CN116452217A - 基于区块链的煤炭产地溯源及作弊识别方法及*** - Google Patents
基于区块链的煤炭产地溯源及作弊识别方法及*** Download PDFInfo
- Publication number
- CN116452217A CN116452217A CN202310220106.1A CN202310220106A CN116452217A CN 116452217 A CN116452217 A CN 116452217A CN 202310220106 A CN202310220106 A CN 202310220106A CN 116452217 A CN116452217 A CN 116452217A
- Authority
- CN
- China
- Prior art keywords
- coal
- contract
- identification
- sample
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003245 coal Substances 0.000 title claims abstract description 156
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004519 manufacturing process Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000013527 convolutional neural network Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000011084 recovery Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 239000002817 coal dust Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- -1 small block Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/95—Pattern authentication; Markers therefor; Forgery detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Computer Security & Cryptography (AREA)
- Bioethics (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于区块链的煤炭产地溯源及作弊识别方法及***,属于煤炭识别领域。该方法包括:提取样本煤炭图像的样本特征,以及提取目标煤炭图像的目标特征;根据样本特征构建区块链的特征更新合约、识别合约和产地判断合约;基于预言机调用特征更新合约,将样本特征和该样本特征对应的产地信息上传至区块链;基于预言机调用识别合约,将目标特征上传至区块链并进行处理;基于预言机调用产地判断合约,判断处理后的目标特征的产地,得到目标煤炭的产地信息。本发明将把区块链应用于煤炭产地溯源及作弊识别,避免了传统方式的检验方式不能煤炭产地溯源、不能全样本检测、检验成本高,检验慢,有作弊行为的弊端,能杜绝掺假行为的发生。
Description
技术领域
本发明涉及煤炭识别领域,具体地涉及一种基于区块链的煤炭产地溯源及作弊识别方法、一种基于区块链的煤炭产地溯源及作弊识别***、一种电子设备和一种计算机可读存储介质。
背景技术
中国是世界第一产煤大国,煤炭资源是我国的第一大能源,是工业发展所需的基础能源材料。
根据相关规定,煤矿企业和煤炭经营企业供应用户的煤炭质量应当符合国家标准或者行业标准,质级相符,质价相符。煤矿企业和煤炭经营企业不得在煤炭中掺杂、掺假,以次充好。
由于部分企业的煤炭质量在符合国家标准或者行业标准后,就可供应煤炭,此时会导致部分企业主观上买优质煤后掺假出售,从而从中牟利。
因此需要按国家标准对煤炭的质量进行检测,现有技术中通过选取部分样本对其进行检测,做不到全样本检测,不能避免样本偏差。且质量检测方法都需要人工参与检测,存在着速度慢、成本高等缺陷,且不能杜绝作弊行为。
发明内容
本发明实施例的目的是提供一种基于区块链的煤炭产地溯源及作弊识别方法及***,解决现有的煤炭质量检测方法存在着检测速度慢、成本低、不能杜绝作弊行为等问题。
为了实现上述目的,本发明实施例提供一种基于区块链的煤炭产地溯源及作弊识别方法,所述方法包括:
提取具有产地信息的样本煤炭图像的样本特征,以及提取目标煤炭图像的目标特征;
