CN113379720B - 一种基于茶饼图像特征编码的茶饼防伪方法 - Google Patents

Abstract

本发明公开了一种基于茶饼图像特征编码的茶饼防伪方法，通过拍摄、获取茶饼的原始图像；对原始图像进行图像特征处理并获取茶饼原始图像特征集合，并转换成茶饼原始图像特征编码；将茶饼原始图像特征编码与生产信息数据融合处理，得到代表该茶饼的唯一身份的防伪编码；将上述的茶饼的原始图像、茶饼原始图像特征集合、茶饼原始图像特征编码、防伪编码上传并存储至云端服务器，将所述防伪编码植入防伪信息载体中；防伪信息载体与对应的茶饼统一进行包装以实现防伪查询；解决内飞、防伪标签、RFID等防伪方式存在的被仿造、替换的可能性及基于茶饼图像的防伪技术中查询时需连接互联网登录远程服务器而不能实现终端独立查询的问题。

Description

一种基于茶饼图像特征编码的茶饼防伪方法

技术领域

本发明属于机器视觉技术在茶叶领域的应用技术，具体为一种基于茶饼图像特征编码的茶饼防伪方法。

背景技术

目前，市场上多采用在包装内放置内飞，包装外部粘贴防伪标签等方法进行防伪，但利用这些方式防伪均存在问题，如：防伪标签内所含信息与实际产品自身特征无关，存在被仿造、替换的可能性；有些厂家采用RFID标签进行防伪，但RFID标签存在读取设备在消费者层面难以普及，实施成本相对较高的问题，并且同样可能被仿造、替换。

基于上述常见的防伪技术存在的缺陷，有些厂商也提出了基于茶饼图像的防伪技术，如：CN110766548A-基于区块链的信息处理方法、装置、存储介质及电子设备。但上述技术需将茶叶的图像信息或者纹理信息放置于服务器端，查询终端需要连接互联网，需登录远程服务器。且缺乏对茶饼本身的独立核验过程；在CN202010388319.1中公开了一种基于纹路成像识别技术的普洱茶鉴别方法，虽然公开了使用茶饼的纹理进行防伪鉴别，但是，其图像提取会因为周围环境光线强弱导致的局部反光或过曝、运输过程中因磕碰颠簸造成的茶饼表面的碎裂等因素导致识别比对阈值过大的问题，导致识别精确性高，甚至是误判率高的问题；CN202010222535.9公开了基于NFC的区块链普洱茶防伪溯源的实现方法，其进行纹路比对的手段仅仅是辅助验证的一个环节，其纹路比对技术也存在上述的技术问题，导致精准率差的问题。

本发明是提取茶饼原始图像特征集合后生成原始茶饼图像特征编码，再将茶饼原始图像特征编码与生产信息进行融合，得到代表茶饼的唯一身份的防伪编码，将防伪编码植入信息载体中，并将茶饼和对应的信息载体统一包装，查询时首先通过信息载体获取原始图像特征编码并得到原始图像特征集合，然后打开包装拍摄茶饼图像并获取待查询茶饼图像特征集合。将待查询茶饼图像特征集合与原始图像特征集合进行比对，实现防伪查询。

本发明所述技术不需要连接互联网登录到远程服务器便可在本地实现快速准确的防伪查询。

发明内容

为解决上述现有技术存在的不足和缺陷，发明人经过研发设计，提供了新的基于茶饼图像特征编码的茶饼防伪技术，目的在于解决内飞、防伪标签、RFID等防伪方式存在的被仿造、替换的可能性及基于茶饼图像的防伪技术中查询时需连接互联网登录远程服务器而不能实现终端独立查询的问题；

本发明是这样实现的：

防伪编码生成阶段：拍摄、获取茶饼的原始图像；对原始图像进行图像特征处理并获取茶饼原始图像特征集合，并转换成茶饼原始图像特征编码；将茶饼原始图像特征编码与生产信息数据融合处理，得到代表该茶饼的唯一身份的防伪编码；将上述的茶饼的原始图像、茶饼原始图像特征集合、茶饼原始图像特征编码、防伪编码上传并存储至云端服务器，将所述防伪编码植入防伪信息载体中；防伪信息载体与对应的茶饼统一进行包装；

防伪查询阶段：读取防伪信息载体，获得防伪编码，基于防伪编码解算得到茶饼原始图像特征集合；通过拍摄获取当前待查询茶饼图像特征集合，与茶饼原始图像特征集合进行比对，真伪判断，得校验防伪结果。

