纳米颗粒荧光空间编码防伪标识系统的制作方法

本实用新型涉及一种纳米颗粒荧光空间编码防伪标识系统，属于光学和计算机图像识别以及防伪技术领域。

背景技术：

纳米颗粒指粒子尺寸在1～100nm的材料。纳米颗粒在能级结构、能量传递和光谱性质等方面具有特殊性，以其制备的荧光材料具有亮度高、稳定性好、吸附能力强、不易扩散、不易变形、高温下不褪色等特点，广泛应用于发光、显示、生物标记等领域。以稀土发光材料为例，其上转换发光则是指通过多光子机制把长波辐射转换成短波辐射的过程，在980nm的红外光激发下，能够发出不同颜色的可见光。由于其上转换发光性质，可将其应用于防伪领域，目前已有的应用仅限于使用上转换材料制成无色油墨在印刷时使用，在红外光源照射下显现字迹或图案，以进行防伪识别。然而，这种防伪过程仅限于对上转换材料进行加密，一旦识别所用上转换材料种类，极易仿制，故而防伪程度不高。

技术实现要素：

本实用新型目的是设计一种防伪标识装置，利用纳米颗粒制备装置制备纳米颗粒，通过防伪图案制备装置制备纳米颗粒随机分布的图案，通过加密装置对纳米颗粒荧光图案强度和空间信息进行编码，从而设计出一种纳米颗粒荧光空间编码防伪标识装置。对被测物进行识别时，通过图像摄取装置拍摄纳米颗粒荧光图案，并对其进行解码处理，通过与进行加密编码的图案比对，达到辨别真伪的目的。举例为：利用图像在液体中制备尺寸在纳米量级的荧光材料，然后把纳米荧光材料的悬浮液“打印”在需防伪的物体基体上。由于纳米颗粒分布的随机性，每个基底上的荧光分布具有唯一性，提取其荧光强度及空间分布图样作为信息库。在识别过程中，根据使用者拍出的荧光照片与信息库做比对，即可辨别其真伪。

本实用新型是通过以下技术方案实现的：

本实用新型提供了一种纳米颗粒荧光空间编码防伪标识系统，其包括纳米颗粒产生装置、磁力搅拌器、图案制备装置、激光光源、图像拍摄装置和计算机，所述纳米颗粒产生装置与磁力搅拌器相连通，所述磁力搅拌器与图案制备装置相连通，所述激光光源图案制备设备光路连接，所述图像拍摄装置与激光光源通讯连接，所述计算机与图像拍摄装置通讯连接或电连接。

作为优选方案，所述图案制备装置包括印章或喷嘴。

作为优选方案，所述纳米颗粒产生装置包括高功率激光器、溶胶凝胶制备纳米颗粒装置和机械粉碎机。

作为优选方案，所述激光光源为白光光源、980nm连续激光光源、1064nm连续激光光源或脉冲激光源。

作为优选方案，所述图像拍摄装置为相机或CCD。

本实用新型根据纳米颗粒荧光强度信息随机分布的特点，使用多分类训练、相似性度量、canny边缘检测、霍夫变换直线检测等图像分类与处理方法，提出了一种高级防伪识别方法。由于纳米颗粒完全随机分布的特点，此方法制作的防伪图样无法仿制，防伪级别高；拍摄图像后即可实时处理分析，方便快捷。

与现有技术相比，本实用新型具有如下的有益效果：

1、利用本装置制备的防伪图案具有唯一性。纳米颗粒分布具有随机不可控性，所以不可能制作出相同的荧光分布图样，防伪程度高；

2、利用此装置制备的防伪图案具有长期稳定性。纳米颗粒吸附性好，因此制作出的防伪图样稳定性高、抗环境干扰能力强、高温下不易褪色、不易变形，因此是一种稳定性极高的防伪图案；

3、此装置为全自动处理装置，可实现建模与防伪的全自动化。只需输入所拍样品照片，即可进行实时分析得到防伪结果。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本实用新型的其它特征、目的和优点将会变得更明显：