根据所述样本特征构建基于区块链的产地溯源及掺假别合约,所述产地溯源及掺假识别合约包括特征更新合约、识别合约和产地判断合约;
基于预言机调用所述特征更新合约,将样本特征和该样本特征对应的产地信息上传至区块链;
基于预言机调用所述识别合约,将所述目标特征上传至区块链并进行处理,所述处理用于从目标特征中识别出需要产地判断的特征;
基于预言机调用所述产地判断合约,判断处理后的目标特征的产地,得到目标煤炭的产地信息。
优选地,所述方法还包括:在提取具有产地信息的样本煤炭图像的样本特征之前,对所述样本煤炭图像进行预处理,所述预处理包括:
去雾处理、对比度增强、无损放大、拉伸恢复、图像修复、图像清晰度增强和图像色彩增强中的一种或多种。
优选地,根据所述样本特征构建基于区块链的产地溯源及掺假别合约,包括:
根据所述样本特征构建识别模型、特征更新模型和产地判断模型;
将所述识别模型上传至区块链,得到识别合约;
将所述特征更新模型上传至区块链,得到特征更新合约;
将所述产地判断模型上传至区块链,得到产地判断合约。
优选地,根据所述样本特征构建产地判断模型,包括:
将预设公共数据集输入至双线性卷积神经网络进行训练,得到双线性卷积神经网络参数;
将双线性卷积神经网络参数作为预设产地判断模型的初始参数;
将所述样本特征输入至预设产地判别模型进行训练,得到产地判断模型。
优选地,所述预设公共数据集为煤炭相关数据集,以煤炭相关数据集作为双线性卷积神经网络输入,将训练得到的双线性卷积神经网络的前三分之二卷积层参数作为预设产地判断模型的初始参数。
优选地,所述预设公共数据集为煤炭无关或煤炭掺假数据集,以与煤炭无关或掺假的数据集作为双线性卷积神经网络输入,将训练得到的双线性卷积神经网络的前三分之一卷积层参数作为预设产地判断模型的初始参数。
优选地,根据所述样本特征构建识别模型,包括:
构建预设识别网络;
将所述样本特征输入至预设识别网络进行训练,得到识别模型。
本发明实施例还提供一种基于区块链的煤炭产地溯源及作弊识别***,所述***用于实现上述的基于区块链的煤炭产地溯源及作弊识别方法,所述***包括:
提取模块,用于提取具有产地信息的样本煤炭图像的样本特征,以及提取目标煤炭图像的目标特征;
构建模块,用于根据所述样本特征构建基于区块链的产地溯源及掺假别合约,所述产地溯源及掺假识别合约包括特征更新合约、识别合约和产地判断合约;
上传模块,用于基于预言机调用所述特征更新合约,将样本特征和该样本特征对应的产地信息上传至区块链;
识别模块,用于基于预言机调用所述识别合约,将所述目标特征上传至区块链并进行处理,所述处理用于从目标特征中识别出需要产地判断的特征;
判断模块,用于基于预言机调用所述产地判断合约,判断处理后的目标特征的产地,得到目标煤炭的产地信息。
本发明实施例还提供一种电子设备,包括存储器、处理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的基于区块链的煤炭产地溯源及作弊识别方法。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的基于区块链的煤炭产地溯源及作弊识别方法。
通过上述技术方案,本发明将把区块链技术应用于煤炭产地溯源及作弊识别,避免了传统方式的检验方式不能煤炭产地溯源、不能全样本检测、检验成本高,检验慢,有作弊行为的弊端,能杜绝掺假行为的发生。
本发明构建由特征更新合约、识别合约和产地判断合约构成的基于区块链的产地溯源及掺假别合约,能确保整个识别判断过程真实可靠,避免出现作弊行为;同时区块链上存储有煤炭样本的样本特征信息,可供后期获取煤炭样本的溯源信息,保证了产地的可信性。
经本发明识别出来的优质煤炭能有效的减少碳排放,通过使用优质煤炭,能有效的减少设备的损耗和停机检修的费用,通过使用优质煤炭来减轻国家和企业的运营成本。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是本发明一种实施方式提供的基于区块链的煤炭产地溯源及作弊识别方法的流程图;
图2是本发明一种可选实施方式提供的构建区块链的产地溯源、掺假识别合约的流程图;
图3是本发明一种可选实施方式提供的构建产地判断模型的流程图;
图4是本发明一种可选实施方式提供的构建识别模型的流程图;
图5是本发明一种可选实施方式提供的基于区块链的煤炭产地溯源及作弊识别***的框图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
图1是本发明一种实施方式提供的基于区块链的煤炭产地溯源及作弊识别方法的流程图,如图1所示,一种基于区块链的煤炭产地溯源及作弊识别方法,所述方法包括:
步骤S101:提取具有产地信息的样本煤炭图像的样本特征、以及提取目标煤炭图像的目标特征。
