[发明专利]确定消费品的真实性的方法

权利要求书

1.用于对受检消费品是真实的还是非真实的进行分类的方法，所述方法包括以下步骤：

a)获取所述受检消费品的图像，所述图像包含受检产品规格；

b)将所获取的图像输入到模型中；

其中所述模型被配置为将所获取的图像分类为真实的或非真实的；

其中所述模型由机器学习分类器构建；

其中所述机器学习分类器由训练数据集训练；

其中所述训练数据集包含：(i)真实产品的包含真实产品规格的至少一个提取图像，其中所述真实产品规格包含长度大于0.01mm的至少一个隐写特征；以及(ii)基于(所述真实产品的所述真实产品规格的)所述隐写特征的相关联分类定义；以及

c)输出来自所述模型的输出，所述输出将所述受检消费品的所输入的图像分类为真实的或非真实的。

2.根据权利要求1所述的方法，其中所述隐写特征的长度为0.02mm至20mm，更优选地为0.03mm至5mm，还更优选地为0.04mm至1mm。

3.根据权利要求1或2所述的方法，其中所述机器学习分类器由验证数据集验证，其中所述验证数据集包含对由隐写特征生成软件生成的(所述真实消费品的)所述产品规格的所述隐写特征的识别；优选地，训练数据集包含注释所述隐写特征的注释。

4.根据前述权利要求中任一项所述的方法，其中所述隐写特征选自：字母或数字或它们的组合的孤立字体样式；文本、字母、标点或它们的组合的位置的孤立位置变化；以及它们的组合；

优选地，所述隐写特征通过软件自动生成。

5.根据前述权利要求中任一项所述的方法，其中所述产品规格选自由以下项组成的组：生产代码、批次代码、品牌名称、产品系列、标签、艺术作品、成分列表、使用说明以及它们的组合，优选地，所述产品规格选自生产代码、批次代码以及它们的组合。

6.根据前述权利要求中任一项所述的方法，其中所述机器学习分类器是卷积神经网络(“CNN”)。

7.根据前述权利要求中任一项所述的方法，其中所述训练数据集在空间上被操纵，然后对所述机器学习分类器进行训练；优选地，所述训练数据集通过空间变换网络而在空间上被操纵；更优选地，所述训练数据集强调高频特征。

8.根据前述权利要求中任一项所述的方法，其中所述受检消费品的所获取的图像在空间上被操纵，然后输入到所述模型中，优选地其中所获取的图像通过空间变换网络而在空间上被操纵。

9.根据前述权利要求中任一项所述的方法，其中所述受检消费品的图像通过智能电话获取。

10.根据前述权利要求中任一项所述的方法，其中所述模型驻留在基于云的服务器上。

11.根据前述权利要求中任一项所述的方法，其中插入关于所使用的特定CNN的特殊项。

12.用于对受检消费品是真实的还是非真实的进行分类的方法，所述方法包括以下步骤：

a)获取所述受检消费品的图像，所述图像包含受检产品规格；

b)将所获取的图像输入到模型中；

其中所述模型被配置为将所获取的图像分类为真实的或非真实的；

其中所述模型由机器学习分类器构建；

其中所述机器学习分类器由训练数据集训练；

其中所述训练数据集包含：(i)真实产品的包含真实产品规格的至少一个提取图像，其中所述真实产品规格包含生产线可变打印代码；以及(ii)基于(所述真实产品的所述真实产品规格的)所述生产线可变打印代码的相关联分类定义；以及

c)输出来自所述模型的输出，所述输出将所述受检消费品的所输入的图像分类为真实的或非真实的。