[发明专利]一种紧压茶外观纹理记录及识别方法

说明书

一种紧压茶外观纹理记录及识别方法，涉及一种图像识别技术，包括以下步骤，步骤A：紧压茶压制成固定形状后对其外观进行拍照录入形成图片；步骤B：对图片中紧压茶外观纹理进行多次特征提取，根据纹理特征确定与其相对应的唯一特征值，并将特征值保存至服务器；步骤C：识别时，对紧压茶进行拍照录入形成图片，然后对图片中的外观纹理进行特征提取获得识别值，最后比对识别值与特征值。与现有技术相比，本发明通过纹理识别技术，直接标识于产品本身，让每个紧压茶都具有唯一的标签，相比现有的流程追溯系统仅靠外置标检的方式，本申请完全杜绝了在紧压茶在消费端的以次充好、假冒伪劣的问题，是具有唯一性、真实性可靠性的质量追溯手段。

技术领域

本发明涉及一种图像识别技术，尤其是一种紧压茶纹理识别技术。

背景技术

中国饮茶历史源远流长，古代不仅中原地区饮茶，蒙藏云贵也有饮茶习惯，为此还有专门的茶马古道进行茶叶的运输和销售。茶叶按存储形态可分为紧压茶和散茶，紧压茶便于携带，在少数民族地区非常流行。紧压茶主要是以黑毛茶、老青茶、做庄茶及其它适合制毛茶为原料，经过渥堆、蒸、压等典型工艺过程加工而成的砖形或其它形状的茶叶，紧压茶的多数品种比较粗老，干茶色泽黑褐，汤色澄黄或澄红。随着近期黑茶的流行、大量的紧压茶充斥市场，造成市面上产品良莠不齐，尤其是普洱茶，出现了很多假冒伪劣的低质产品。相比散茶，紧压茶往往做成饼状和砖状，由于茶叶和茶梗的形状和发酵后的颜色，在这些茶饼和茶砖上都会显现出独一无二的纹路，这些纹路则是紧压茶最好的防伪标记。

图像识别技术是人工智能的一个重要领域。它是指对图像进行对象识别，以识别各种不同模式的目标和对像的技术。深度学习是指多层神经网络上运用各种机器学习算法解决图像，文本等各种问题的算法集合，深度学习从大类上可以归入神经网络，卷积神经网络是一种多层神经网络，擅长处理图像特别是大图像的相关机器学习问题。卷积网络的基本原理是通过一系列方法，成功将数据量庞大的图像识别问题不断降维，最终使其能够被训练进而自动识别图像。本申请则是利用图像识别技术来识别确定唯一的紧压茶纹路。

发明内容

本发明针对现有技术中的不足，提供了一种紧压茶外观纹理记录及识别方法，通过纹理识别技术，直接标识于产品本身，让每个紧压茶都具有唯一的标签，关联唯一的质量信息，相比现有的流程追溯系统仅靠外置标检的方式，本申请完全杜绝了在紧压茶在消费端的以次充好、假冒伪劣的问题，是具有唯一性、真实性可靠性的质量追溯手段。

为了解决上述技术问题，本发明通过下述技术方案得以解决：一种紧压茶外观纹理记录及识别方法，包括以下步骤，步骤A：紧压茶压制成固定形状后对其外观进行拍照录入形成图片；步骤B：对图片中紧压茶外观纹理进行多次特征提取，根据纹理特征确定与其相对应的唯一特征值，并将特征值保存至服务器；步骤C：识别时，对紧压茶进行拍照录入形成图片，然后对图片中的外观纹理进行特征提取获得识别值，最后比对识别值与特征值，在误差允许的范围内识别值与特征值一致，则识别成功。

上述技术方案中，优选的，在步骤B中特征值的提取包括以下步骤，步骤B1：通过卷积神经网络视觉识别技术识别图片中的紧压茶，并把图片中的紧压茶图形单独提取分割形成新的预制图片；步骤B2：根据拍照距离得出预制图片中紧压茶的实际尺寸以及实物和预制图片大小的预制比例关系；步骤B3：对预制图片进行灰度化，并得到像素点平均灰度值，根据像素点平均灰度值设置二值化阈值，然后根据二值化阈值对预制图片进行二值化处理；步骤B4：二值化处理后在预制图片上检索所有白色像素点，如果白色像素点是连续的则记录此白色像素块的位置信息；步骤B5：选取至少25个白色像素块的位置信息，如果白色像素块不足25个则重新行进B3步骤，更改二值化阈值后重新进行二值化处理直至具有至少25个白色像素块；步骤B6：将选取的位置信息进行集合得到位置矩阵；步骤B7：以上步骤至少完成两次得到至少两个位置矩阵，对所有位置矩阵进行比较，提取至少15个所有在误差范围内相同的位置信息，然后将这些位置信息与预制比例关系进行存储得到特征值，如果没有至少15个在误差范围内相同的位置信息则重新进行上述步骤直到获得至少15个在误差范围内相同的位置信息。