一种产品鉴定方法、装置、计算机设备和存储介质与流程

本技术涉及图像处理，特别是涉及一种产品鉴定方法、装置、计算机设备和存储介质。

背景技术：

1、产品的造假现象对厂商和消费者都会造成严重伤害。一方面假冒产品可能会损害消费者身体健康，另一方面假冒产品会对厂商的品牌造成巨大伤害，因此厂商常常投入很大程度的人力和物力进行产品的真伪鉴定。在产品的真伪鉴定中，通过产品外观对产品进行鉴定是一个非常重要的手段。

2、现有的产品真伪鉴定主要经过专业认证的工作人员进行人工鉴定。人工鉴定极大依赖工作人员的经验，鉴定效率低且人工成本高。而自动防伪方法通常需要对印刷和包装工艺流程进行改造，流程较为复杂。综上所述，现有的产品鉴定方法代价较高，难以适应现有的工业应用场景。

3、因此，亟需提出一种能够精准高效地鉴定产品真伪的产品鉴定方法、装置、计算机设备和存储介质。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够精准高效地鉴定产品真伪的产品鉴定方法、装置、计算机设备和存储介质。

2、第一方面，提供一种产品鉴定方法，所述方法包括：

3、获取待鉴定产品的外观图像，并通过特征识别模型识别出所述待鉴定产品的外观图像的第一特征区域以及所述第一特征区域的第一数据信息；

4、通过特征提取模型对所述第一特征区域进行局部特征提取和全局特征提取，获得第一局部特征向量和第一全局特征向量；

5、将所述第一局部特征向量与所述第一全局特征向量拼接成第一组合特征向量；

6、基于所述第一数据信息，查找第一数据库中所述待鉴定产品的第二组合特征向量；

7、将所述第一组合特征向量和所述第二组合特征向量输入特征匹配模型中进行比对，输出比对结果和比对置信度；

8、响应于比对结果为失败，返回产品鉴定失败的提示；

9、响应于比对结果为成功，返回所述第一数据信息，并将所述待鉴定产品的外观图像、第一数据信息、比对结果以及比对置信度存储于所述第一数据库。

10、在其中一个实施例中，所述获取待鉴定产品的外观图像前，所述方法还包括：

11、获取未出厂产品的外观图像，并通过所述特征识别模型识别出所述未出厂产品的外观图像的第二特征区域以及所述第二特征区域的第二数据信息，其中，所述未出厂产品指处于未出厂状态的待鉴定产品，所述第二特征区域与所述第一特征区域相同；

12、通过所述特征提取模型对所述第二特征区域进行局部特征提取和全局特征提取，获得第二局部特征向量和第二全局特征向量；

13、将所述第二局部特征向量与所述第二全局特征向量拼接成第二组合特征向量；

14、构建所述第二数据信息与第二组合特征向量的关联关系，并基于所述关联关系，将所述第二数据信息和第二组合特征向量存储于所述第一数据库。

15、在其中一个实施例中，所述获取待鉴定产品的外观图像，并通过特征识别模型识别出所述待鉴定产品的外观图像的第一特征区域以及所述第一特征区域的第一数据信息，包括：

16、按照预设区域大小，通过文本检测算法识别出所述待鉴定产品的外观图像的第一特征区域；

17、针对所述待鉴定产品的外观图像的第一特征区域，通过目标检测算法识别出所述第一数据信息，其中，所述第一数据信息包括所述待鉴定产品的生产年份、生产批次以及生产编号。

18、在其中一个实施例中，所述通过特征提取模型对所述第一特征区域进行局部特征提取，获得第一局部特征向量，包括：

19、基于所述第一特征区域建立高斯金字塔，并根据所述高斯金字塔生成差分金字塔，以及确定所述差分金字塔中潜在特征点的坐标；

20、基于所述潜在特征点的坐标，通过泰勒展开式对特征点进行拟合，并根据拟合结果获得实际特征点的坐标，以及通过角点检测算法将所述实际特征点中的边缘特征点去除，获得n个最终特征点，其中，n为正整数；