图1本实用新型的结构示意图；

图2为利用本实用新型进行防伪效果检测中创建训练模型流程图；

图3为利用本实用新型进行防伪效果检测中处理图片流程图；

图4为利用本实用新型进行防伪效果检测中防伪标识卡位轮廓裁剪前后范围示意图；

图5为利用本实用新型进行防伪效果检测中信息提取流程图；

图6为利用本实用新型进行防伪效果检测中预测流程图；

图7为利用本实用新型进行防伪效果检测中夹角余弦相似性度量流程图；

图8为利用本实用新型进行防伪效果检测中防伪图案与提取特征信息示意图。

具体实施方式

下面结合具体实施例对本实用新型进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本实用新型，但不以任何形式限制本实用新型。应当指出的是，对本领域的普通技术人员来说，在不脱离本实用新型构思的前提下，还可以做出若干变形和改进。这些都属于本实用新型的保护范围。

本实用新型提供的一种纳米颗粒荧光空间编码防伪标识系统的结构如图1所示，包括纳米颗粒产生装置11、磁力搅拌器12、图案制备装置21、激光光源31、图像拍摄加密装置2和计算机33，纳米颗粒产生装置11与磁力搅拌器12相连通，磁力搅拌器12与图案制备装置21相连通，在图案制备装置中，可添加需要印制防伪图案的材料22，如纸、金属板、玻璃板、陶瓷或塑料，激光光源31与图案制备装置21光路连接，图像拍摄加密装置2与激光光源31通讯连接，计算机33与图像拍摄加密装置2通讯连接或电连接。

下面对于上述每个装置进行详细说明：

纳米颗粒制备装置。纳米颗粒的制作过程可以为高功率激光烧蚀法、机械粉碎法、气体蒸发法、等离子体合成法、溶胶凝胶法等；制备出的颗粒尺寸在纳米量级，可以是具有明显荧光效应的光致发光荧光粉如掺杂稀土离子的纳米级陶瓷粉体，如Ce³⁺：YAG，也可以是具有上转换荧光效应的纳米粉末，如Yb/Er/Tm：NaYF₄，Tm:NaGdF₄，制作成悬浮在液体中随机分布。

防伪图案制备装置。可通过喷绘、印制、滴取等方式将含有纳米荧光颗粒的液体附着在需要进行防伪识别的基底上，制作出多组防伪图案，此基底可以是纸、皮革、塑料、金属等材料。该防伪图案的核心是利用纳米颗粒可发生荧光效应及可在基底上随机分布的特点。由于每次在基底上制作图案时，纳米颗粒分布具有随机不可控性，所以不可能制作出相同的荧光分布图样，并且制作出的特征图样稳定性高、抗环境干扰能力强、高温下不易褪色、不易变形，因此是一种稳定性极高的防伪图案。

加密装置，建立防伪模型。用光照射装置制作的防伪图案，对每一种图案，从不同角度拍摄若干张图片作为训练素材，处理这些图片并提取其中的荧光强度及空间分布特征信息。对多组图案均进行处理，并使用图像分类方法训练得到不同图案的防伪模型。同时，计算每种图案训练素材的坐标特征向量，作为进一步比对信息。

防伪鉴定装置。将识别者拍的荧光照片(需预测真伪的图片)使用与加密装置相同的方法处理并提取荧光强度及空间分布特征信息。使用加密装置得到的防伪模型判定该图片属于加密装置所建立模型中的哪一种图案。在此基础上，将需预测真伪的图片与防伪模型选出的图案的特征向量进行相似性度量，进一步确认需预测图片是否确实属于此分类。相似性度量可以采用夹角余弦、欧式距离、曼哈顿距离、切比雪夫距离等方式。

通过加密装置建立防伪模型和防伪鉴定装置进行防伪鉴定是荧光分布图样的防伪识别过程，即为图像的分类、识别过程。图像的分类与识别是图像分析领域的一个重要分支，相似性度量、直方图匹配等方法虽然能对图片进行相似度评估，但是有一定的个体局限性，如：直方图反应的是灰度的概率分布，但不能体现位置信息。SVM支持向量机是一个有效的分类方法，它对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，使高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。通过非线性映射，SVM把样本空间映射到一个高维乃至无穷维的特征空间，使在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题，使在低维样本空间无法线性处理的样本集，在高维特征空间中却可以通过一个线性超平面实现线性划分进而完成分类。

