一种基于光谱分析的皮革无损检测方法及其系统与流程

本发明涉及皮革鉴定技术领域，具体涉及一种基于光谱分析的皮革无损检测方法及其系统。

背景技术：

皮革是经脱毛和鞣制等物理、化学加工所得到的已经变性不易腐烂的动物皮。皮革是由天然蛋白质纤维在三维空间紧密编织构成的，其表面有一种特殊的粒面层，具有自然的粒纹和光泽，手感舒适。皮革制品是生活中常见的日用品，箱、包袋、手套、票夹、皮带等，是人们生活中不可缺少的日常用品，鞋服、箱包、家具、汽配、装饰等等对皮革的需求量也是与日俱增。一般来讲，中、高档包、袋的面料以天然皮革材料为主，目前，在市面上皮革种类繁多，有真皮、人造皮、合成革、pu革等等。

当前，皮革市场上产品鱼龙混杂，越来越多的出现使用人造皮革制品冒充天然皮革，或者以次充好的情况。同时也有很多商家使用一些诱导性、欺骗性的宣传手段损害消费者利益。另一方面，皮革制品的生产加工工艺及材料的选用决定了其成品可能会产生一些化学危害,如富马酸二甲酯、六价铬、偶氮染料、甲醛、五氯苯酚等。目前我国现行的皮革产品中已规定了偶氮染料和甲醛的限量要求。

目前主要的皮革鉴别技术包括：

1)燃烧测试法：分别剪下一小片真皮革和人造革样品，在通风橱中点燃，真皮革燃烧时无火焰，在燃烧过程中不结硬疙瘩，并释放出燃烧蛋白质的气味；而人造革燃烧时散发出刺鼻的气味，且易结成疙瘩；

氢氧化钠测试法：在250ml带有冷凝器的烧瓶中倒入100ml质量分数为10％的氢氧化钠溶液，加入一小片样本(约0.2g)，在通风橱中煮30min；冷却后观察溶液中的样本，溶液中样本分散说明是天然皮革；

2)显微镜观察：显微镜下，剥掉表层的皮革的胶原蛋白纤维在外观上不同于非编织物，也不同于涂层的均匀聚合体和合成的代用品，通过显微镜能观察判别皮革的真伪。

3)触摸，鼻嗅等。

前两种方法都属于破坏性的检测鉴别方法，对样品进行不可恢复的破坏，导致在消费市场应用时形成较大的浪费，对于消费者在采购物品的时候的场景不可行，第二种方法由于显微设备不易便携，也无法应用于消费市场。而触摸，鼻嗅则强烈依赖于检测者的主观评价，对于经验的依赖度较高。

技术实现要素：

本发明的目的在于提供一种基于光谱分析的皮革无损检测方法及其系统，用以解决现有皮革检测方法不能够快速准确地对皮革进行无损检测的问题。

为实现上述目的，本发明方法以光谱分析和机器学习算法，通过实时采集的皮革红外光谱图像与预先存储的皮革样品数据库进行比对，快速识别皮革信息。具体地，本发明提供了一种基于光谱分析的皮革无损检测方法，该方法包括如下步骤：

s101、建立光谱数据库：

预先采集皮革的样本光谱数据，并给每一组所述样本光谱数据设置属性标签信息，并且将所述样本光谱数据和对应的所述属性标签信息存储到光谱数据库；

s102、光谱数据预处理：

根据所述属性标签信息对所述光谱数据库的所述样本光谱数据进行分类，并获得皮革光谱模型，存储到皮革光谱模型库；

s103、皮革光谱实时检测：

采集所需要检测的皮革光谱数据，与所述皮革光谱模型进行比对，并输出所需要检测的皮革检测结果。

进一步的，所述步骤s101中，所述属性标签信息包括皮革种类、产地、制作时间、生产单位、物理参数、化学参数等等。

进一步的，所述步骤s102中，采用支持向量机(svm)、贝叶斯决策法、最大似然估计法、bp神经网络、无监督学习和聚类等机器学习算法对所述样本光谱数据进行分类。如期刊《信息技术》2007年第5期发表的论文《应用svm算法进行tm多光谱图像地物分类》提及了利用上述机器学习算法对光谱图像进行分类的方法。

