System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于器件增材制造,具体涉及一种结构色防伪标签的制备方法及应用。
技术介绍
1、结构色产生于光与结构的相互作用。与传统染料产生的颜色相比,结构色具有环境友好和抗褪色等特性。基于双光子聚合的3d打印技术为全三维空间的结构设计和控制提供了充分的自由度,并且具有比传统3d打印技术更高的分辨率,近年来被广泛用于高精度结构色的制备。
2、随着信息交互的日益频繁,产品的安全通信和认证正受到严重的安全威胁。假冒伪劣产品给人类社会的许多方面带来了无法承受的损失,如健康,金融,贸易,物联网等。因此,在需要被保护的产品包装上添加防伪标签成为了有效的解决方案。传统的防伪技术都是通过创建和使用由确定过程生成的标签来保护产品,如全息图案、水印和防伪油墨。但是,基于目前具备的防伪技术还存在着许多缺陷与挑战,例如易于被伪造、缺乏相关的技术手段阻止外部攻击和高成本。在防伪领域得到了广泛关注的物理不可克隆函数(puf)被认为是解决上述问题的最有潜力的加密方法之一。
3、在飞秒激光加工过程中,有一些因素,例如激光脉冲能量以及空气温度、湿度和材料性能的波动等等。它们的存在会导致加工的微/纳米结构之间不能完全相同。与其他应用场景不同,该结构的随机性特性赋予了器件不可复制的特征,这对于要求不可复制性的防伪标签来说是一个巨大的优势。适度的重复性,结合可编码的加工参数以及高精度,完全符合物理不可复制防伪标签的技术要求。并且,传统防伪标签由于受到加工精度的限制,通常结构相对简单,使得造假者更容易模仿。
4、综上,现有的技术在制备结构
技术实现思路
1、针对现有技术的不足,本专利技术要解决的技术问题是:利用飞秒激光加工技术的特性,提供一种可以通过飞秒激光制备结构色图案化打印的方法,再将用这种方法制备出的结构色防伪标签用于深度机器学习。在加工技术的支持下,利用深度机器学习对加工出的正确集标签学习后,掌握快速区分正确/错误标签的能力,从而实现防伪功能。构成标签的纳米柱阵列,可以近似看作二维的衍射光栅,入射光经过纳米柱阵列后,除选择透过的波长外的光都会以大发散角出射;纳米柱的高度与透过的波长相关性最强。
2、本专利技术通过如下技术方案实现:
3、一种基于机器学习的结构色防伪标签的制备方法,具体包括如下步骤:
4、(1)、飞秒激光双光子聚合加工样品准备;
5、具体步骤:首先将用作加工样品衬底的显微镜盖玻片依次使用无水乙醇棉球擦拭,再用洗瓶中的去离子水冲洗后,使用洗耳球对表面残存的水珠初步吹干,再放在真空干燥箱中干燥;然后,在清洗干净的盖玻片表面滴上有机无机杂化光刻胶;
6、(2)、飞秒激光双光子聚合;
7、具体步骤:首先,搭建位移台基飞秒激光双光子聚合加工系统,由光纤飞秒激光振荡器产生的飞秒脉冲激光首先通过上升光路,然后通过由声光调制器、二分之波片以及偏振分光棱镜组成的功率调节装置;从功率调节装置射出的光被分光棱镜分成两部分,其中一部分由功率计实时监测激光功率;另一部分被透镜ⅰ和透镜ⅱ组成的扩束透镜组扩束;扩束后的激光束通过反射镜ⅰ打入xy二维扫描振镜后,再经过由两个相同焦距的透镜组成的4f系统,而后通过半反半透镜ⅰ反射打入物镜的入瞳处;再通过物镜聚焦于光刻胶与衬底的交界面处;照明光源发出的光打在衬底上后,通过半反半透镜ⅰ透射射入底部的反射镜ⅱ,再经过透镜ⅲ聚焦在成像ccd上;
8、(3)、结构色防伪标签图案化打印;
9、具体步骤:加工前,利用软件设计并生成出颜色随机分布的结构色标签图案;使用软件对图案中每个像素的颜色进行分离,再使用画图软件调整分离后的图像分辨率,从而确定像素大小;然后利用软件导出每个像素所对应的坐标,将坐标数据导入到加工电脑中,利用飞秒激光对样品进行扫描,批量制备出结构色标签;
10、(4)、第二重曝光:高功率紫外光曝光制备三维微结构;
11、具体步骤为:将步骤(3)中显影后的结构色标签样品放置在高功率紫外灯下,打开紫外灯光源进行曝光,曝光一定时间后,关闭紫外灯,从而获得高稳定性以及折射率分布均匀的三维微结构。
12、进一步地,步骤(2)中,所述飞秒脉冲激光的中心波长为343nm-1030nm,脉冲宽度为50fs-300fs,重复频率为90khz-100mhz,激光功率为5-30mw,激光扫描速度0.05-0.5mm/s,激光单点曝光时间10-80ms。
13、进一步地,步骤(3)中,分离图案中像素的颜色所使用的软、件是photoshop;导出像素所对应的坐标所使用的软件是maleondataprocessor。
14、进一步地,步骤(3)中,所述的制备的结构色标签的单体直径为150-1000nm,高度为0.4-4.0μm;结构整体面积为10μm*10μm-1000μm*1000μm;纳米柱周期为0.8-2.0μm;所述结构色标签由像素块组成,像素块由在二维平面呈周期性排布的纳米柱组成,单像素块可以透过红橙黄绿蓝靛紫七种颜色。
15、进一步地,单体像素块由7*7根纳米柱组成,整体面积为6μm*6μm。