在本实施例中,样本煤炭图像来自煤炭矿场的原煤图像,原煤图像可以是布置在矿场的摄像头进行录像或拍照采集煤炭的图片信息和/或视频信息,也可以是采用手机等方式进行采集图片信息和/或视频信息。即在本实施例中,所述方法还包括:获取样本煤炭图像,包括:
步骤a1:在煤炭矿场的矿口对原煤进行洗煤处理和筛分。
矿口原煤出来后首先是洗煤环节,得到2个产品:水洗煤、煤矸石;水洗煤通过振动筛筛分后出4个产品:粉煤、块小、块中、块大。
步骤a2:采集煤炭的图片信息和/或视频信息,得到样本煤炭图像。
在手机、摄像头采集到的样本煤炭图像后,将样本煤炭图像发送至本产地的一台服务器1上,样本煤炭图像可在服务器1上集中进行存储、预处理以及特征提取等处理操作。
作为本实施例的进一步优化,所述方法还包括:在提取具有产地信息的样本煤炭图像的样本特征之前,对获取的样本煤炭图像进行预处理,所述预处理包括:去雾处理、对比度增强、无损放大、拉伸恢复、图像修复、图像清晰度增强和图像色彩增强中的一种或多种。
其中,去雾处理:对浓雾天气下拍摄,导致细节无法辨认的图像进行去雾处理,还原更清晰真实的图像。
对比度增强:调整过暗或者过亮图像的对比度,使图像更加鲜明。
无损放大:对于一张图片,可以在尽量保持图像质量的条件下,将图像在长宽方向各放大两倍。
拉伸恢复:自动识别过度拉伸的图像,将图像内容恢复成正常比例。
图像修复:去掉不需要的遮挡物,并用背景内容填充,提高图像质量;比如摄像头上的污渍,煤粉。
图像清晰度增强:对压缩后的模糊图像实现智能快速去噪,优化图像纹理细节,使画面更加自然清晰。
图像色彩增强:可智能调节图片的色彩饱和度、亮度、对比度,使得图片内容细节、色彩更加逼真,用于提升图片的质量。
同时还对布置在矿场的摄像头进行清洁,例如可在摄像头的左右各有一个高压***,通过定时的方式用高压空气吹去摄像头上的附着物,保证摄像头拍摄的高质量。
在本实施例中,样本煤炭图像在经过预处理后,由服务器1对样本煤炭图像进行特征提取,服务器1可采用基于深度学习的神经网络模型提取样本煤炭图像中的样本特征,样本特征包括煤炭的颜色、纹理、断口、形状等特征;服务器1根据煤炭的产地来源生成产地信息,产地信息包括煤矿档案、煤矿简介、煤种简介、开采时间区间等。然后该台服务器1再将上述的样本特征和产地信息存储到接口或者数据库中。
在本实施例中,对于目标煤炭图像可以通过手机、摄像头、照相机等拍取需要产地溯源、掺假识别的目标煤炭的视频、照片,在获取目标煤炭图像后,将其发送至本地的一台服务器2中,服务器2对目标煤炭图像进行预处理以及特征提取。
在本实施例中,所述方法还包括:在提取目标煤炭图像的目标特征之前,对获取的目标煤炭图像进行预处理,目标煤炭图像的预处理和样本煤炭图像的预处理相同,即目标煤炭图像的预处理包括:去雾处理、对比度增强、无损放大、拉伸恢复、图像修复、图像清晰度增强和图像色彩增强中的一种或多种。
其中,去雾处理:对浓雾天气下拍摄,导致细节无法辨认的图像进行去雾处理,还原更清晰真实的图像。
对比度增强:调整过暗或者过亮图像的对比度,使图像更加鲜明。
无损放大:对于一张图片,可以在尽量保持图像质量的条件下,将图像在长宽方向各放大两倍。
拉伸恢复:自动识别过度拉伸的图像,将图像内容恢复成正常比例。
图像修复:去掉不需要的遮挡物,并用背景内容填充,提高图像质量;比如摄像头上的污渍,煤粉。
图像清晰度增强:对压缩后的模糊图像实现智能快速去噪,优化图像纹理细节,使画面更加自然清晰。
图像色彩增强:可智能调节图片的色彩饱和度、亮度、对比度,使得图片内容细节、色彩更加逼真,用于提升图片的质量。
经过预处理后的目标煤炭图像在通过AI服务器2进行提取目标煤炭图像的特征,可以采用基于深度学习的神经网络模型对目标煤炭图像的特征进行提起,在得到目标特征后,将当前的目标特征存储到该台服务器2的接口、数据库中。
本发明通过对目标煤炭图像的预处理,能提高后续的识别模型识别煤炭视频、照片的精确度和准确度。
步骤S102:根据所述样本特征构建基于区块链的产地溯源及掺假识别合约,所述产地溯源及掺假识别合约包括特征更新合约、识别合约和产地判断合约。
作为本实施例的进一步优化,如图2所示,根据所述样本特征构建基于区块链的产地溯源及掺假识别合约,包括:
步骤b1:根据所述样本特征构建识别模型、特征更新模型和产地判断模型;
在本实施例中,如图4所示,根据所述样本特征构建识别模型,包括:
步骤b1.101:构建预设识别网络;所述预设识别网络可以使用快速区域卷积神经网络Faster R-CNN,目标检测网络SSD或YOLOv4;
步骤b1.102:将所述样本特征输入至预设识别网络进行训练,得到识别模型;例如:可以采集三个以上的煤矿场的煤炭视频、照片,每个煤矿场的样本煤炭图像各100份,然后将样本煤炭图像输入到预设识别网络进行训练,直至预设识别网络收敛(例如达到最大训练次数),停止训练,得到训练好的预设识别网络,训练好的预设识别网络即为识别模型。