所有采集到的光谱数据所属的标签包括产地类，材质类，制作时间类等。对于每一种分类都可以利用svm算法产生出一个模型，用来预测在该种分类下光谱数据的标签值。例如，使用svm算法获得一个预测皮革产地的光谱模型的具体过程如下：

第一，标签划分；按照皮革的产地标签把光谱数据划分成不同的部分。

第二，数据归一化；依次计算每一条光谱向量的最大值和最小值，然后根据最大值和最小值把光谱向量归一化到-1和+1之间。

第三，空间映射；选择多次方的多项式(或其他)核函数，将光谱训练样本数据映射到高维特征空间。

第四，利用svm在样本特征空间中找出各类别特征样本与其他特征样本的最优分类超平面，得到代表各样本特征的支持向量集及其相应的可信度，形成判断各特征类别的判别函数，也就得到了算法模型。

进一步的，所述步骤s103中，与所述皮革光谱模型进行比对时，分别获得所需要检测的皮革光谱数据每一属性的匹配度，并获得所需要检测的皮革光谱数据的匹配度百分比。

进一步的，所述步骤s103中，所需要检测的皮革光谱数据与所述皮革光谱模型匹配度百分比低于50％时，将所述皮革光谱数据和对应的所述属性标签信息存储到光谱数据库。

本发明的另一个方面，为了实现上述的基于光谱分析的皮革无损检测方法，本发明还提供了一种基于光谱分析的皮革无损检测系统，包括光谱检测终端和服务器端，所述光谱检测终端，用于预先采集皮革的样本光谱数据，并给每一组所述样本光谱数据设置属性标签信息；以及采集所需要检测的皮革光谱数据；所述服务器端包括光谱数据库、比对处理模块和皮革光谱模型库；所述光谱数据库用于存储所述样本光谱数据和对应的所述属性标签信息，所述比对处理模块用于通过机器学习算法对所述样本光谱数据进行分类处理获得皮革光谱模型，存储到所述皮革光谱模型库，以及接收所需要检测的皮革光谱数据，与所述皮革光谱模型进行比对，并输出所需要检测的皮革检测结果。

进一步的，所述光谱检测终端包括控制器、光谱传感器、显示模块、光源模块、通信模块、电源模块，所述光谱传感器、所述显示模块、所述光源模块、所述通信模块和所述电源模块与所述控制器电性连接；所述光谱传感器用于皮革光谱数据采集，所述光源模块用于提供光谱采集的光线；所述显示模块用于显示皮革检测匹配度和设备参数，所述通信模块用于与服务器端实现数据通信。

进一步的，所述光谱检测终端还包括参数设置模块，用于预先采集皮革的样本光谱数据时，给每一组所述样本光谱数据设置属性标签信息。

进一步的，所述比对处理模块包括通信接口单元，用于与所述光谱检测终端进行数据通信；

数据库接口单元，用于与所述光谱数据库和所述皮革光谱模型库进线数据通信；

分类建模单元，用于利用机器学习算法对所述样本光谱数据进行分类并获得皮革光谱模型；

预测比对单元，用于接收所需要检测的皮革光谱数据，与所述皮革光谱模型进行比对，并获得所需要检测的皮革光谱数据的匹配度百分比。

进一步的，所述服务器端是一终端主机，所述终端主机与所述光谱检测终端连接；或者所述服务器端是一云端服务器，所述云端服务器与所述光谱检测终端通过通信网络实现数据通信。

本发明方法具有如下优点：

本发明的基于光谱分析的皮革无损检测方法及其系统，通过采集样本光谱数据，通过样本光谱数据获得皮革光谱模型，通过实时采集的皮革光谱数据与皮革光谱模型进行比对，获得与所需要检测的皮革匹配度最高的皮革样本数据，根据皮革样本数据对应的属性标签信息，可以最大可能地获得皮革检测结果。本系统具有便携、低成本、无损、准备等特点，可以对皮革制品的生产过程的质量管理、交易过程中的真伪、优劣鉴别等环节提供极大的便利。