21、获取所述最终特征点的尺度值，并基于所述尺度值对最终特征点进行有限差分，获得以所述最终特征点为中心的区域内像素点的幅值和幅角；

22、将以所述最终特征点为中心的区域划分为4*4个子区域，以及计算每个子区域内8个方向的梯度直方图，生成n*128个维度的第一局部特征向量。

23、在其中一个实施例中，通过特征提取模型对所述第一特征区域进行全局特征提取，获得第一全局特征向量，包括：

24、基于所述第一特征区域，获取第一喷码图片；

25、通过残差网络提取所述第一喷码图片的特征；

26、通过正则化将所述第一喷码图片的特征映射成128个维度的第一全局特征向量。

27、在其中一个实施例中，所述将所述第一局部特征向量与所述第一全局特征向量拼接成第一组合特征向量，包括：

28、将所述n*128个维度的第一局部特征向量与所述128个维度的第一全局特征向量进行拼接，获得(n+1)*128个维度的第一组合特征向量；

29、所述将所述第二局部特征向量与所述第二全局特征向量拼接成第二组合特征向量，包括：

30、将所述n*128个维度的第二局部特征向量与所述128个维度的第二全局特征向量进行拼接，获得(n+1)*128个维度的第二组合特征向量；

31、所述将所述第一组合特征向量和所述第二组合特征向量输入特征匹配模型中进行比对，输出比对结果和比对置信度，包括：

32、将所述(n+1)*128个维度的第一组合特征向量与(n+1)*128个维度的第二组合特征向量进行拼接，获得(n+1)*256个维度的组合特征向量对；

33、将所述(n+1)*256个维度的组合特征向量对输入特征匹配模型中进行比对，输出所述比对结果和比对置信度。

34、在其中一个实施例中，所述特征匹配模型通过以下方式训练：

35、对所述第一喷码图片进行数据增强，获得第二喷码图片；

36、获取第二数据库中的第三喷码图片，并基于所述第一喷码图片、第二喷码图片以及第三喷码图片，构造喷码图片三元组，其中，所述第三喷码图片为所述第二数据库中与第一喷码图片无关的任一图片；

37、通过所述残差网络分别提取所述第二喷码图片和第三喷码图片的特征；

38、通过正则化将所述第二喷码图片和第三喷码图片的特征分别映射成128个维度的全局特征向量；

39、分别生成所述第二喷码图片和第三喷码图片的局部特征向量，并将所述第二喷码图片和第三喷码图片的局部特征向量与全局特征向量分别拼接成(n+1)*128个维度的组合特征向量；

40、将所述第一喷码图片的组合特征向量与第二喷码图片的组合特征向量进行拼接，获得第一组合特征向量对，并将所述第一组合特征向量对输入特征匹配模型中进行比对，获得所述第一喷码图片与第二喷码图片的相似度；

41、将所述第一喷码图片的组合特征向量与第三喷码图片的组合特征向量进行拼接，获得第二组合特征向量对，并将所述第二组合特征向量对输入特征匹配模型中进行比对，获得所述第一喷码图片与第三喷码图片的相似度；

42、调整所述特征匹配模型的参数，直至所述第一喷码图片与第二喷码图片的相似度接近1，同时所述第一喷码图片与第三喷码图片的相似度接近0。

43、第二方面，提供了一种产品鉴定装置，所述装置包括：

44、获取模块，所述获取模块用于获取待鉴定产品的外观图像；

45、识别模块，所述识别模块用于通过特征识别模型识别出所述待鉴定产品的外观图像的第一特征区域以及所述第一特征区域的第一数据信息；

46、提取模块，所述提取模块用于通过特征提取模型对所述第一特征区域进行局部特征提取和全局特征提取，获得第一局部特征向量和第一全局特征向量；

47、拼接模块，所述拼接模块用于将所述第一局部特征向量与所述第一全局特征向量拼接成第一组合特征向量；

48、查找模块，所述查找模块用于基于所述第一数据信息，查找第一数据库中所述待鉴定产品的第二组合特征向量；

49、比对模块，所述比对模块用于将所述第一组合特征向量和所述第二组合特征向量输入特征匹配模型中进行比对，输出比对结果和比对置信度；响应于比对结果为失败，返回产品鉴定失败的提示；响应于比对结果为成功，返回所述第一数据信息，并将所述待鉴定产品的外观图像、第一数据信息、比对结果以及比对置信度存储于所述第一数据库。

50、第三方面，提供了一种计算机设备，所述计算机设备包括一个或多个处理器；以及与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令，所述程序指令在被所述一个或多个处理器读取执行时，执行如上述第一方面任意一项所述方法的步骤。

51、第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，执行如上述第一方面任意一项所述方法的步骤。

52、第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上述第一方面任意一项所述方法的步骤。

53、上述产品鉴定方法、装置、计算机设备和存储介质，通过特征识别模型识别出所述待鉴定产品的外观图像的第一特征区域以及所述第一特征区域的第一数据信息；通过特征提取模型对所述第一特征区域进行局部特征提取和全局特征提取，并将第一局部特征向量与所述第一全局特征向量拼接成第一组合特征向量；基于所述第一数据信息，查找第一数据库中所述待鉴定产品的第二组合特征向量；将所述第一组合特征向量和所述第二组合特征向量输入特征匹配模型中进行比对，输出比对结果和比对置信度，提升产品的鉴定效率和鉴定结果的可信度。