[发明专利]确定消费品的真实性的方法

说明书

本发明提供了一种将消费品分类为真实消费品的经济且准确的方法。所述方法利用机器学习以及所述真实消费品上的隐写特征的用途。

技术领域

本发明涉及一种确定消费品的真实性的经济方法。

背景技术

伪造是一个世界性的问题。这在经济上损害了消费者和制造商，并且会向消费者带来安全问题。已提出过明显的技术诸如全息图和隐蔽的技术如标记物(taggant)。但是这些技术实现起来成本高昂和/或需要专用设备和/或专业技能/培训。这对于通常具有低利润率的快速消费品(例如，衣物洗涤剂、洗发剂、沐浴剂、尿布等)而言尤其成问题，因此需要高性价比的解决方案。此外，最终用户(即，消费者)需要一种易于实施/理解的解决方案，而制造商需要一种廉价且相当准确的解决方案。

所提出的一种产品鉴定方法是基于成像微观变化以及机器学习的使用。然而，该方法可能具有某些缺点，诸如可能需要专用设备来捕获微观尺度的图像(例如，分析10微米范围内的微观变化)，需要从受检消费品的不同方面捕获多个图像(从而需要大量的努力，即高度阻碍了最终用户的采用)，由于需要识别微观尺度的特征而导致模型复杂性(从而降低处理速度/减少响应时间)。

因此，需要一种提供合理的准确度并利用消费者普遍使用的设备和技术(诸如智能电话)的高性价比解决方案。

发明内容

本发明是基于以下令人惊讶的发现：在产品规格中使用隐写特征并结合机器学习可使得伪造检测方法/系统成本低、对用户友好且准确。基于对利用标贴/标签的方式与本发明中通过消费者采用镜头的方式进行比较的未公开的内部基准研究，本发明提供了一种更高性价比的制止伪造品的方法，同时为制造商带来更好的投资回报。

本发明的一个方面提供了一种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。所述方法的步骤包括：(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；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。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。所述模型由机器学习分类器构建。所述机器学习分类器由训练数据集训练。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。

本发明的另一方面提供了一种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。所述方法的步骤包括：(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；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。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。所述模型由机器学习分类器构建。所述机器学习分类器由训练数据集训练。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(Manufacturing Line VariablePrinting Code)(定义如下)；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。

一个潜在优点是，通过在大于10微米的尺度上提供对机器学习分类器的训练来降低模型复杂性并因此减少响应时间。

另一个潜在优点是，在伪造品造成经济损害或产品安全问题之前，分销链中确定受检消费产品是否是真实的任何人提供分销链中的多个点以管制并制止伪造者。

另一个优点是，比使用QR码可扫描系统更便宜、更容易实现并且更适合，该可扫描系统需要生成、查找空间以在产品上添加QR码和基于QR码的数据。

对于本领域技术人员来说，通过下面的具体实施方式，本发明的这些和其它的特征、方面和优点将变得显而易见。

附图说明