一种收藏品鉴别方法和系统技术方案

本发明专利技术的实施例提供了一种收藏品鉴别方法和系统，可解决现有技术收藏品鉴别困难的问题。所述收藏品鉴别方法包括：获取收藏品图像；根据收藏品图像利用收藏品鉴别模型对收藏品进行鉴别。本发明专利技术的实施例通过基于深度学习的收藏品鉴定方法，在收藏品鉴定实践中，与现有技术的鉴定方法相比，准确度高，不需要人为鉴定，使用简便，快捷高效。

【技术实现步骤摘要】
一种收藏品鉴别方法和系统
本专利技术涉及收藏品鉴别技术，具体涉及一种利用人工智能技术通过收藏品图像或视频的收藏品鉴别方法和系统，用于辅助收藏品真伪鉴定。
技术介绍
随着收藏品市场的蓬勃发展，一些人仿造、伪造收藏品牟取暴利，导致市场充斥着各类仿冒收藏品，给收藏者，特别是初级收藏者，带来了很大困扰。聘请专家鉴别固然是可行的办法，但并非每个初级收藏者都具备聘请专家的条件，对于少量单价并不特别高的收藏品，如：银币、铜钱等，也未必有聘请专家人工鉴定的必要。大部分收藏品具有很多版本、样式或门类，以袁世凯像系列银币(俗称：袁大头)为例，可分为民国三年版、民国八年版、民国九年版和民国十年版，按文字局部特征可分为：普通版、正楷田华版、草头华版、直年版、竖年连口造版、ㄏ年版(正楷年)、牛造版、连口造版、缺口造版、珠點连口造版、五珠连口造版、按图形局部特征可分为：大嘉禾版、小嘉禾版、O版等；其它还可以分为中央铸造版和地方铸造版等。这些银元各不相同，但均属真币。收藏品伪造方法多种多样，其对应的鉴别方法也不一而同。随着技术不断进展，伪造工艺也不断提高，一些伪造收藏品几乎可以以假乱真，鉴别难度较大。即使专家人为鉴别，也时常出现各专家意见不一致的情况。这些也都给鉴定收藏品真伪带来了很大困难。具体而言，现有的鉴别方法及其不足有：(1)传统鉴别方法：传统鉴别方法主要测量收藏品的材质、大小、密度等物理特征，从而鉴别收藏品特征。但一些收藏品伪造过程中，造假者不惜成本，采用同样材质，则此方法难以鉴别。以银元为例，一些伪造银元重量标准、银质纯正、撞击音清亮，无法通过“一看二称三听音”的传统方法鉴别。(2)在线专家鉴别：通过在线方式由专家远程观看收藏品的图像或视频，给出判定意见，实际上仍然是人工鉴别。用户往往难以得到实时的鉴别意见。(3)在线自动鉴别：往往通过对收藏品的图像和视频，由系统自动进行判断。真伪收藏品存在一定视觉特征差异，这也是专家鉴别的主要依据。但是这种视觉特征差异种类众多，细节从生，绝大多数收藏者难以完全掌握。同时，精密机床等高端制造业设备逐步应用到收藏品伪造中，真伪收藏品的视觉差异也日渐减小。导致传统的图像识别方法难以准确鉴别收藏品真伪。计算机系统如何能准确识别真伪收藏品，是需要解决的难题。
技术实现思路
本专利技术的实施例提供了一种收藏品鉴别方法和系统，可解决现有技术收藏品鉴别困难的问题。本专利技术的实施例提供了一种收藏品鉴别方法，包括：获取收藏品图像；根据收藏品图像利用收藏品鉴别模型对收藏品进行鉴别。所述方法包括收藏品鉴别模型生成步骤：采集收藏品图像；对采集的收藏品图像进行标注以获得图像特征；针对每一个图像特征进行图像预处理；针对每一预处理的图像特征利用基于卷积技术或深度可分卷积层技术的深度学习方法训练生成收藏品鉴别子模型；将所述收藏品子模型集成为一个收藏品鉴别模型。所述深度学习方法是：标准CNN、FasterRCNN、ResNet、Inception、Xception、VGG基于卷积的图像和/或视频分类算法。超参数设置：卷积核选择3×3卷积核，或者是5×5卷积核；激活函数为Relu、Tanh。所述图像特征整体特征和局部特征。所述将所述收藏品子模型集成为一个收藏品鉴别模型的方法是：集成学习方法和/或投票方法。本专利技术的实施例还提供了一种收藏品鉴别系统，其根据上述的收藏品鉴别方法。本专利技术的实施例通过基于深度学习的收藏品鉴定方法，在收藏品鉴定实践中，与现有技术的鉴定方法相比，准确度高，不需要人为鉴定，使用简便，快捷高效。附图说明图1为本专利技术实施例的收藏品鉴别的整体框架图；图2为本专利技术实施例的模型集成步骤的流程图；图3为本专利技术实施例的图像标注方法。