附图说明

图1是本发明实施例的一种基于光谱分析的皮革无损检测方法流程框图。

图2是本发明实施例的一种基于光谱分析的皮革无损检测系统结构框图。

图3是本发明实施例的光谱检测终端结构框图。

图4是本发明实施例的比对处理模块的结构框图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

假如某消费者对于皮革鉴定没有经验，无法自主区分真皮和人造皮，当他去商场购买皮具的时候就可以使用本方法来指导自己的购买，从而确保买到真皮的皮具，保护自身利益。使用本方法需要消费者配备或者由商场(卖家)提供本申请提出的皮革检测系统。

实施例1

本发明提供的一种基于光谱分析的皮革无损检测方法，具体步骤如下，如图1所示：

s101、建立光谱数据库：

由皮革检测系统的生产商或者研发方负责使用已知种类的皮革样本，预先采集皮革的样本光谱数据，并给每一组所述样本光谱数据设置属性标签信息(皮革样本类型)，并且将所述样本光谱数据和对应的所述属性标签信息存储到光谱数据库；

s102、光谱数据采集和预处理：

根据所述属性标签信息对所述光谱数据库的所述样本光谱数据进行分类，并获得皮革光谱模型，存储到皮革光谱模型库；

s103、皮革光谱实时检测：

消费者在商场中，使用皮革检测系统的采集模块对欲购买的皮具进行光谱的无损采集，得到所需要检测的皮革光谱数据，系统自动将采集到的光谱数据使用光谱模型库中的模型进行预测分类，并输出所需要检测的皮革检测结果：针对此次实施案例即输出此次检测结果是真皮还是人造皮。消费者根据此信息就可以选择是否购买次商品。

其中，所述步骤s101中，所述属性标签信息包括皮革种类、产地、制作时间、生产单位、物理参数、化学参数等等。

其中，所述步骤s102中，采用支持向量机(svm)、贝叶斯决策法、最大似然估计法、bp神经网络、无监督学习和聚类等机器学习算法对所述样本光谱数据进行分类。如期刊《信息技术》2007年第5期发表的论文《应用svm算法进行tm多光谱图像地物分类》提及了利用上述机器学习算法对光谱图像进行分类的方法。

其中，支持向量机(supportvectormachine)是一种分类算法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，即支持向量机的学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。

所有采集到的光谱数据所属的标签包括产地类，材质类，制作时间类等。对于每一种分类都可以利用svm算法产生出一个模型，用来预测在该种分类下光谱数据的标签值。例如，使用svm算法获得一个预测皮革产地的光谱模型的具体过程如下：

第一，标签划分；按照皮革的产地标签把光谱数据划分成不同的部分。

第二，数据归一化；依次计算每一条光谱向量的最大值和最小值，然后根据最大值和最小值把光谱向量归一化到-1和+1之间。

第三，空间映射；选择多次方的多项式(或其他)核函数，将光谱训练样本数据映射到高维特征空间。

第四，利用svm在样本特征空间中找出各类别特征样本与其他特征样本的最优分类超平面，得到代表各样本特征的支持向量集及其相应的可信度，形成判断各特征类别的判别函数，也就得到了算法模型。