本发明的技术原理是：茶饼压制和烘干后，在包装前通过图像采集设备，拍摄该茶饼的原始图像。采用特定的图像特征提取算法，根据轮廓、尺寸、纹理信息提取满足特定规则的区域，形成茶饼原始图像特征集合。根据茶饼原始图像特征集合按特定的方式进行编码，形成茶饼原始图像特征编码。将茶饼原始图像特征编码与生产信息按特定方式进行融合，得到代表该茶饼的唯一身份的防伪编码，生产信息包括生产日期、批次、厂家。将防伪编码植入信息载体中，同时茶饼原始图像及防伪编码可同步保存于信息存储介质中，此处描述的信息载体可以是一维码标签、二维码标签、RFID等，但不局限于所描述的各种信息载体。将茶饼和对应的信息载体统一进行包装。防伪验证时：首先读取信息载体中防伪编码，并根据防伪编码得到原始图像特征集合。打开包装获取茶饼图像。按一样的方式形成待查询茶饼图像特征集合。将待查询茶饼图像特征集合与原始茶饼图像特征集合按特定规则进行比对。根据比对结果校验真伪。如需要对比对结果进一步防伪校验，可通过防伪编码中的生产信息快速获取茶饼原始信息进行校验。

本发明的有益效果介绍：

(1)解决内飞、防伪标签、RFID、基于茶饼图像的防伪技术中存在的问题。实现了防伪标签内所含信息与实际产品自身特征相互绑定，杜绝仿造、替换的可能性，不需要专用读取设备，实施成本低。

(2)不需要连接互联网登录远程服务器便可在本地实现快速准确的防伪查询。

(3)图像处理技术先进，其图像特征区域选取进一步缩小，避开了茶饼边缘、茶饼凹凸区域，选择影响程度最小、特征提取成功率最高的中部环形区域作为特征处理区域，有效解决了茶饼边缘易破损，随着时间的推移，边缘茶叶特征可能会损失、茶饼正面弧度导致中心可能会出现过曝光，如果采用反面采集信息时，反面凹坑深浅不一可能导致成像不均匀等等问题，大大提高了视觉识别的精确度和准确度。

(4)对特征纹理图像进行筛选，建立闭合纹理特征区域集，利用闭合纹理特征区域集构建闭合纹理特征坐标集，方便本地验证防伪时的图像处理，能够精准、快速的完成图像比对。实现双层校验，即防伪编码的初道校验和图像比对的二级校验，使得防伪技术合二为一，体验上一步即可完成，快速便捷易用，稳定安全精确。

附图说明

图1为本发明的的茶饼防伪方法工作流程图；

图2为本发明的茶饼图像特征点集合提取比对示意图；

图3为本发明的茶饼防伪编码存储方式示意图；

图4为实施例2中的防伪编码示例。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

实施例1：一种基于茶饼图像特征编码的茶饼防伪方法，包括以下步骤：

防伪编码获取：拍摄、获取茶饼的原始图像；对原始图像进行图像特征处理并获取茶饼原始图像特征集合，并转换成茶饼原始图像特征编码；将茶饼原始图像特征编码与生产信息数据融合处理，得到代表该茶饼的唯一身份的防伪编码；将上述的茶饼的原始图像、茶饼原始图像特征集合、茶饼原始图像特征编码和防伪编码上传并存储至云端服务器，将所述防伪编码植入防伪信息载体中；防伪信息载体与对应的茶饼统一进行包装；

防伪查询：读取防伪信息载体，获得防伪编码，基于防伪编码解算得到茶饼原始图像特征集合；通过拍摄获取当前待查询茶饼图像特征集合，与茶饼原始图像特征集合进行比对，真伪判断，得校验防伪结果。

优选地，对原始图像进行图像特征处理并获取茶饼原始图像特征集合，包括：基于获取到的茶饼图像数据，剔除茶饼部分或全部边缘和中间部分后，得到茶饼图像的圆环形图像，并进行归一化处理、纹理滤波处理，提取所有纹理闭合包围的图像区域作为待选区域集合，对待选区域集合内的图像特征进行特征筛选，得闭合纹理特征区域集并建立闭合纹理特征坐标集；基于所述闭合纹理特征坐标集构成原始图像特征集合，基于所述闭合纹理特征坐标集按坐标顺序排列得原始图像特征编码。

