一种基于鸡蛋蛋壳图像特征的身份识别方法及系统

1.本发明涉及农产品生产的技术领域，尤其涉及一种基于鸡蛋蛋壳图像特征的身份识别方法及系统。


背景技术：

2.鸡蛋是人们日常生活中不可缺少的重要食物来源，富含氨基酸、脂肪酸等营养物质。特别是有机鸡蛋等高端品牌蛋，因为其优质的饲养环境和饲料配方，高端品牌鸡蛋具有更高的营养价值，因而在市场上售价更高。然而，此类鸡蛋虽然经过行业认证或具有禽蛋企业的品牌标识以区别，可鸡蛋本身与普通鸡蛋没有很明显的差异，人眼很难区分高端品牌蛋与普通鸡蛋。由于鸡蛋产量巨大，以及可能存在监管不力的现状，例如不法商家用简易的机器仿制品牌鸡蛋包装，装入普通廉价鸡蛋，甚至仿冒喷印企业标识码，从而尝试以假乱真，欺骗消费者。
3.现有技术中，有为鸡蛋贴上具有特异性、防伪性的身份标签，例如品牌识别码，数字编号，rfid电子标签，条形码，二维码等物理性质的防伪标签。鸡蛋身份信息是借助第三方载体储存，一方面外部物理性标签存在易丢失、易被涂抹污染等风险，另一方面，其很可能被不法分子仿制，破解入侵或篡改鸡蛋身份信息，进而为廉价鸡蛋贴上优质品牌蛋的标签。
4.专利文献cn109191461a公开了一种基于机器视觉技术的土鸡蛋识别方法及识别装置，其识别方法包括首先对待测鸡蛋进行拍照，并根据照片计算出待测鸡蛋的蛋形指数、灰度值信息熵、蛋壳表面杂质量，然后将待测鸡蛋的蛋形指数、灰度值信息熵、蛋壳表面杂质量分别逐步与基准指数范围、基准信息熵、基准杂质量进行比较，从而对待测鸡蛋进行识别，判断其是否为土鸡蛋。该方法只能用于识别鸡蛋是否为土鸡蛋，且无法区分不同种类的土鸡蛋，因此该方法无法给出鸡蛋防伪的技术启示。
5.专利文献cn114418265a公开了一种农产品标码识别系统，包括农户、消费者、app或小程序，所述app或小程序包括用户信息注册模块、个人中心、扫码与图像演进识别技术、gps定位技术、在线评价系统和私信系统，农户通过app维护农产品基本信息和扫码拍照的附加信息，并将附加扫码拍照的图片信息在物联网上进行存储，消费者购买农产品后，通过app扫描识别二维码，利用图像演变识别技术对农产品基本信息和扫码拍照的附加信息进行识别，实现农产品唯一性与真实性识别。该方法需要结合当前农产品的图像与附带二维码进行识别，其一，部分农产品的外形会随着时间的推移不断变化，因此不是所有农产品适合该方法，其二，附带的二维码同样会被仿冒，综上所述该方法并不能解决农产品防伪的问题。


技术实现要素：

6.为了解决上述问题，本发明提供了一种基于鸡蛋蛋壳图像特征的身份识别方法，该方法通过获取鸡蛋钝端的图像信息，利用蛋壳表面的生物特征为每个鸡蛋赋予独立的身
份编码，由于每个鸡蛋蛋壳表面的生物特征就像人脸一样都是独一无二的，因此生成的身份编码难以被人仿冒，且生物特征也不会随着时间的变化而变化，从而实现农产品唯一性与真实性的识别。
7.一种基于鸡蛋蛋壳图像特征的身份识别方法，包括：
8.步骤1、采集鸡蛋表面的蛋壳图像，并对蛋壳图像进行关于生物特征的标签标注，将蛋壳图像与标注标签组成样本集；
9.步骤2、构建用于生成鸡蛋身份编码的鸡蛋身份识别网络，包括特征提取模块，特征降维模块以及身份编辑模块，所述特征提取模块包括多特征提取器，用于提取蛋壳图像中的多种图像特征，所述特征降维模块用于对多种图像特征进行降维处理，获得低维度的图像特征向量，所述身份编码模块用于对输入的图像特征向量进行编码，以输出蛋壳图像对应的身份编码；
10.步骤3、利用样本集对鸡蛋身份识别网络进行训练，训练结束后，获得鸡蛋身份编码模型；