在本实施例中,如图3所示,根据所述样本特征构建产地判断模型,包括:
步骤b1.201:将预设公共数据集输入至双线性卷积神经网络进行训练,得到双线性卷积神经网络参数;
步骤b1.202:将双线性卷积神经网络的参数作为预设产地判断模型的初始参数;
在本实施例中,可利用ImageNet数据集训练分类模型得到预设产地判断模型,分类模型可以使用双线性卷积神经网络(Bilinear CNN)模型。
在本实施例中,所述预设公共数据集可以为与煤炭相关的数据集,若以与煤炭相关的数据集作为双线性卷积神经网络输入,将训练得到的双线性卷积神经网络的前三分之二卷积层参数作为预设产地判断模型的初始参数。
在本实施例中,所述预设公共数据集还可以为煤炭无关或掺假的数据集,若以与煤炭无关或掺假的数据集作为双线性卷积神经网络输入,将训练得到的双线性卷积神经网络的前三分之一卷积层参数作为预设产地判断模型的初始参数。
步骤b1.203:将所述样本特征输入至预设产地判别模型进行训练,得到产地判断模型。
在本实施例中,由于同一产地的煤炭特征并不是一成不变的,为了保证预测的准确性,设定同一产地煤炭识别错误率的阈值,当同一产地煤炭识别错误率超过阈值后,通过人工干预后更新特征模型,更新方式为使用新特征对构建的神经网络模型(也采用快速区域卷积神经网络Faster R-CNN,目标检测网络SSD或YOLOv4)进行补充训练,并调用特征更新合约对模型进行更新。
步骤b2:将识别模型上传至区块链,得到识别合约;
步骤b3:将特征更新模型上传至区块链,得到特征更新合约;
步骤b4:将产地判断模型上传至区块链,得到产地判断合约。
因此,区块链的产地溯源及掺假识别合约由特征更新合约、识别合约和产地判断合约构成。
步骤S103:基于预言机调用特征更新合约,将样本特征和该样本特征对应的产地信息上传至区块链;
在本实施例中,预言机为区块链的链上、链下数据的交互提供了一个桥梁,用户可以通过合约调用来获取链下的接口数据、指定的数据库数据、VRF(可验证随机数数据)以及借助合约做跨链数据的查询。
因此可通过预言机调用特征更新合约,将样本特征和产地信息上传至区块链上,达到实时更新区块链上的样本特征和产地信息的目的,此时区块链存证了特定煤矿煤炭的全部的样本特征和产地信息;且调用特征更新合约还可以将区块链上的存储的目标特征上传到产地判断合约中,以供后期溯源查询使用。
步骤S104:基于预言机调用识别合约,将目标特征上传至区块链并进行处理,所述处理用于从目标特征中识别出需要产地判断的特征;
在调用识别合约后,预言机可以获取服务器2的接口或数据库中的目标特征,将目标特征上传到区块链,由于目标煤炭图像的图片中可能会存在多种煤炭,有不同颜色、形状等物理特性的煤炭,有优质的煤炭、或者有掺假的煤炭;此时部署在区块链上的识别合约对目标特征进行处理,识别合约对目标特征的处理主要为特征识别、分割和筛选,从目标特征的所有特征中识别出各种需要判断的特征。
步骤S105:基于预言机调用产地判断合约,判断处理后的目标特征的产地,得到目标煤炭的产地信息。在本实施例中,预言机还可以监听到链上的数据信息,在调用产地判断合约后,可以获取链上存储的各个样本特征,此时在产地判断合约中将目标特征与各个样本特征进行比对,若比中,则返回目标煤炭的产地信息(包括煤矿档案,煤矿简介,煤种简介,该煤种基础物理化学数据,大概开采时间区间等),若未比中,则提示本次验证的煤炭有掺假。
在本实施例中,得到产地溯源、掺假识别结果可以通过可视化的方式进行展示,例如通过网页、手机APP,对目标煤炭图像的产地溯源信息、掺假信息进行可视化显示。
本发明的煤炭产地溯源及作弊识别方法,将图像特征分类技术应用于煤炭的产地溯源、掺假识别,避免了传统的煤炭只有检验方式和手段,不能对煤炭产地溯源,无法进行掺假识别的问题,从而维护国家和企业的正当权益。
其次,本发明构建由特征更新合约、识别合约和产地判断合约构成的基于区块链的产地溯源及掺假别合约,能确保整个识别判断过程真实可靠,避免识别过程出现作弊行为;同时区块链上存储有煤炭样本的样本特征信息,可供后期获取煤炭样本的溯源信息,保证了产地的可信性。
图5是本发明一种可选实施方式提供的基于区块链的煤炭产地溯源及作弊识别***的框图,如图5所示,所述***用于实现上述的基于区块链的煤炭产地溯源及作弊识别方法,所述***包括:
提取模块,用于提取具有产地信息的样本煤炭图像的样本特征,以及提取目标煤炭图像的目标特征;
构建模块,用于根据所述样本特征构建基于区块链的产地溯源及掺假别合约,所述产地溯源及掺假识别合约包括特征更新合约、识别合约和产地判断合约;
上传模块,用于基于预言机调用所述特征更新合约,将样本特征和该样本特征对应的产地信息上传至区块链;
识别模块,用于基于预言机调用所述识别合约,将所述目标特征上传至区块链并进行处理,所述处理用于从目标特征中识别出需要产地判断的特征;