优选地，归一化处理、纹理滤波处理包括：对圆环形图像进行比例的缩放及畸变校正的归一化处理，再对归一化的圆环图像采用不同的卷积核进行纹理滤波处理，在长度和宽度方向上与图像逐像素进行卷积运算，以卷积运算结果作为像素值生成纹理图像，所述纹理图像包含了原图中纹理的边缘信息。

优选地，待选区域集合包括：对纹理滤波处理后的纹理图像做取反处理，基于取反后的所有图像区域作为待选区域集合；特征筛选包括：根据待选区域集合中细长度、紧致度、特征区域面积、结构因子中的一种或多种因素进行条件筛选。

如：在区域集合中有50个特征模块，可通过图像处理算法计算出这50个特征模块的面积，运用面积大小筛选法可将这50个特征模块进行筛选，面积大于某一个设定值的则保留下来做后续算法处理，小于这个设定值的则不进行后续计算，如通过面积大小筛选后留下30面积较大的特征模块，再运用图像识别算法计算这30个特征模块的紧致度，紧致度同样可以利用图像识别算法最后量化到数值上，同样用某一个设定值进行筛分，紧致度高于某个特定值的同样被保留下来，在茶饼图像特征提取中发现，紧致度较高的一般为茶饼上的茶梗条索，这是较为显著的特征模块，通过上述筛分提取到这些特征模块便是这饼茶较具唯一代表性的特征点，同样原理可再利用特征的细长度等数学特征进一步筛分，筛出能代表此饼茶唯一性的尽可能少的特征模块，这有利用后续的查询算法实施。

优选地，闭合纹理特征坐标集为以图像左上角为坐标中心，将筛选后的闭合纹理特征区域在归一化图像中的质心点坐标保存，构成原始图像特征集合。

优选地，将茶饼原始图像特征编码与生产信息数据融合处理包括以下步骤：生产信息数据包括生产日期信息、批次信息、厂家信息，且按年+月+日+时+分+秒+批次+厂家代号进行格式排列，在生产信息格式前、后或中间添加茶饼原始图像特征编码，茶饼原始图像特征编码为特征点在闭合纹理特征坐标集中的坐标值。

优选地，信息载体为一维码标签、二维码标签或RFID。

优选地，防伪查询的步骤还包括：获得防伪编码后，基于茶饼原始图像特征编码与生产信息数据融合处理原理反推获得生产信息编码和原始图像特征集合，并显示生产信息数据，原始图像特征集合用作进一步图像特征校对的比对对象和比对依据；防伪验证获取待校验的茶饼图像后，按照和原始图像进行图像特征处理的相同处理条件和步骤获取待查询茶饼图像特征集合，与茶饼原始图像特征集合进行比对，真伪判断，得校验防伪结果。

实施例2：

一种基于茶饼图像特征编码的茶饼防伪方法

工作流程如下：

s1，如附图1中的①所示：茶饼压制和烘干后，在包装前通过相机采集茶饼原始图像。

s2，如附图1中的②所示：原始图像特征集合提取，具体方法为：

利用相机采集到的茶饼图像如附图2中的①所示，由于茶饼边缘易破损，随着时间的推移，边缘茶叶特征可能会损失。另外，如果采用正面采集信息时，茶饼正面弧度导致中心可能会出现过曝光，如果采用反面采集信息时，反面凹坑深浅不一可能导致成像不均匀。因此，选取感兴趣区域为剔除部分边缘和中间部分后形成的圆环形图像。对圆环形图像进行比例的缩放及畸变校正的归一化处理，再对归一化的圆环图像进行纹理滤波，纹理滤波的原理是采用不同的卷积核，在长度和宽度方向上与图像逐像素进行卷积运算，以卷积运算结果作为像素值生成纹理图像，如附图2中的②所示，该图像包含了原图中纹理的边缘信息，再对纹理图像做取反处理，基于取反后图像如附图2中的③所示，提取所有纹理闭合包围的图像区域作为待选区域集合如附图2中的④所示。此时选中的区域数量很多，接下来根据待选区域中细长度、紧致度、特征区域面积、结构因子这些条件进行筛选，从而得到一定数量的特征点区域集合如附图4中的⑤所示，这些区域的集合就是闭合纹理特征区域集。以图像左上角为坐标中心，将筛选后的闭合纹理特征区域在归一化图像中的质心点坐标保存，就形成了闭合纹理特征坐标集，这些坐标集就是原始图像特征集合。

s3，如附图1中的③所示，生成原始图像特征编码，具体方法是：

将s2得到的原始图像特征集合中各个坐标按顺序排列，如：(x1,y1,x2,y2,……,xn,yn),这个有顺序的坐标集合即为原始图像特征编码。

s4，如附图1中的⑧所示，在茶饼包装时获得茶饼的生产信息，生产信息包括生产日期、批次、厂家，格式为；(年+月+日+时+分+秒+批次+厂家代号)，将茶饼原始图像特征编码与生产信息按组合方式进行融合，得到代表该茶饼唯一身份的防伪编码如附图1中的④所示。此时防伪编码格式为：[年+月+日+时+分+秒+批次+厂家名称+图像特征编码；