11.步骤4、将鸡蛋的蛋壳图像输入至步骤3获得的鸡蛋身份编码模型中，经计算输出用于鸡蛋个体识别的身份编码。
12.具体的，所述生物特征，包括蛋壳钝端表面的斑点，纹理以及凸起，这类生物特征均在产出时就固定且不会随时间而改变，相较于系统自动生成的身份编号，安全性更高。
13.优选的，所述蛋壳图像输入鸡蛋身份识别网络之前，进行蛋壳图像的预处理，包括：
14.步骤1.1、采用k-means算法对蛋壳图像像素值进行聚类分析，移除图像中非蛋壳区域中像素值相近的图案，获得对应的二值化模板图像；
15.步骤1.2、采用hough圆检测算法，获得蛋壳图像的圆心坐标与半径大小；
16.步骤1.3、利用步骤1.1获得的二值化模板图像对蛋壳图像进行掩模处理，根据步骤1.2获得的圆心坐标与半径大小，对处理后的蛋壳图像进行定位裁剪，获得蛋壳roi图像；
17.步骤1.4、对蛋壳roi图像进行尺寸归一化后，输入至鸡蛋身份识别网络。
18.具体的，所述鸡蛋身份识别网络由vggnet16作为特征提取的主干网络与1d_cnn的分类识别网络重组而成；将原vggnet16网络的特征提取能力，与1d_cnn网络的特征降维能力相结合，减少了整体模型的参数量，从而实现鸡蛋身份识别网络的轻量化。
19.本发明还提供了一种基于鸡蛋蛋壳图像特征的身份识别系统，该系统通过分析用户提供的蛋壳图像信息与数据库单元中的数据进行比对，根据对比结果对用户的鸡蛋进行防伪识别。
20.一种身份识别系统，所述系统基于上述的基于鸡蛋蛋壳图像特征的身份识别方法，包括用于识别鸡蛋真伪的服务端，以及用于获取待识别鸡蛋图像的客户端；
21.所述服务端包括：
22.生产线拍摄单元，用于获取生产线上每个鸡蛋钝端的图像信息；
23.身份编码生成单元，基于所述鸡蛋身份编码模型，为生产线上的鸡蛋生成对应的身份编码，以及为客户端上传的图像信息生成对应的对比身份编码；
24.数据库单元，用于存储鸡蛋的身份编码与生产信息；
25.身份验证单元，对客户端上传的图像信息进行分析识别，并反馈识别结果；
26.所述客户端包括：
27.图像获取单元，用于获取待识别鸡蛋钝端的图像信息；
28.数据传输单元，用于与服务端进行数据交流，包括图像信息的上传与识别结果的接收。
29.具体的，所述生产线拍摄单元，包括安装在鸡蛋传送带上方的摄像机，以及布置在摄像机镜头前段的补光灯圈，其中，所述补光灯圈包括白色光、红色光、绿色光以及蓝色光，从而使拍摄获得的图像特征更加明显。
30.具体的，所述身份验证单元，基于预先构建的判断模型，将图像信息的对比身份编码与数据库单元存储的身份编码，进行相似度判断。
31.优选的，所述判断模型，是基于euclidean距离计算结果与阈值的比较结果，进行判断：
32.若计算结果存在小于阈值的身份编码，则输出鸡蛋为真的结果；
33.若计算结果不存在小于阈值的身份编码，则输出鸡蛋为假的结果。
34.由于生产线的拍摄环境与客户端的拍摄环境完全不同，包括光照、拍摄角度，以及设备的像素级别都会影响最终图像特征的提取，因此同一颗鸡蛋的两次身份编码不可能完全相同，所以引入一个阈值用于抵消外界因素的影响。
35.优选的，所述阈值，是通过判断模型的训练过程中，对匹配同类和异类的euclidean距离的概率分布统计获得，使得最终相似度判断的结果更加准确。
36.具体的，所述识别结果，包括：
37.当判断结果为真时，反馈判断结果以及身份编码对应的生产信息；
38.当判断结果为假时，仅反馈判断结果，并提示用户向商家反馈问题。
