【技术实现步骤摘要】
本专利技术涉及产品图像溯源，尤其涉及一种基于图像细微特征融合的产品图像溯源系统及方法。
技术介绍
1、在产品图像溯源中，计算机视觉和图像识别技术起着关键作用。传统的图像溯源方法通常基于图像特征提取和匹配，但这种方法存在一些局限性。近年来，随着深度学习和神经网络的发展，基于深度学习的图像识别技术在产品图像溯源中得到了广泛应用。
2、基于深度学习的图像识别技术可以通过训练神经网络模型来实现对产品图像的自动识别和分类。这些模型可以学习到图像中的特征和模式，并将其与已知的产品信息进行匹配。通过这种方式，可以实现对产品的溯源和追踪，在传统的图像溯源方法中，需要手动提取和选择图像特征，这往往需要大量的人力和时间，因此本专利技术提出一种基于图像细微特征融合的产品图像溯源系统及方法以解决现有技术中存在的问题。
技术实现思路
1、针对上述问题，本专利技术的目的在于提出一种基于图像细微特征融合的产品图像溯源系统及方法，该种基于图像细微特征融合的产品图像溯源系统及方法具有---优点，解决现有技术中存在的问题。
2、为实现本专利技术的目的，本专利技术通过以下技术方案实现：一种基于图像细微特征融合的产品图像溯源系统，包括产品线高速摄像头捕捉图像模块、图像变换处理模块、深度特征提取模块、深度特征输出编码模块、传统图像特征提取模块、传统多特征融合模块、传统特征及深度特征融合模块以及产品特征库模块，所述产品线高速摄像头捕捉图像模块的输出端与图像变换处理模块的输入端连接，所述图像变换处理模块
3、一种基于图像细微特征融合的产品图像溯源系统的溯源方法，包括以下步骤：
4、步骤一、产品图像获取及处理
5、获取产品线上产品的图像，组成照片集，然后将照片集输入图像变换处理模块内，经过预处理后，制成统一规格角度的图像，并构建数据集，再进行数据集增强，得到增强数据集；
6、步骤二、深度卷积网络特征提取模块训练
7、将步骤一中得到的增强数据集输入深度特征提取模块内，进行端到端训练，训练完成后，深度特征提取模块得到深度特征向量；
8、步骤三、传统特征提取
9、将步骤一中的数据集输入进入传统图像特征提取模块分别提取颜色、形状、纹理特征并获得相对应的特征向量，进入传统多特征融合模块；
10、步骤四、特征融合
11、再进入传统特征与深度特征融合模块进行特征融合，并将对应的特征向量存入产品线特征库；
12、步骤五、产品图像溯源
13、将产品图像输入图像变换处理模块，之后分别用训练好的深度特征提取模块和传统特征提取模块进行特征提取和特征融合，得到用户图像特征，再与产品线特征库内的特征向量进行比较，得到匹配结果。
14、进一步改进在于：所述步骤一中，数据集增强是通过对图像进行水平翻转，随即旋转及缩放操作增强数据集。
15、进一步改进在于：所述步骤一中，预处理包括去除噪声和图像增强。
16、进一步改进在于：所述步骤二中，通过深度网络注意力增强单元，训练注意力特征图对局部的细微特征进行捕捉，对图像进行放大裁剪再进入训练。
17、进一步改进在于：所述步骤二中、训练步骤具体为：
18、s1：通过卷积网络特征提取模块提取特征图；
19、s2：在负反馈环节中训练二十个局部关注点的注意力图，依据这些图进行裁剪进行自适应的数据增强；
20、s3：最终根据提取到的特征图进行卷积，激活，池化展平成为特征向量。
21、进一步改进在于：所述步骤四中，特征融合的具体步骤为：
22、ss1：判断两个特征向量的维度，当其中一个向量维度较高则进入ss2，否则进入步骤ss3；
23、ss2：使用降维算法来减少特征的数量，从而实现数据的可视化；
24、ss3：将两种向量的维度对应；
25、ss4：传统特征向量和深度特征向量融合的方法为使用向量拼接。
26、进一步改进在于：所述传统特征向量和深度特征向量融合的方法还可以使用逐个位相加方法。
