基于计算机视觉和机器学习的真伪卷烟包装鉴别
为解决人工鉴别真伪卷烟效率低、主观性强等问题,基于计算机视觉和机器学习建立了一种真伪卷烟包装鉴别模型.利用计算机视觉对卷烟包装进行图像处理和特征向量提取,分别以相似性度量模型、机器学习模型对特征向量进行分类并判定卷烟真伪.相似性度量模型采用曼哈顿距离模型进行分类,并对高斯双边滤波函数进行了参数优化;机器学习模型则以图像分块为基础,确定最优分块数量和面积.以"中华(软)""玉溪(软)""钻石(荷花)"3个卷烟品牌共603个真伪样品为对象,分别采用两种模型进行判定,结果表明:相似性度量模型在"玉溪(软)"样品测试集的准确率为96.17%;机器学习模型在"中华(软)""玉溪(软)""钻石(荷花)"3个样品测试集的准确率分别为98.99%、96.61%和100%.机器学习模型与相似性度量模型相比较,具有较好的迁移能力和鲁棒性,适用于卷烟真伪鉴别样品量大、品类多、图像复杂等情况.该方法可为提高真伪卷烟鉴别效率和准确率提供技术支持.
卷烟包装、真伪鉴别、计算机视觉、机器学习、相似性、分类模型
53
TS474(烟草工业)
国家烟草专卖局科技重大专项项目"卷烟产品鉴别大数据构建及应用研究"[110201901026SJ-05
2020-06-08(万方平台首次上网日期,不代表论文的发表时间)
共10页
83-92