判断模块,用于基于预言机调用所述产地判断合约,判断处理后的目标特征的产地,得到目标煤炭的产地信息。
本发明实施例还一种电子设备,包括存储器、处理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的基于区块链的煤炭产地溯源及作弊识别方法。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的基于区块链的煤炭产地溯源及作弊识别方法。
本发明将把区块链技术应用于煤炭产地溯源及作弊识别,避免了传统方式的检验方式不能煤炭产地溯源、不能全样本检测、检验成本高,检验慢,有作弊行为的弊端,能杜绝掺假行为的发生。
经本发明识别出来的优质煤炭能有效的减少碳排放,通过使用优质煤炭,能有效的减少设备的损耗和停机检修的费用,通过使用优质煤炭来减轻国家和企业的运营成本。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于区块链的煤炭产地溯源及作弊识别方法,其特征在于,所述方法包括:
提取具有产地信息的样本煤炭图像的样本特征,以及提取目标煤炭图像的目标特征;
根据所述样本特征构建基于区块链的产地溯源及掺假别合约,所述产地溯源及掺假识别合约包括特征更新合约、识别合约和产地判断合约;
基于预言机调用所述特征更新合约,将样本特征和该样本特征对应的产地信息上传至区块链;
基于预言机调用所述识别合约,将所述目标特征上传至区块链并进行处理,所述处理用于从目标特征中识别出需要产地判断的特征;
基于预言机调用所述产地判断合约,判断处理后的目标特征的产地,得到目标煤炭的产地信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:在提取具有产地信息的样本煤炭图像的样本特征之前,对所述样本煤炭图像进行预处理,所述预处理包括:
去雾处理、对比度增强、无损放大、拉伸恢复、图像修复、图像清晰度增强和图像色彩增强中的一种或多种。
3.根据权利要求1所述的方法,其特征在于,根据所述样本特征构建基于区块链的产地溯源及掺假别合约,包括:
根据所述样本特征构建识别模型、特征更新模型和产地判断模型;
将所述识别模型上传至区块链,得到识别合约;
将所述特征更新模型上传至区块链,得到特征更新合约;
将所述产地判断模型上传至区块链,得到产地判断合约。
4.根据权利要求3所述的方法,其特征在于,根据所述样本特征构建产地判断模型,包括:
将预设公共数据集输入至双线性卷积神经网络进行训练,得到双线性卷积神经网络参数;
将双线性卷积神经网络参数作为预设产地判断模型的初始参数;
将所述样本特征输入至预设产地判别模型进行训练,得到产地判断模型。
5.根据权利要求4所述的方法,其特征在于,所述预设公共数据集为煤炭相关数据集,以煤炭相关数据集作为双线性卷积神经网络输入,将训练得到的双线性卷积神经网络的前三分之二卷积层参数作为预设产地判断模型的初始参数。
6.根据权利要求4所述的方法,其特征在于,所述预设公共数据集为煤炭无关或煤炭掺假数据集,以与煤炭无关或掺假的数据集作为双线性卷积神经网络输入,将训练得到的双线性卷积神经网络的前三分之一卷积层参数作为预设产地判断模型的初始参数。
7.根据权利要求3所述的方法,其特征在于,根据所述样本特征构建识别模型,包括:
构建预设识别网络;
将所述样本特征输入至预设识别网络进行训练,得到识别模型。
8.一种基于区块链的煤炭产地溯源及作弊识别***,所述***用于实现权利要求1-7中任一项所述的基于区块链的煤炭产地溯源及作弊识别方法,其特征在于,所述***包括:
提取模块,用于提取具有产地信息的样本煤炭图像的样本特征,以及提取目标煤炭图像的目标特征;
构建模块,用于根据所述样本特征构建基于区块链的产地溯源及掺假别合约,所述产地溯源及掺假识别合约包括特征更新合约、识别合约和产地判断合约;
上传模块,用于基于预言机调用所述特征更新合约,将样本特征和该样本特征对应的产地信息上传至区块链;
识别模块,用于基于预言机调用所述识别合约,将所述目标特征上传至区块链并进行处理,所述处理用于从目标特征中识别出需要产地判断的特征;
判断模块,用于基于预言机调用所述产地判断合约,判断处理后的目标特征的产地,得到目标煤炭的产地信息。