例如图4所示，(20200530113055135DY12,13,25,23,35,38)这里以茶饼的3个特征点坐标举例；

s5,如附图1中的⑤所示，将s4中生成的防伪编码植入二维码中，同时茶饼原始图像及防伪编码所形成的数据可同步保存至如附图1中的⑦所示的服务器上。

本实施例中的信息载体是QR码，但不局限于QR码。

s6,如附图1中的⑥所示，将茶饼和对应的信息载体统一进行包装。

s7，防伪查询。具体步骤是：

s7.1首先，如附图1中的⑨所示，读取包装上二维码标签中的信息，再如附图1中的

所示：应用专用软件根据二维码数据中所得到的防伪编码利用上述s3、s4、s5所述的防伪编码生成方法反推出生产信息编码和原始图像特征集合，其中生产信息编码可以实现快速定位查找对象和初步校验的功能，原始图像特征集合则是实现与包装内的茶饼进一步图像特征校对的依据。

s7.2如附图1中的⑩所示打开茶饼的外包装，通过手机获取待查询茶饼图像。

s7.3如附图1中的

所示，提取待查询茶饼图像特征集合。

具体方式为：对拍摄到的待查询茶饼图像应用s2中相同的闭合纹理特征区域提取算法，得到待查询特征区域坐标集，其中包含n组坐标。以每组坐标作为图节点，以任意两个节点之间的欧氏距离(point-to-point)和这两点连线与图像中心的垂线距离(point-to-line)如附图4中的⑥所示，两个特征点便可组成一个两个元素的向量组α(pp，pl)，如果有n组坐标，将形成(n-1)n/2组向量。

对具有m组坐标的目标特征区域坐标集重复上述工作，得到(m-1)m/2组向量β(pp,pl)。

建立虚拟坐标系，分别以上述向量组中pp和pl作为x和y坐标，按一定的容差值计算向量组α和β分别形成的点的重叠数量，重叠数量与总数量的比值即为匹配分值。

详细说明如下：

计算待查询图像各特征质心点之间的欧氏距离pp和中心点与质心点连线的垂线距离(pl)，形成n组向量α(pp,pl)。

对具有m组坐标的目标特征区域坐标集重复上述工作，得到(m-1)m/2组向量β(pp,pl)。

分别以α和β中的pp，pl作为x，y坐标画点，如附图⑦中，*为待查茶饼的特征欧式距离点，+为包装物上二维码中提取到的特征欧式距离点或服务器中一饼茶饼的特征欧式距离点。

设置容差R，若+落在以*为圆心，R为半径的圆内，则认为该点匹配成功。

统计所有匹配成功的点的数量，该数量与总点数之间的比值即为匹配分值。

目标特征区域质心点数量：n，目标α(pp,pl)向量组数量：(n-1)n/2；

待查特征区域质心点数量：m，目标β(pp,pl)向量组数量：(m-1)m/2；

S7.4如附图1中的

所示，再根据上述的score(匹配分值)比对校验真伪。并根据如附图1中的

所示输出结果。

s8，如需要对比对结果进行进一步防伪校验，可通过防伪编码中的生产信息快速到服务器中获取茶饼原始信息进行更加准确的校验。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (7)

1.一种基于茶饼图像特征编码的茶饼防伪方法，其特征在于包括以下步骤：

防伪编码获取：拍摄、获取茶饼的原始图像；对原始图像进行图像特征处理并获取茶饼原始图像特征集合，并转换成茶饼原始图像特征编码；基于获取到的茶饼图像数据，剔除茶饼部分或全部边缘和中间部分后，得到茶饼图像的圆环形图像，并进行归一化处理、纹理滤波处理，提取所有纹理闭合包围的图像区域作为待选区域集合，对待选区域集合内的图像特征进行特征筛选，得闭合纹理特征区域集并建立闭合纹理特征坐标集；基于所述闭合纹理特征坐标集构成原始图像特征集合，基于所述闭合纹理特征坐标集按坐标顺序排列得原始图像特征编码，所述闭合纹理特征坐标集为以图像左上角为坐标中心，将筛选后的闭合纹理特征区域在归一化图像中的质心点坐标保存，构成的原始图像特征集合；将茶饼原始图像特征编码与生产信息数据融合处理，得到代表该茶饼的唯一身份的防伪编码；将上述的茶饼的原始图像、茶饼原始图像特征集合、茶饼原始图像特征编码和防伪编码上传并存储至云端服务器，将所述防伪编码植入防伪信息载体中；防伪信息载体与对应的茶饼统一进行包装；