具体实施方式为了便于本领域一般技术人员理解和实现本专利技术，现结合附图描绘本专利技术的实施例。实施例一如图1所示，本实施例提供了一种收藏品鉴别方法，其包括：获取收藏品图像；根据收藏品图像利用收藏品鉴别模型对收藏品进行鉴别。收藏品鉴别模型对于收藏品的鉴别起着至关重要的作用。在本申请中，采用人工智能中的深度学习技术，特别是利用卷积层对收藏品的图像特征进行识别，以解决收藏品细节特征识别问题，达到比较准确地鉴定收藏品真伪的目的。因此，本专利技术的收藏品鉴别方法包括收藏品鉴别模型生成方法和收藏品鉴别方法两个过程。其中收藏品鉴别模型生成方法包括以下步骤：本实施例中，收藏品为袁世凯头像系列银币，包括三年版、八年版、九年版和十年版等常见版本。步骤S11：采集收藏品图像：采集一定量的真伪收藏品图像，形成训练数据集。采集的图像应包含真伪应尽可能覆盖真伪收藏品的主要类别；即真收收藏品的图像应尽可能覆盖收藏品的各种年代、样式、版本，能够体现各版本收藏品的细微差别；假收藏品的图像应尽可能覆盖常见的鉴别方法能够识别出的漏洞。采集图像应足够清晰，能够作为特征识别的依据。图像应包含具有收藏品视觉特征的各个角度的图像，如收藏品的正面、侧面、底面、顶面等。具体而言，对采集的银币正面(人像)、背面(图案)和侧面(边齿)分别归类，采集的图像应覆盖三年版、八年版、九年版和十年版，对一些特殊银元，如：0版、地方版等也可尽可能覆盖。也应尽可能覆盖边齿压力不足、银色不正、字迹不对、喷砂等主要伪造特征。如图3所示。步骤S12：图像标注：对采集到的图像进行标注以获得图像特征，对收藏品的轮廓进行整体标注，勾画出对收藏品鉴别有意义区域的外围轮廓。其次图像中的一些特殊区域包含了关键特征，对鉴别起到重要作用，如银元的正面字迹与嘉禾图案、瓷器的底款字迹、景泰蓝的攒刻字迹等。对收藏品鉴别起关键作用的特殊区域进行重点标注，标注应声明标签，即此全局图像或局部图像为真收藏品或是伪造收藏品。整体标注勾画银币正面、背面和侧面图像的有效范围。局部重点标注勾画重点特征，主要包括：正面，字迹、胡须、肩章、左下角边齿等；背面，字迹、嘉禾图案、长叶图案、左侧边齿等。标注情况如表1及图3所示。表1步骤S13：图像预处理：对图像进行标准化处理，通过剪裁与缩放，使全部图像样本宽度和高度按类相等。优选的，将每一组预处理的图像生成一个图像组如所有标注过的正面图像为一组、所有标注过的“中”字字迹为一组，以此类推完成所有整体标注和局部标注图像分组。步骤S14：子模型训练：对每一个图像特征组训练一个子模型。如图2所示，可以采用深度可分卷积网络(XceptionNet)算法对多个特征中的每一特征分别进行训练。首先根据每一组重点标注特征训练出n个子模型，这里算法采用了大量深度可分卷积层(DepthwiseSeparableConvolution)、标准卷积层、最大池化层、全局平均池化层等组合的网络结构，采用ReLu作为激活函数。其中标准卷积层的作用是产生更易于分类的图像特征。具体步骤如下：利用3×3大小的本文档来自技高网...

【技术保护点】
1.一种收藏品鉴别方法，其特征在于，包括：/n获取收藏品图像；/n根据收藏品图像利用收藏品鉴别模型对收藏品进行鉴别。/n

【技术特征摘要】
1.一种收藏品鉴别方法，其特征在于，包括：
获取收藏品图像；
根据收藏品图像利用收藏品鉴别模型对收藏品进行鉴别。


2.根据权利要求1所述的方法，其特征在于，所述方法包括收藏品鉴别模型生成步骤：
采集收藏品图像；
对采集的收藏品图像进行标注以获得图像特征；
针对每一个图像特征进行图像预处理；
针对每一预处理的图像特征利用基于卷积技术或深度可分卷积层技术的深度学习方法训练生成收藏品鉴别子模型；
将所述收藏品子模型集成为一个收藏品鉴别模型。


3.根据权利要求2所述的方法，其特征在于，所述深度学习方法是：标准CNN、Fas...

【专利技术属性】
技术研发人员：曹辉，
申请(专利权)人：曹辉，
类型：发明
国别省市：北京;11