[发明专利]一种基于高光谱特征的箱包鉴伪方法与光谱采集装置

权利要求书

1.一种基于高光谱特征的箱包鉴伪方法，其特征在于，包括以下步骤：

S1：将箱包样品放置在光谱采集装置中，将所述箱包样品中想要拍摄的材质的部位朝下放置，并使所述箱包样品与高光谱相机的镜头之间的相对位置保持固定；

S2：使用所述高光谱相机对所述箱包样品进行拍摄，从而获取到所述箱包样品的高光谱影像，再拍摄与所述箱包样品相关的修正的环境变量的高光谱影像，结合白板上拍摄的影像、黑帧噪声影像以及所述环境变量对所述箱包样品的高光谱影像进行环境变量校正，从而得到校正后的影像；

S3：使用图像分割算法从所述校正后的影像中选取若干采样点，记录每个采样点的光谱曲线；

其中，所述采样点的选取需满足：所述采样点对应的光谱曲线能够在统计意义上表征出所述箱包样品的特定位置的皮革材质在可见光及近红外区域的光谱吸收和反射特性；

S4：使用具有监督学习架构类型的分类模型对所述箱包样品的采样点的光谱曲线进行逐条分类，从而分为真和假两类，并基于被分为真和假两类的采样点比例重新判断所述箱包样品的真假，得到对所述箱包样品真假的最终判断。

2.根据权利要求1所述的方法，其特征在于，所述S2的具体步骤包括：

S201：使用所述高光谱相机对所述箱包样品进行拍摄，从而获取到所述箱包样品的高光谱影像，所述箱包样品的高光谱影像记为：

其中x,y,z分别表示所述影像的行、列和光谱波段，m,n,k分别表示影像的总行数、总列数和光谱波段总数；

S202：对与所述箱包样品相关的修正的环境变量拍摄高光谱影像，所述环境变量分别记为：

其中所述环境变量共计q个，包括光源光谱信息和环境光照信息；

S203：使用对进行环境变量校正，所述校正后的影像记为

所述环境变量校正具体包括：减除黑帧噪声；消除环境光照影响；减除镜头前的其他透明材质器件对光源的反射和散射；根据白板辐射计算所述箱包样品各个位置在当前光源下的反射率。

3.根据权利要求1所述的方法，其特征在于，所述S3的具体步骤包括：

S301：使用图像分割算法从所述校正后的影像中选取具有光谱判断价值的目标特征区域，所述目标特征区域包括皮革材料覆盖的箱包主体表面、油边区域、提手区域，记录所述目标特征区域内所有的像素坐标；

S302：将所述目标特征区域包含的像素总数记为r，将所述目标特征区域包含的像素坐标集合记为集合将所述集合中的r个像素对应的r条k波段光谱曲线的集合记为一个r行k列的矩阵，记为矩阵

其中，所述图像分割算法包括大津法、最大熵法或迭代法。

4.根据权利要求3所述的方法，其特征在于，S4的具体步骤包括：

S401：根据所述箱包样品的类别和型号，从数据库中选取与所述箱包样品对应型号的机器学习真伪判定模型，对所述矩阵中的每一行代表的一条光谱曲线所属的类别进行预测，得到每条光谱曲线对应的类别和概率，所述类别包括真和伪，最终得到一个r行1列的预测概率矩阵，记为矩阵

所述箱包样品的类别和型号的输入包括：手动输入参数以及通过机器视觉的方法自动识别所述箱包样品；

所述机器学习真伪判定模型包括深度神经网络、支持向量机或随机森林；

S402：对所述预测概率 矩阵进行统计运算，获得所述箱包样品的不同部位的鉴别结果，根据所述不同部位的鉴别结果计算所述箱包样品最终的真伪预测结果；

其中，所述统计运算的方法包括求平均值、加权投票或无加权投票。

5.根据权利要求1所述的方法，其特征在于，对所述S2中拍摄得到的所述箱包样品的高光谱影像和所述环境变量的高光谱影像利用机器视觉算法进行处理，从而进一步检测所述箱包样品的材料的纹理、缝线、字体，并将所述箱包样品的材料的纹理、缝线、字体作为所述箱包样品真伪判断的额外依据。