39.优选的，所述数据库单元还设有日常维护功能，根据预设的鸡蛋保质期，定期删除已超过保质日期的身份编码和对应的生产信息，不仅保证用户不会购买到已过期的产品，同时也可以减轻数据库单元的存储压力。
40.与现有技术相比，本发明的有益效果：
41.(1)根据蛋壳表面的生物特征进行身份编码，杜绝了物理标签会被仿冒的危险。
42.(2)将传统vggnet16网络与1d_cnn的分类识别网络进行重组，减少了模型参数量，避免由于蛋壳的生物特征过多导致运算成本过高的问题。
附图说明
43.图1为本发明提供的基于鸡蛋蛋壳图像特征的身份识别方法的流程示意图；
44.图2为本实施例中提供的蛋壳图像预处理的流程示意图；
45.图3为本实施例中提供的鸡蛋身份识别网络的结构示意图；
46.图4为本实施例提供的身份识别系统的结构示意图；
47.图5为本实施例中提供的生产线拍摄单元的结构示意图；
48.图中，1、摄像机；2、半封闭式暗箱；3、环形照明光源；4、鸡蛋；5、鸡蛋传送带。
具体实施方式
49.如今，人们对农产品食品安全越来越看重，而现阶段关于高品质鸡蛋与普通鸡蛋
之间的区别，通常都是利用刻印在蛋壳表面的二维码或条形码进行区分，但是这些物理性标签非常容易被人仿冒，使得一些普通鸡蛋混入到高品质鸡蛋中被人贩卖。
50.因此，我们提出了一种鸡蛋的身份识别方法，如图1所示。一种基于鸡蛋蛋壳图像特征的身份识别方法，包括：
51.步骤1、采集鸡蛋表面的蛋壳图像，以蛋壳钝端表面的斑点，纹理以及凸起，对所述蛋壳图像进行标签标注，将蛋壳图像与对应的标签组成样本集，其中，为了提高图像识别的准确度，需要对蛋壳图像进行预处理，如图2所示：
52.步骤1.1、采用k-means算法对蛋壳图像像素值进行聚类分析，以去除背景，采用hough圆检测算法移除图像中非蛋壳区域中的但像素值相近的图案，获得对应蛋壳区域的二值化模板图像；
53.步骤1.2、采用hough圆检测算法，获得蛋壳图像的圆心坐标与半径大小；
54.步骤1.3、利用步骤1.1获得的二值化模板图像对蛋壳图像进行掩模处理后，根据步骤1.2获得的圆心坐标与半径大小对处理后的蛋壳图像进行定位裁剪，得到蛋壳roi图像；
55.步骤1.4、对蛋壳roi图像进行尺寸归一化后，输入至鸡蛋图像特征提取网络。
56.步骤2、基于vggnet16网络的框架，引入1d_cnn网络替换原网络中的全连接层，来构建鸡蛋身份识别网络，如图3所示。
57.该网络包括：构建用于生成鸡蛋身份编码的鸡蛋身份识别网络，包括特征提取模块，特征降维模块以及身份编辑模块，所述特征提取模块包括多特征提取器，用于提取蛋壳图像中的多种图像特征，所述特征降维模块用于对多种图像特征进行降维处理，获得低维度的图像特征向量，所述身份编码模块用于对输入的图像特征向量进行编码，以输出蛋壳图像对应的身份编码；
58.其中，所述1d_cnn网络的结构具体包括：前两层为卷积层，每层卷积后依次添加dropout层以减少过拟合，以及及batchnorm层以加速神经网络的收敛过程和提高训练过程中的稳定性；之后再添加一层卷积层，其后为flatten层和dense层(即全连接层)，最后再添加一层dropout层，使得神经网络学习到更加稳定的特征，更有效的进行网络的重组。
59.步骤3、利用样本集对鸡蛋身份识别网络进行训练，训练结束后，获得鸡蛋身份编码模型：在训练过程中，选用adam优化器基于训练数据迭代更新神经网络的权重参数，选择softmax分类器输出图像被估计为某一鸡蛋个体类别的概率；使用的损失函数为分类交叉熵；训练结束后，移除softmax分类器。