防伪查询：读取防伪信息载体，获得防伪编码，基于防伪编码解算得到茶饼原始图像特征集合；通过拍摄获取当前待查询茶饼图像特征集合，与茶饼原始图像特征集合进行比对，真伪判断，得校验防伪结果。

2.根据权利要求1所述的茶饼防伪方法，其特征在于，所述归一化处理、纹理滤波处理包括：对圆环形图像进行比例的缩放及畸变校正的归一化处理，再对归一化的圆环图像采用不同的卷积核进行纹理滤波处理，在长度和宽度方向上与图像逐像素进行卷积运算，以卷积运算结果作为像素值生成纹理图像，所述纹理图像包含了原图中纹理的边缘信息。

3.根据权利要求2所述的茶饼防伪方法，其特征在于，所述待选区域集合包括：对纹理滤波处理后的纹理图像做取反处理，基于取反后的所有图像区域作为待选区域集合；所述特征筛选包括：根据待选区域集合中细长度、紧致度、特征区域面积、结构因子中的一种或多种因素进行条件筛选。

4.根据权利要求1所述的茶饼防伪方法，其特征在于，所述将茶饼原始图像特征编码与生产信息数据融合处理包括以下步骤：所述生产信息数据包括生产日期信息、批次信息、厂家信息，且按年+月+日+时+分+秒+批次+厂家代号进行格式排列，在生产信息格式前、后或中间添加茶饼原始图像特征编码，所述茶饼原始图像特征编码为特征点在闭合纹理特征坐标集中的坐标值。

5.根据权利要求1所述的茶饼防伪方法，其特征在于，所述信息载体为一维码标签、二维码标签或RFID。

6.根据权利要求1或2所述的茶饼防伪方法，其特征在于，所述防伪查询的步骤还包括：获得防伪编码后，基于茶饼原始图像特征编码与生产信息数据融合处理原理反推获得生产信息编码和原始图像特征集合，并显示生产信息数据，原始图像特征集合用作进一步图像特征校对的比对对象和比对依据；防伪验证获取待校验的茶饼图像后，按照和原始图像进行图像特征处理的相同处理条件和步骤获取待查询茶饼图像特征集合，与茶饼原始图像特征集合进行比对，真伪判断，得校验防伪结果。

7.根据权利要求6所述的茶饼防伪方法，其特征在于，还包括步骤：对待查询茶饼图像特征集合按照与原始茶饼相同的闭合纹理特征坐标集建立方法得到待查询特征区域坐标集，其中包含n组坐标，以每组坐标作为图节点，以任意两个节点之间的欧氏距离和这两点连线与图像中心的垂线距离作为特征点，两个特征点便可组成一个两个元素的向量组α(pp，pl)，若有n组坐标，则将形成(n-1)n/2组向量；建立虚拟坐标系，分别以pp和pl作为x和y坐标，按容差值计算向量组α和β分别形成的点的重叠数量，重叠数量与总数量的比值即为匹配分值；计算待查询图像各特征质心点之间的欧氏距离pp和中心点与质心点连线的垂线距离pl，形成n组向量α(pp,pl)；对具有m组坐标的目标特征区域坐标集重复上述工作，得到(m-1)m/2组向量β(pp,pl)；

分别以α和β中的pp，pl作为x，y坐标画点，以*为待查茶饼的特征欧式距离点，以+为包装物上二维码中提取到的特征欧式距离点或服务器中一饼茶饼的特征欧式距离点；

设置容差R，若+落在以*为圆心，R为半径的圆内，则认为该点匹配成功；

统计所有匹配成功的点的数量，该数量与总点数之间的比值为匹配分值；

目标特征区域质心点数量：n，目标α(pp,pl)向量组数量：(n-1)n/2；

待查特征区域质心点数量：m，目标β(pp,pl)向量组数量：(m-1)m/2；

Score为匹配分值；

基于匹配分值比对校验真伪，输出比对结果。

Images