其中，所述步骤s103中，与所述皮革光谱模型进行比对时，分别获得所需要检测的皮革光谱数据每一属性的匹配度，并获得所需要检测的皮革光谱数据的匹配度百分比。

其中，所述步骤s103中，所需要检测的皮革光谱数据与所述皮革光谱模型匹配度百分比低于50％时，将所述皮革光谱数据和对应的所述属性标签信息存储到光谱数据库。

实施例2

本发明的另一个方面，如图2所示，为了实现上述的基于光谱分析的皮革无损检测方法，本发明还提供了一种基于光谱分析的皮革无损检测系统，包括光谱检测终端和服务器端，所述光谱检测终端，用于预先采集皮革的样本光谱数据，并给每一组所述样本光谱数据设置属性标签信息；以及采集所需要检测的皮革光谱数据；所述服务器端包括光谱数据库、比对处理模块和皮革光谱模型库；所述光谱数据库用于存储所述样本光谱数据和对应的所述属性标签信息，所述比对处理模块用于通过机器学习算法对所述样本光谱数据进行分类处理获得皮革光谱模型，存储到所述皮革光谱模型库，以及接收所需要检测的皮革光谱数据，与所述皮革光谱模型进行比对，并输出所需要检测的皮革检测结果。

如图3所示，所述光谱检测终端包括控制器、光谱传感器、显示模块、光源模块、通信模块、电源模块，所述光谱传感器、所述显示模块、所述光源模块、所述通信模块和所述电源模块与所述控制器电性连接；所述光谱传感器用于皮革光谱数据采集，所述光源模块用于提供光谱采集的光线；所述显示模块用于显示皮革检测匹配度和设备参数，所述通信模块用于与服务器端实现数据通信。

光谱检测终端一般为便携的可穿戴或者手持装置，可以采集光谱并显示计算结果和设备信息。控制器是整个光谱检测终端的核心控制单元，具体实现可以是普通的cpu或者单片机，通信模块负责光谱检测终端和光谱数据库、比对处理模块进行通信，通信方式既可以是有线连接(如串口，usb等)，也可以是无线连接(如蓝牙，wifi或zigbee等)。光源模块根据控制器的控制信号为光谱采集过程提供必要的光源，此光源发出光线需要满足光谱采集的波长分布要求以及强度和稳定性要求。光谱传感器器件是实现光谱采集的核心部件，一般可采用便携的微型光谱感光元器件；显示模块显示计算结果以及设备的状态。

其中，所述光谱检测终端还包括参数设置模块，用于预先采集皮革的样本光谱数据时，给每一组所述样本光谱数据设置属性标签信息。

如图4所示，所述比对处理模块包括通信接口单元，用于与所述光谱检测终端进行数据通信；

数据库接口单元，用于与所述光谱数据库和所述皮革光谱模型库进线数据通信；

分类建模单元，用于利用机器学习算法对所述样本光谱数据进行分类并获得皮革光谱模型；

预测比对单元，用于接收所需要检测的皮革光谱数据，与所述皮革光谱模型进行比对，并获得所需要检测的皮革光谱数据的匹配度百分比。

比对处理模块具有实现适合于皮革分类检测的机器学习算法，例如svm，bp神经网络等，使用这些算法对样本光谱数据进行建模以及根据模型对所需要检测的皮革光谱数据预测。其中通信接口单元、数据库接口单元负责实现和光谱数据库、模型库以及光谱检测终端的通信。分类建模单元根据已经采集到的一定数量的样本光谱数据进行模型训练，最终得到一个皮革光谱模型，存储到模型库中。预测比对单元是从模型库中调取对应的皮革光谱模型，对当前皮革光谱数据的分类属性进行预测，判断。

其中，所述服务器端是一终端主机，所述终端主机与所述光谱检测终端连接；或者所述服务器端是一云端服务器，所述云端服务器与所述光谱检测终端通过通信网络实现数据通信。

本发明方法具有如下优点：

本发明的基于光谱分析的皮革无损检测方法及其系统，通过采集样本光谱数据，通过样本光谱数据获得皮革光谱模型，通过实时采集的皮革光谱数据与皮革光谱模型进行比对，获得与所需要检测的皮革匹配度最高的皮革样本数据，根据皮革样本数据对应的属性标签信息，可以最大可能地获得皮革检测结果。本系统具有便携、低成本、无损、准备等特点，可以对皮革制品的生产过程的质量管理、交易过程中的真伪、优劣鉴别等环节提供极大的便利。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。