为解决通过卷烟外包装、烟支物化参数等进行卷烟真伪鉴定难度大且耗时费力等问题,提出了一种基于卷烟小盒内部粘胶痕迹形态差异的卷烟真伪鉴别方法。首先利用胶痕图像采集装置获取烟盒内部的胶痕图像;然后去除原始图像的部分背景得到胶...为解决通过卷烟外包装、烟支物化参数等进行卷烟真伪鉴定难度大且耗时费力等问题,提出了一种基于卷烟小盒内部粘胶痕迹形态差异的卷烟真伪鉴别方法。首先利用胶痕图像采集装置获取烟盒内部的胶痕图像;然后去除原始图像的部分背景得到胶痕图像样本;基于深度学习异常检测方法,仅使用正常样本训练卷积神经网络分类模型,再通过模型对待测样本产生的最大预测概率进行阈值判别。以10种包装机型生产的真品烟盒以及假冒烟盒(烟盒样品涉及约60个卷烟规格)为对象,分别选用5个经典的卷积神经网络模型进行实验,并对1294个待测样本进行鉴别。结果表明:(1)当使用测试集样本的最大预测概率平均值作为阈值时,所有模型均具备一定的真伪判别能力。(2)ResNet18、DenseNet121、InceptionV1的鉴别准确率约为94%,召回率约为93%~94%,特异性约为93%~95%,AUC(Area Under Curve)约为0.98;InceptionV1参数量较少,易于部署。(3)本方法能够在完全不使用假样本的情况下构建鉴别模型,且适用于多种卷烟规格。该技术可为建立高效、可靠的卷烟真伪智能鉴别方法提供支持。展开更多
文摘为解决通过卷烟外包装、烟支物化参数等进行卷烟真伪鉴定难度大且耗时费力等问题,提出了一种基于卷烟小盒内部粘胶痕迹形态差异的卷烟真伪鉴别方法。首先利用胶痕图像采集装置获取烟盒内部的胶痕图像;然后去除原始图像的部分背景得到胶痕图像样本;基于深度学习异常检测方法,仅使用正常样本训练卷积神经网络分类模型,再通过模型对待测样本产生的最大预测概率进行阈值判别。以10种包装机型生产的真品烟盒以及假冒烟盒(烟盒样品涉及约60个卷烟规格)为对象,分别选用5个经典的卷积神经网络模型进行实验,并对1294个待测样本进行鉴别。结果表明:(1)当使用测试集样本的最大预测概率平均值作为阈值时,所有模型均具备一定的真伪判别能力。(2)ResNet18、DenseNet121、InceptionV1的鉴别准确率约为94%,召回率约为93%~94%,特异性约为93%~95%,AUC(Area Under Curve)约为0.98;InceptionV1参数量较少,易于部署。(3)本方法能够在完全不使用假样本的情况下构建鉴别模型,且适用于多种卷烟规格。该技术可为建立高效、可靠的卷烟真伪智能鉴别方法提供支持。
