[发明专利]一种基于生物图像特征识别的溯源方法和溯源系统在审

专利信息
申请号: 202011049842.8 申请日: 2020-09-29
公开(公告)号: CN112149690A 公开(公告)日: 2020-12-29
发明(设计)人: 刘向荣;俞心宇;胡冰;柳娟;潘婧 申请(专利权)人: 厦门大学
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62;G06F16/583;G06Q30/00
代理公司: 厦门市精诚新创知识产权代理有限公司 35218 代理人: 何家富
地址: 361000 *** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 生物 图像 特征 识别 溯源 方法 系统
【权利要求书】:

1.一种基于生物图像特征识别的溯源方法,其特征在于,包括以下过程:

建立生物产品各个形态的训练集,训练生物产品在各个形态下的特征提取模型;

建立溯源信息数据库,所述溯源信息数据库用于存储生物产品在各个形态下的溯源信息;

溯源信息采集:采集第一生物产品图片及产品流动信息,从第一生物产品图片中提取第一生物图像特征,将包括第一生物产品图片、第一生物图像特征和产品流动信息在内的溯源信息存储于溯源信息数据库;

溯源信息搜索:采集第二生物产品图片,从第二生物产品图片中提取第二生物图像特征,以第二生物图像特征为索引,检索溯源信息数据库,得到与之匹配的生物产品的溯源信息;

溯源信息关联:当生物产品因加工发生产品形态变化时,在加工前进行溯源信息采集或进行溯源信息搜索,得到生物产品的第一溯源信息;在加工后执行溯源信息采集,生成第二溯源信息,在第一溯源信息和第二溯源信息间建立关联;

所述产品流动信息包括采集第一生物产品图片的位置信息和时间信息。

2.根据如权利要求1所述的基于生物图像特征识别的溯源方法,其特征在于,所述溯源信息采集、溯源信息搜索中从生物产品图片提取生物图像特征的具体过程为:采集生物产品图片并进行预处理,根据已经训练好的特征提取模型,对预处理后的生物产品图片进行识别,提取生物图像特征;所述预处理的具体方法为:

(1)对产品图片中的生物产品具有的明显生物特征,进行图像增强处理,所述图像增强处理的方法包括调整以下图像特征中的至少一种:对比度、锐度和亮度;

(2)对产品图片进行裁剪,获得具有明显生物特征的部分图像。

3.根据如权利要求1所述的基于生物图像特征识别的溯源方法,其特征在于,所述溯源信息采集具体包括以下步骤:

采集生物产品某一角度的生物产品图片和产品流动信息,并上传云服务器;

在云服务器中,将生物产品图片输入训练好的特征提取模型进行识别,得到生物图像特征;

将包括第一生物产品图片、第一生物图像特征和产品流动信息在内的溯源信息存储于溯源信息数据库。

4.根据如权利要求1所述的基于生物图像特征识别的溯源方法,其特征在于,所述溯源信息搜索具体包括以下步骤:

拍摄与溯源信息采集时相似角度的生物产品图片,并上传云服务器;

在云服务器中,将生物产品图片输入训练好的特征提取模型进行识别,得到生物图像特征;

以生物图像特征为索引,检索溯源信息数据库,和溯源信息数据库中的生物图像特征进行比对匹配,若溯源信息搜索中获得生物图像特征和溯源信息数据库中的某一生物图像特征的匹配度达到预期,则返回所匹配的生物图像特征所对应的生物产品的溯源信息。

5.根据如权利要求1所述的基于生物图像特征识别的溯源方法,其特征在于,所述溯源信息关联具体为:

当生物产品因加工发生产品形态变化时,在加工前进行溯源信息采集或进行溯源信息搜索,在云服务器中得到生物产品在加工前形态的第一溯源信息;在加工后执行溯源信息采集,在云服务器中生成加工后形态的第二溯源信息,在第二溯源信息中增加对第一溯源信息的引用信息,在第一溯源信息和第二溯源信息间建立关联。

6.根据如权利要求1所述的基于生物图像特征识别的溯源方法,其特征在于,所述生物图像特征为特征向量,所述产品特征比对的具体方法为:通过预处理后的产品图片输入到已经训练好的特征提取网络中,得到该产品的特征向量;之后将从该图像中提取的特征向量与云端数据库中已有的特征向量进行比对,比对方法为计算两两特征向量之间的欧氏距离或余弦距离;方法的计算结果越小表示对比的两个特征向量的近似度越高,所述产品特征比对的计算结果小于一个阈值时表明该产品成功匹配。

7.根据如权利要求1所述的基于生物图像特征识别的溯源方法,其特征在于,所述产品流动信息标识于所采集的生物产品图片中。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门大学,未经厦门大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011049842.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top