板图形或单 元图上各个像素点的变化度； S003、 通过每个样板图形的像素点和该样板图形获得的全部单元图相应像素点的变化 度获得各个样板图形的像素点和该样板图形获得全部单元图相应像素点的灰度差别占比， 根据每个样板图形的像素点和该样板图形获得 的全部单元图上相 应像素点的形变度和灰 度差别占比， 获得 各个样板图形和该样板图形获得的全部单 元图的差别度； S004、 根据每个样板图形和该样板图形获得的全部单元图的差别度、 该样板图形和该 样板图形获得 的全部单元图的差别度总和 运算各个样板图形和该样板图形获得 的全部单 元图的适配度， 选择每个样板图形和该样板图形的全部单元图的适配度的上限值相应的单 元作为该样板图形的适配单 元图； S005、 在全部样板图形以及与其适配的单元图中选择适配度最大的样板图形及其适配 单元图作为 最终样板图形和最终适配单 元图； S006、 选择最终样板图形和最终适配单元图中准确适配的像素点对， 将准确适配的像 素点对中位于最终样板图形上的像素点对投射到商品包装表面防伪图案连通区域灰度数 字图像上， 获得投射像素点， 通过投射像素点和准确 适配的像素点对中位于最终适配的单 元图上的像素点之间所有像素点的变化图获得防伪图案偏离程度； S007、 根据获得的防伪图案偏离程度的绝对值判定商品包装表面防伪图案质量是否达 到合格标准。 2.根据权利求1所述的基于人工智能技术提高识别商品防伪图案准确性的方法， 其特 征在于： 步骤S0 01中， 获得商品包 装表面防伪图案连通区域灰度数字图像的方法为： 根据商品包装表面防伪图案特征来识别标记及防伪图案， 首先采集商品包装表面图 形， 并识别商品表面包装图形中信息， 在商品包装表面防伪图案侧 安装相机拍摄商品包装 表面图形， 商品包 装表面图形包括商品包 装表面图形背景和商品包 装表面防伪图案 。 3.根据权利求2所述的基于人工智能技术提高识别商品防伪图案准确性的方法， 其特 征在于： 步骤S001中， 获得商品包装表面防伪图案连通区域灰度数字图像的方法， 还包括， 采用深度神经网络算法识别商品表面包装图形， 获得商品包装表面防伪图案连通区域信 息， 并将商品包装表 面防伪图案连通区域信息转换为商品包装表面防伪图案连通区域灰度 数字图像。 4.根据权利要求1所述的基于人工智能技术提高识别商品防伪图案准确性的方法， 其 特征在于， 步骤S001中， 样板图形的获取方法为， 将样本防伪图案切割成大小为5x50的区 域， 通过灰度共生矩阵运算各个区域的熵值， 选择熵值最大的10个区域作为样板图形， 并根 据样板图形左上角像素点横坐标值对样板图形进 行排列， 排列后的10个区域作为样板图形 进行商品防伪图案的识别， 即获得样板图形。 5.根据权利要求4所述的基于人工智能技术提高识别商品防伪图案准确性的方法， 其权　利　要　求　书 1/3 页 2 CN 115272729 A 2特征在于： 步骤S0 02中， 分别获得样板图形或单 元图上各个像素点的变化度的方法为， 商品包装表面防伪图案区域第w行像素点个数2z， 样板图形中商品包装表面防伪图案 连通区域第w行像素点在图形中横坐标为{x， x+1， ...， x+2z ‑1}， 这些像素点的中心点横坐 标为x+b‑1/2， 商品包装表面防伪图案连通区域最后一行像素点个数为该位置横截面圆形 直径2r， 结合直径获得圆形商品的周长L ＝2 πr； 商品的横截面为椭圆形， 其周长为L， L＝2πb+4(z ‑v)， 计算获得椭圆短半轴v， 即可获得 椭圆方程(x2/z2)+(y2/v2)＝1， 第w行像素点的横坐标为{1/2 ‑z， 1/2‑z+1， ...z ‑1/2}， 记为 (xw1， xw2， ...xw2z)， 根据椭圆方程获得商品包装表面防伪图案区域第w行每个点的纵坐标 (yw1， yw2， ...yw2z)， 相邻亮点之间的弧长 为两点之间的实际距离， 即为dw， 且相邻两点之间的 横坐标差值为两 点之间在图像上的距离， 均为1， 结合相邻两 点(xw1， xw2)， (xw1， xw2)之间的直 线距离dw(1,2)， 获得(xw1， xw2)的变化度Tw,1＝dw(1,2)/|xw2‑xw1|， (xw1， yw1)对应图形中第w行第1 个像素点， 即第w行第1个像素点的变化度为tw,1， 商品包装表 面防伪图案连通区域中所有像 素点的变化度为T＝{t1,1， t1,2...， t2,1,...}， 获得单 元图上每 个像素点的变化度。 6.根据权利要求1所述的基于人工智能技术提高识别商品防伪图案准确性的方法， 其 特征在于： 步骤S003中， 通过每个样板图形的像素点和该样板图形获得的全部单元图相应 像素点的变化度获得各个样板图形的像素点和该样板图形获得全部单元图相 应像素点的 灰度差别占比， 灰度差别占比的计算方式为， 其中， tu(r,s)为第u个样板图形中第r行第s列像素点的变化度； t(wu(r,s)ku(r,s))为第u个样 板图形上第r行第s列像素点相应的单元图的变化度； r表示样板图形上像素点的行数， t表 示样板图形 上像素点的列数。 7.根据权利要求6所述的基于人工智能技术提高识别商品防伪图案准确性的方法， 其 特征在于： 步骤S003中， 根据每个样板图形的像素点和该样板图形获得的全部单元图上相 应像素点的形变度和灰度差别占比， 获得各个样板图形和该样板图形获得的全部单元图的 差别度， 其中差别度的计算方法为： 第u个样板图形与该 单元图的差别度为Pu(w,k)为： 其中， hu(r,s)为第u个样板图形第r行第s列像素点的灰度， (wu(r,s),ku(r,s))表示第u 个样板图形上第r行第s列像素点相应的单元图(w， k)中像素点在商品包装表 面防伪图案连 通区域中第wu(r,s)行 中第ku(r， s)个像素点， H(wu(r,s),kj(r,s))为第u个样板图形上第r行第s列 像素点在单元图(w， k)中相应像素点的灰度， 50为样板图形与单元图的列数， 5为样板图形 与单元图的行 数。 8.根据权利要求7所述的基于人工智能技术提高识别商品防伪图案准确性的方法， 其 特征在于： 步骤S 004中， 根据每个样 板图形和该样 板图形获得的全部单元图的差别度、 该样 板图形和该样板图形获得 的全部单元图的差别度总和 运算各个样板图形和该样板图形获 得的全部单元图的适配度， 适配度的计算公式为， 以差别度Pu(w,k)获取第u个样板图形与单 元图的适配度Ou(w,k)，权　利　要　求　书 2/3 页 3 CN 115272729 A 3