16、进一步地,所述像素块的x,y坐标是由软件设计出的标签图案的像素块位置经转换给出,z坐标是根据结构色和纳米柱高度关系确定。结构色和纳米柱高度关系是通过前期实验及测量确定。
17、进一步地,步骤(4)中,所述紫外灯的中心波长是365nm,曝光功率密度为200-1200mw/cm2,曝光时间为30s-3min。
18、另一方面,本专利技术还提供了一种结构色防伪标签的制备方法在识别未知标签方面的应用,具体包括如下内容:
19、(1)、标签识别模型的建立;
20、使用测试及图像收集系统,选取一系列正确的结构色标签拍照留存,并裁剪成统一尺寸,并进行数据增强,储存为图像集;使用opencv算法提取特征,通过模型训练得到标签识别模型;
21、(2)、通过标签识别模型识别未知标签;
22、使用测试及图像收集系统,选取一系列待检测的制备好的结构色标签拍照留存,并裁剪成统一尺寸;对图像进行加黑底色、虚焦、翻转以及点污渍四种处理;然后用标签识别模型对上述处理完的标签进行识别;识别结果为90分以下,判定为错误标签;识别结果为90分及以上,判定为正确标签。
23、进一步地,所述模型训练采用的机器学习算法为卷积神经网络cnn。
24、与现有技术相比,本专利技术的优点如下:
25、1、与光刻和电子束曝光等工艺相比,本专利技术制备出的组成结构色防伪标签的单体像素块的面积更小,从而结构色防伪标签器件的分辨率更高,并且器件的颜色覆盖范围广;
26、2、与传统条形码及二维码相比,结构色标签在单个信息储存点位上是3bit,而二维码仅为1bit;同尺寸结构下,结构色标签的信息储存本文档来自技高网...
【技术保护点】
1.一种基于机器学习的结构色防伪标签的制备方法,其特征在于,具体包括如下步骤:
2.如权利要求1所述的一种基于机器学习的结构色防伪标签的制备方法,其特征在于,步骤(2)中,所述飞秒脉冲激光的中心波长为343nm-1030nm,脉冲宽度为50fs-300fs,重复频率为90KHz-100MHz,激光功率为5-30mw,激光扫描速度0.05-0.5mm/s,激光单点曝光时间10-80ms。
3.如权利要求1所述的一种基于机器学习的结构色防伪标签的制备方法,其特征在于,步骤(3)中,分离图案中像素的颜色所使用的软、件是Photoshop;导出像素所对应的坐标所使用的软件是MaleonDataProcessor。
4.如权利要求1所述的一种基于机器学习的结构色防伪标签的制备方法,其特征在于,步骤(3)中,所述的制备的结构色标签的单体直径为150-1000nm,高度为0.4-4.0μm;结构整体面积为10μm*10μm-1000μm*1000μm;纳米柱周期为0.8-2.0μm;所述结构色标签由像素块组成,像素块由在二维平面呈周期性排布的纳米柱组成,单像
5.如权利要求4所述的一种基于机器学习的结构色防伪标签的制备方法,其特征在于,单体像素块由7*7根纳米柱组成,整体面积为6μm*6μm。
6.如权利要求4所述的一种基于机器学习的结构色防伪标签的制备方法,其特征在于,所述像素块的x,y坐标是由软件设计出的标签图案的像素块位置经转换给出,z坐标是根据结构色和纳米柱高度关系确定。结构色和纳米柱高度关系是通过前期实验及测量确定。
7.如权利要求1所述的一种基于机器学习的结构色防伪标签的制备方法,其特征在于,步骤(4)中,所述紫外灯的中心波长是365nm,曝光功率密度为200-1200mw/cm2,曝光时间为30s-3min。
8.如权利要求1所述的一种结构色防伪标签的制备方法在识别未知标签方面的应用,其特征在于,具体包括如下内容:
9.如权利要求7所述的一种基于机器学习的结构色防伪标签的制备方法,其特征在于,所述模型训练采用的机器学习算法为卷积神经网络CNN。
...【技术特征摘要】
1.一种基于机器学习的结构色防伪标签的制备方法,其特征在于,具体包括如下步骤:
2.如权利要求1所述的一种基于机器学习的结构色防伪标签的制备方法,其特征在于,步骤(2)中,所述飞秒脉冲激光的中心波长为343nm-1030nm,脉冲宽度为50fs-300fs,重复频率为90khz-100mhz,激光功率为5-30mw,激光扫描速度0.05-0.5mm/s,激光单点曝光时间10-80ms。
3.如权利要求1所述的一种基于机器学习的结构色防伪标签的制备方法,其特征在于,步骤(3)中,分离图案中像素的颜色所使用的软、件是photoshop;导出像素所对应的坐标所使用的软件是maleondataprocessor。
4.如权利要求1所述的一种基于机器学习的结构色防伪标签的制备方法,其特征在于,步骤(3)中,所述的制备的结构色标签的单体直径为150-1000nm,高度为0.4-4.0μm;结构整体面积为10μm*10μm-1000μm*1000μm;纳米柱周期为0.8-2.0μm;所述结构色标签由像素块组成,像素块由...
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。