加密装置与防伪鉴定装置对图片进行分类、识别的过程如下：

1、图片处理包括图片的旋转与裁剪。

为了方便的对图片进行旋转，制作荧光防伪图案时采用了固定形状卡位的方法，在卡位形状内喷绘、印制或滴入含有纳米荧光材料的液体，使荧光区域边缘固定。

1.1对图片进行灰度处理并对其对比度进行调节，使图片中有荧光点的部分与背景色的分界更为明显。

1.2设置合适的阈值将图片转为二值图片，以最大连通区域基本覆盖原图荧光点范围为宜。

1.3使用canny边缘检测描绘出荧光范围边界，由于制作时的“卡位”与前面的二值处理，所以边缘检测结果接近真实边缘。

1.4采用霍夫变换直线检测找出3.1.3中边缘里的直线，选出最长的一条，此直线与“卡位”形状的直线边重合。

1.5根据3.1.4中选择出的直线斜率对原图片进行旋转。

1.6对旋转后的图片做二值处理，方法与3.1.2相同，根据二值图像的边缘对旋转后的图片进行裁剪，使裁剪后荧光区域覆盖整张图片。

1.7根据一条直线的角度旋转，得到的图可能为原图或旋转180°的图。再次根据3.1.3和3.1.4提取裁剪后的图片中的直线，根据直线离上下边缘的距离判定是否需要再次旋转，如果需要则旋转180°。

2、提取防伪图案上转换荧光的强度及位置分布特征信息。

2.1对比度调节。此次调节目的在于使图片的特征信息更为明显。

2.2设置合适的阈值将图片转为二值图片，此阈值比3.1.2阈值高，目的在于找到最亮的一些特征区域。

2.3根据二值图像连通区域面积大小，取出面积前N大的特征区域。

2.4计算选取的特征区域的面积、质心坐标x和y。

2.5分别对每个特征区域的面积、x、y做归一化。其中，面积是将最小面积到最大面积归一化到0-1，x和y分别按照图片的长宽做归一化。因为裁剪时按照整体区域边界裁剪，所以按照边界分别对x、y做归一化可以消除每次拍摄时长宽比例不一样造成的影响。将每张图片所选取的N个区域的3*N个特征信息组成特征向量，此特征向量是进行SVM训练或预测的依据。

本实用新型根据纳米颗粒荧光强度信息随机分布的特点，使用多分类训练、相似性度量、canny边缘检测、霍夫变换直线检测等图像分类与处理方法，提出了一种高级防伪识别方法。由于纳米颗粒完全随机分布的特点，此方法制作的防伪图样无法仿制，防伪级别高；拍摄图像后即可实时处理分析，方便快捷。

本实用新型目的是设计一种防伪标识装置，利用纳米颗粒制备装置制备纳米颗粒，通过防伪图案制备装置制备纳米颗粒随机分布的图案，通过加密装置对纳米颗粒荧光图案强度和空间信息进行编码，从而设计出一种纳米颗粒荧光空间编码防伪标识装置。

本实施例提供的方法利用激光烧蚀法在液体中制备尺寸在纳米量级的稀土材料，由于纳米稀土颗粒的上转换效应及随机分布特性，每个基底上的荧光分布具有唯一性。提取其荧光强度及位置分布图样作为信息库，将信息库的图片建立成为防伪模型，根据识别者拍出的荧光照片与信息库做比对，达到防伪的目的。

步骤1：制备上转换纳米稀土颗粒。利用高功率脉冲激光烧蚀液体中的稀土材料，制备出尺寸在纳米量级，在液体中随机分布的上转换材料。

步骤2：制作防伪图案。将含有纳米稀土材料的液体滴在纸上。制作出多组防伪图案。

步骤3，建立防伪模型，如图2所示。利用980nm激光照射步骤2中制作的防伪图案，对每一种图案，从不同角度拍摄若干张图片作为训练素材，处理这些图片并提取其中的上转换荧光强度及位置分布特征信息。对多组图案均进行处理，并使用SVM训练得到不同图案的防伪模型。同时，计算每种图案训练素材的坐标特征向量，作为进一步比对信息。

防伪图案处理及信息提取包括如下子步骤：

步骤3.1，图片处理包括图片的旋转与裁剪，包括如下子步骤，如图3所示。

注：为了方便对图片进行旋转，制作荧光防伪图案时采用了固定形状卡位的方法，如图4所示，在形状内滴入含有纳米稀土材料的液体，使荧光区域边缘固定。

图4防伪标识卡位轮廓(左)裁剪后范围示意图(右)