60.其中，模型性能评价可采用以下指标，包括：
[0061][0062][0063]
[0064][0065][0066]
tp：true positive，被判定为正样本，事实上也是正样本；
[0067]
tn：true negative，被判定为负样本，事实上也是负样本；
[0068]
fp：false positive，被判定为正样本，但事实上是负样本；
[0069]
fn：false negative，被判定为负样本，但事实上是正样本。
[0070]
步骤4、将鸡蛋的蛋壳图像输入至步骤3获得的鸡蛋身份编码模型中，经计算输出用于鸡蛋个体识别的身份编码。
[0071]
本实施例还提供了一种身份识别系统，如图4所示。
[0072]
该系统基于上述的基于鸡蛋蛋壳图像特征的身份识别方法，包括用于识别鸡蛋真伪的服务端，以及用于获取待识别鸡蛋图像的客户端；
[0073]
其中，服务端包括：
[0074]
生产线拍摄单元，具体结构如图5所示。包括安装在鸡蛋传送带5上方的摄像机1，以及布置在摄像机镜头前端的环形照明光源3，此外为了避免外界光线的影响，还在传送带设置了可以通过单个鸡蛋4的半封闭式暗箱2；
[0075]
身份编码生成单元，基于鸡蛋身份编码模型，为生产线上的鸡蛋生成对应的身份编码，以及为客户端上传的图像信息生成对应的对比身份编码；
[0076]
数据库单元，用于存储鸡蛋的身份编码与生产信息，其中，该生产信息包括出厂地址，生产日期，批次信息以及鸡蛋品种；
[0077]
身份验证单元，采用传统的判断模型，将数据库单元中的身份编码，与对比身份编码进行判断，并反馈识别结果，其中，该判断模型采用了euclidean距离公式对两者的相似度进行计算，并将其相似度结果与预设的阈值进行比较：
[0078][0079]
上式中，x、y表示两个蛋壳图像的身份编码向量，ed表示euclidean距离，x1,x2,x3,
…
,xn表示特征空间x中的点；y1,y2,y3,
…
,yn表示特征空间y中的点；
[0080]
若计算结果存在小于阈值的身份编码，则输出鸡蛋为真的结果；
[0081]
若计算结果不存在小于阈值的身份编码，则输出鸡蛋为假的结果；
[0082]
理论上，对于同一个鸡蛋的蛋壳图像特征信息所提取的特征向量之间的euclidean距离，其距离值趋近于0(相似度趋近于1)。
[0083]
由于蛋壳表面图像特征信息复杂且受多种不可抗拒的噪声干扰，在实际识别过程中，特征提取结果会存在误差，因此为了有效地识别不同鸡蛋个体间的蛋壳生物特征，需要设定不同适应于鸡蛋种类识别的距离阈值，而阈值的大小是在训练判断网络模型过程中，对匹配同类和异类的euclidean距离的概率分布进行统计获得。
[0084]
在训练过程中，计算far和frr的值，统计分析两者之间的变换关系，通常认为当
far与frr的值相等时，此时的距离阈值是比较适应于蛋壳特征识别任务，其具体表达为：
[0085][0086][0087]
客户端包括：
[0088]
图像获取单元，用于获取待辨别鸡蛋钝端的图像信息；
[0089]
数据传输单元，用于与服务端进行数据交流，包括鸡蛋图像信息的上传与识别结果的接收。
[0090]
此外，该身份识别系统设有日常维护功能，根据预设的鸡蛋保质期，定期删除已超过保质日期的身份编码和对应的生产信息，不仅保证用户不会购买到已过期的产品，同时也可以减轻数据库单元的存储压力。