27、本专利技术的有益效果为：该种基于图像细微特征融合的产品图像溯源系统及方法基于深度学习技术，通过训练神经网络模型来实现对产品图像的自动识别和分类，同时在训练的过程中，通过深度网络注意力增强单元进行有目的的数据增强加强对细微特征的敏感程度，从而加强深度模型的细微特征提取效果，由此可以通过训练好的深度特征提取模块可以提取图像的深度特征，大大减少了人工干预的需求，并提高了溯源的准确性和效率，且通过传统特征及深度特征融合模块将传统特征和深度特征进行特殊融合，从而提升图像溯源效果，从而本专利技术可以应用于产品质量检测和防伪溯源等领域。通过对产品图像进行分析和比对，可以检测产品的质量问题和真伪情况，提高产品的质量和安全性。
本文档来自技高网...【技术保护点】
1.一种基于图像细微特征融合的产品图像溯源系统，其特征在于：包括产品线高速摄像头捕捉图像模块、图像变换处理模块、深度特征提取模块、深度特征输出编码模块、传统图像特征提取模块、传统多特征融合模块、传统特征及深度特征融合模块以及产品特征库模块，所述产品线高速摄像头捕捉图像模块的输出端与图像变换处理模块的输入端连接，所述图像变换处理模块的输入端与深度特征提取模块和传统图像特征提取模块连接，所述深度特征提取模块通过深度特征输出编码模块与传统特征及深度特征融合模块连接，所述传统图像特征提取模块通过传统多特征融合模块与传统特征及深度特征融合模块连接，所述传统特征及深度特征融合模块与产品特征库模块连接，所述深度特征提取模块内设有深度网络注意力增强单元。
2.一种基于图像细微特征融合的产品图像溯源系统的溯源方法，其特征在于：包括以下步骤：
3.根据权利要求2所述的一种基于图像细微特征融合的产品图像溯源系统的溯源方法，其特征在于：所述步骤一中，数据集增强是通过对图像进行水平翻转，随即旋转及缩放操作增强数据集。
4.根据权利要求2所述的一种基于图像细微特征融合的产
5.根据权利要求2所述的一种基于图像细微特征融合的产品图像溯源系统的溯源方法，其特征在于：所述步骤二中，通过深度网络注意力增强单元，训练注意力特征图对局部的细微特征进行捕捉，对图像进行放大裁剪再进入训练。
6.根据权利要求2所述的一种基于图像细微特征融合的产品图像溯源系统的溯源方法，其特征在于：所述步骤二中、训练步骤具体为：
7.根据权利要求2所述的一种基于图像细微特征融合的产品图像溯源系统的溯源方法，其特征在于：所述步骤四中，特征融合的具体步骤为：
8.根据权利要求7所述的一种基于图像细微特征融合的产品图像溯源系统的溯源方法，其特征在于：所述传统特征向量和深度特征向量融合的方法还可以使用逐个位相加方法。
...【技术特征摘要】
1.一种基于图像细微特征融合的产品图像溯源系统，其特征在于：包括产品线高速摄像头捕捉图像模块、图像变换处理模块、深度特征提取模块、深度特征输出编码模块、传统图像特征提取模块、传统多特征融合模块、传统特征及深度特征融合模块以及产品特征库模块，所述产品线高速摄像头捕捉图像模块的输出端与图像变换处理模块的输入端连接，所述图像变换处理模块的输入端与深度特征提取模块和传统图像特征提取模块连接，所述深度特征提取模块通过深度特征输出编码模块与传统特征及深度特征融合模块连接，所述传统图像特征提取模块通过传统多特征融合模块与传统特征及深度特征融合模块连接，所述传统特征及深度特征融合模块与产品特征库模块连接，所述深度特征提取模块内设有深度网络注意力增强单元。
2.一种基于图像细微特征融合的产品图像溯源系统的溯源方法，其特征在于：包括以下步骤：
3.根据权利要求2所述的一种基于图像细微特征融合的产品图像溯源系统的溯源方法，其特征在于：所述步骤一中，数据集增...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。