步骤3.1.1，对图片进行灰度处理并对其对比度进行调节，使图片中有荧光点的部分与背景色的分界更为明显。

步骤3.1.2，设置合适的阈值将图片转为二值图片，以最大连通区域基本覆盖原图荧光点范围为宜。

步骤3.1.3，使用canny边缘检测描绘出荧光范围边界，由于制作时的“卡位”与前面的二值处理，所以边缘检测结果接近真实边缘。

步骤3.1.4，采用霍夫变换直线检测找出3.1.3中边缘里的直线，选出最长的一条，此直线与“卡位”形状的直线边重合。

步骤3.1.5，根据3.1.4中选择出的直线斜率对原图片进行旋转。

步骤3.1.6，对旋转后的图片做二值处理，方法与3.1.2相同，根据二值图像的边缘对旋转后的图片进行裁剪，使裁剪后荧光区域覆盖整张图片，如图4。

步骤3.1.7，根据一条直线的角度旋转，得到的图可能为原图或旋转180°的图。再次根据步骤3.1.3和3.1.4提取裁剪后的图片中的直线，根据直线离上下边缘的距离判定是否需要再次旋转，如果需要则旋转180°。

步骤3.2，提取防伪图案上转换荧光的强度及位置分布特征信息包括如下子步骤，如图4所示：

步骤3.2.1，对比度调节。此次调节目的在于使图片的特征信息更为明显。

步骤3.2.2，设置合适的阈值将图片转为二值图片，此阈值比1.1.2阈值高，目的在于找到最亮的一些特征区域。

步骤3.2.3，根据二值图像连通区域面积大小，取出面积前N大的特征区域。

步骤3.2.4，计算选取的特征区域的面积、质心坐标x和y。

步骤3.2.5，分别对每个特征区域的面积、x、y做归一化。其中，面积是将最小面积到最大面积归一化到0-1，x和y分别按照图片的长宽做归一化。因为裁剪时按照整体区域边界裁剪，所以按照边界分别对x、y做归一化可以消除每次拍摄时长宽比例不一样造成的影响。将每张图片所选取的N个区域的3*N个特征信息组成特征向量，此特征向量是进行SVM训练或预测的依据。

步骤4：防伪鉴定，如图6、图7所示。将识别者拍的荧光照片(需预测真伪的图片)进行图案处理并提取荧光强度及位置分布特征信息，方法同步骤3.1与步骤3.2。使用SVM预测判定该图片属于步骤3所建立模型中的哪一种图案。在此基础上，将需预测真伪的图片与SVM分类器选出的图案进行坐标特征向量比对，进一步确认需预测图片是否确实属于此分类。

根据本实施例提供的荧光图片比对方法，由于上转换材料在基底上分布完全随机，每个荧光图样强度分部具有唯一性，所以利用此方式做出的防伪图样无法复制。另外本实施例可实现建模与防伪的全自动化，只需输入所拍样品照片，即可进行实时分析得到防伪结果。并且不仅可以判定出所拍照片是否属于防伪库，还可以判定出属于防伪库中的哪一类。

图8是实际操作的防伪图案与提取特征信息示意图。图片自左向右以此为荧光强度经灰度处理后的图片，经过旋转、剪裁后的图片，提取荧光面积较大的10个特征点的图片。并在此基础上，提取出面积、坐标信息组成特征向量，从而进行后续图片对比工作。在此过程中，对33组图片进行了防伪模型建立及鉴别，选取35张照片进行预测，其中33张准确预测，因此，准确度达94.5％。

以上实施例仅用于说明本实用新型的具体实施方式，而本实用新型的范围不仅限于上述实施例所描述的范围。

例如，实施例的图片比对方法，可以在各平台使用，如：JAVA，LABVIEW，C++等语言均可以使用此方法分辨。

在实施例的图片对比方法中，比对的是上转换荧光分布，但本实用新型中，适用于所有用于比对的图片特征为强度的分布。

以上对本实用新型的具体实施例进行了描述。需要理解的是，本实用新型并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本实用新型的实质内容。