9.一种电子设备,包括存储器、处理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,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的基于区块链的煤炭产地溯源及作弊识别方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7中任一项所述的基于区块链的煤炭产地溯源及作弊识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310220106.1A CN116452217A (zh) | 2023-03-02 | 2023-03-02 | 基于区块链的煤炭产地溯源及作弊识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310220106.1A CN116452217A (zh) | 2023-03-02 | 2023-03-02 | 基于区块链的煤炭产地溯源及作弊识别方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116452217A true CN116452217A (zh) | 2023-07-18 |
Family
ID=87122779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310220106.1A Pending CN116452217A (zh) | 2023-03-02 | 2023-03-02 | 基于区块链的煤炭产地溯源及作弊识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116452217A (zh) |
-
2023
- 2023-03-02 CN CN202310220106.1A patent/CN116452217A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11138478B2 (en) | Method and apparatus for training, classification model, mobile terminal, and readable storage medium | |
CN109142366B (zh) | 球形外壳缺陷检测方法、装置及计算机可读存储介质 | |
CN112102204B (zh) | 图像增强方法、装置及电子设备 | |
CN110517246B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN108764372A (zh) | 数据集的构建方法和装置、移动终端、可读存储介质 | |
CN103365967B (zh) | 一种基于爬虫的自动化差异检测方法及装置 | |
CN109978805A (zh) | 拍照处理方法、装置、移动终端以及存储介质 | |
CN109951635A (zh) | 拍照处理方法、装置、移动终端以及存储介质 | |
CN113095434A (zh) | 目标检测方法及装置、电子设备、存储介质 | |
CN112766110A (zh) | 物体缺陷识别模型的训练方法、物体缺陷识别方法及装置 | |
WO2020131091A1 (en) | Print quality assessments via patch classification | |
CN112785557A (zh) | 皮带料流检测方法及装置、皮带料流检测*** | |
CN112052702A (zh) | 一种识别二维码的方法和装置 | |
CN110276300B (zh) | 用于识别垃圾品质的方法和装置 | |
CN110275820B (zh) | 页面兼容性测试方法、***及设备 | |
CN117437227A (zh) | 一种图像生成及缺陷检测方法、装置、介质、设备及产品 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测***、方法及介质 | |
CN116452217A (zh) | 基于区块链的煤炭产地溯源及作弊识别方法及*** | |
CN112990350B (zh) | 目标检测网络训练方法及基于目标检测网络煤矸识别方法 | |
CN116631003A (zh) | 基于p&id图纸的设备识别方法、装置、存储介质及电子设备 | |
CN116977256A (zh) | 缺陷检测模型的训练方法、装置、设备及存储介质 | |
CN116152191A (zh) | 基于深度学习的显示屏裂纹缺陷检测方法、装置及设备 | |
CN114627435A (zh) | 基于图像识别的智能灯光调节方法、装置、设备及介质 | |
CN111899184A (zh) | 图像缺陷修复、神经网络训练方法、装置、设备和*** | |
CN111738254A (zh) | 一种继电保护装置面板与屏幕内容自动化识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |