工程样品防伪检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种工程样品防伪检测方法、装置、计算机设备和存储介质。本申请能够提高伪造样品的辨识度，有效保证工程样品的同一性。该方法包括：通过摄像装置获取养护后的工程样品的第一表面图片；获取样品数据库中的第二表面图片；将第一表面图片与第二表面图片输入预先构建的防伪检测模型，以使预先构建的防伪检测模型针对第一表面图片与第二表面图片进行检测，得到第一识别码标签和第二识别码标签之间的位置变化量以及第一表面图片中的养护后的工程样品与第二表面图片中的养护前的工程样品之间的纹路差异度；根据上述位置变化量和上述纹路差异度，确定养护后的工程样品与养护前的工程样品是否为同一工程样品。

【技术实现步骤摘要】
工程样品防伪检测方法、装置、计算机设备和存储介质
本申请涉及工程信息处理
，特别是涉及一种工程样品防伪检测方法、装置、计算机设备和存储介质。
技术介绍
在建设工程领域，工程质量检测是建设工程质量监督管理的重要组成部分，对工程样品的检测事关整个工程质量以及广大人民群众的切身利益。目前对工程样品，例如混凝土试块的见证取样管理中，主要流程如下：首先由施工取样人员现场取样，监理人员现场见证取样过程，并在样本中放置RFID(RadioFrequencyIdentification，射频识别码)芯片，取样过程完成后，获取的混凝土试块需要进行养护，混凝土试块从取样制模到拆模成型需要较长的时间(一般超过24小时)，养护成型后形成标准养护试件，并被送去检测机构进行检测。虽然有监理人员的见证，但在样本养护过程中仍然存在取样人员在见证人员离场后将芯片从原样品中拔出而另行植入到其他样品从而造假的可能性，进而导致在检测时无法保证样品的唯一性或同一性。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够工程样品防伪检测方法、装置、计算机设备和存储介质。一种工程样品防伪检测方法，应用于检测单位节点，所述方法包括：通过摄像装置获取养护后的工程样品的第一表面图片；所述第一表面图片中包含第一识别码标签；获取样品数据库中的第二表面图片；所述第二表面图片中包含第二识别码标签；其中，所述第二表面图片为监理单位节点上传的针对养护前的工程样品的表面图片；在判断所述第一识别码标签对应第一识别码与所述第二识别码标签对应的第二识别码一致的情况下，将所述第一表面图片与所述第二表面图片输入预先构建的防伪检测模型，以使所述预先构建的防伪检测模型针对所述第一表面图片与所述第二表面图片进行检测，得到所述第一识别码标签和所述第二识别码标签之间的位置变化量以及所述第一表面图片中的所述养护后的工程样品与所述第二表面图片中的所述养护前的工程样品之间的纹路差异度；根据所述位置变化量和所述纹路差异度，确定所述养护后的工程样品与所述养护前的工程样品是否为同一工程样品。在其中一个实施例中，所述预先构建的防伪检测模型包括深度学习语义分割模型、直线检测算法模型和透视矩阵拟合算法模型；所述将所述第一表面图片与所述第二表面图片输入预先构建的防伪检测模型，以使所述预先构建的防伪检测模型针对所述第一表面图片与所述第二表面图片进行检测，得到所述第一识别码标签和所述第二识别码标签之间的位置变化量以及所述第一表面图片中的所述养护后的工程样品与所述第二表面图片中的所述养护前的工程样品之间的纹路差异度，包括：通过所述深度学习语义分割模型分别针对所述第一表面图片和所述第二表面图片进行识别，得到第一掩模图和第二掩模图；所述第一掩模图中包含第一样品区域和第一标签区域；所述第二掩模图中包含第二样品区域和第二标签区域；通过所述直线检测算法模型分别针对所述第一掩模图和所述第二掩模图进行拟合，得到第一拟合图片和第二拟合图片；所述第一拟合图片中包含第一拟合样品轮廓和第一拟合标签轮廓；所述第二拟合图片中包含第二拟合样品轮廓和第二拟合标签轮廓通过所述透视矩阵拟合算法模型针对所述第一拟合样品轮廓与所述第二拟合样品轮廓进行对齐，得到对齐后的融合图像；针对所述融合图像，计算第一拟合标签轮廓的多个顶点与相应的所述第二拟合标签轮廓的多个顶点之间的距离，获取所述距离中的最大顶点距离；计算所述第一拟合标签轮廓的多条边框与相应的所述第二拟合标签轮廓的多条边框之间的夹角，获取所述夹角中的最大夹角；将所述最大顶点距离和所述最大夹角作为所述第一识别码标签和所述第二识别码标签之间的位置变化量；所述根据所述位置变化量和所述纹路差异度，确定所述养护后的工程样品与所述养护前的工程样品是否为同一工程样品，包括：设置顶点阈值和夹角阈值；若所述最大顶点距离大于所述顶点阈值或者所述最大夹角大于所述夹角阈值，则判断所述养护后的工程样品与所述养护前的工程样品非同一工程样品。在其中一个实施例中，所述第一掩模图还包括第一模具区域；所述第二掩模图还包括第二模具区域，所述通过所述直线检测算法模型分别针对所述第一掩模图和所述第二掩模图进行拟合，得到第一拟合图片和第二拟合图片，还包括：根据预设的比例分别针对所述第一掩模图和所述第二掩模图进行缩小，去除所述第一掩模区域和所述第二掩模区域，得到所述第一拟合图片和第二拟合图片。在其中一个实施例中，所述预先构建的防伪检测模型还包括训练好的深度学习纹路识别模型，所述将所述第一表面图片与所述第二表面图片输入预先构建的防伪检测模型，以使所述预先构建的防伪检测模型针对所述第一表面图片与所述第二表面图片进行检测，得到所述第一识别码标签和所述第二识别码标签之间的位置变化量以及所述第一表面图片中的所述养护后的工程样品与所述第二表面图片中的所述养护前的工程样品之间的纹路差异度，还包括：通过所述训练好的深度学习纹路识别模型分别针对所述第一表面图片和所述第二表面图片进行识别，得到相应的第一特征向量和第二特征向量；计算所述第一特征向量与所述第二特征向量之间的距离；将所述第一特征向量与所述第二特征向量之间的距离作为所述第一表面图片中的所述养护后的工程样品与所述第二表面图片中的所述养护前的工程样品之间的纹路差异度；所述根据所述位置变化量和所述纹路差异度，确定所述养护后的工程样品与所述养护前的工程样品是否为同一工程样品，还包括：若所述纹路差异度大于预设的纹路差异度阈值，则判断所述养护后的工程样品与所述养护前的工程样品非同一工程样品。在其中一个实施例中，还包括：获取多个工程样本的表面样本图片集；根据度量学习的学习机制，使用所述表面样本图片集针对所述深度学习纹路识别模型进行训练，得到训练好的深度学习纹路识别模型。在其中一个实施例中，根据所述位置变化量和所述纹路差异度，确定所述养护后的工程样品与所述养护前的工程样品是否为同一工程样品，包括：若所述最大顶点距离小于所述顶点阈值，且所述最大夹角小于所述夹角阈值，且所述纹路差异度小于预设的纹路差异度阈值，则确定所述养护后的工程样品与所述养护前的工程样品为同一工程样品。在其中一个实施例中，所述获取样品数据库中的第二表面图片之后，包括：通过信息码读取设备扫描所述第一识别码标签以获取第一识别码；获取所述样品数据库中的第二识别码；其中，所述第二识别码为所述监理单位节点录入的针对所述养护前的工程样品的识别码；判断所述第一识别码与所述第二识别码是否一致；若否，则判断所述养护后的工程样品与所述养护前的工程样品非同一工程样品。一种工程样品防伪检测装置，应用于检测单位节点，所述装置包括：第一表面图片获取模块，用于通过摄像装置获取养护后的工程样品的第一表面图片；所述第一表面图片中包含第一识别码标签；第二表面图片获取模块，用于获取样品数据库中的第二表面图片；本文档来自技高网...

【技术保护点】
1.一种工程样品防伪检测方法，其特征在于，应用于检测单位节点，所述方法包括：/n通过摄像装置获取养护后的工程样品的第一表面图片；所述第一表面图片中包含第一识别码标签；/n获取样品数据库中的第二表面图片；所述第二表面图片中包含第二识别码标签；其中，所述第二表面图片为监理单位节点上传的针对养护前的工程样品的表面图片；/n在判断所述第一识别码标签对应的第一识别码与所述第二识别码标签对应的第二识别码一致的情况下，将所述第一表面图片与所述第二表面图片输入预先构建的防伪检测模型，以使所述预先构建的防伪检测模型针对所述第一表面图片与所述第二表面图片进行检测，得到所述第一识别码标签和所述第二识别码标签之间的位置变化量以及所述第一表面图片中的所述养护后的工程样品与所述第二表面图片中的所述养护前的工程样品之间的纹路差异度；/n根据所述位置变化量和所述纹路差异度，确定所述养护后的工程样品与所述养护前的工程样品是否为同一工程样品。/n

【技术特征摘要】
1.一种工程样品防伪检测方法，其特征在于，应用于检测单位节点，所述方法包括：
通过摄像装置获取养护后的工程样品的第一表面图片；所述第一表面图片中包含第一识别码标签；
获取样品数据库中的第二表面图片；所述第二表面图片中包含第二识别码标签；其中，所述第二表面图片为监理单位节点上传的针对养护前的工程样品的表面图片；
在判断所述第一识别码标签对应的第一识别码与所述第二识别码标签对应的第二识别码一致的情况下，将所述第一表面图片与所述第二表面图片输入预先构建的防伪检测模型，以使所述预先构建的防伪检测模型针对所述第一表面图片与所述第二表面图片进行检测，得到所述第一识别码标签和所述第二识别码标签之间的位置变化量以及所述第一表面图片中的所述养护后的工程样品与所述第二表面图片中的所述养护前的工程样品之间的纹路差异度；
根据所述位置变化量和所述纹路差异度，确定所述养护后的工程样品与所述养护前的工程样品是否为同一工程样品。


2.根据权利要求1所述的方法，其特征在于，所述预先构建的防伪检测模型包括深度学习语义分割模型、直线检测算法模型和透视矩阵拟合算法模型；所述将所述第一表面图片与所述第二表面图片输入预先构建的防伪检测模型，以使所述预先构建的防伪检测模型针对所述第一表面图片与所述第二表面图片进行检测，得到所述第一识别码标签和所述第二识别码标签之间的位置变化量以及所述第一表面图片中的所述养护后的工程样品与所述第二表面图片中的所述养护前的工程样品之间的纹路差异度，包括：
通过所述深度学习语义分割模型分别针对所述第一表面图片和所述第二表面图片进行识别，得到第一掩模图和第二掩模图；所述第一掩模图中包含第一样品区域和第一标签区域；所述第二掩模图中包含第二样品区域和第二标签区域；
通过所述直线检测算法模型分别针对所述第一掩模图和所述第二掩模图进行拟合，得到第一拟合图片和第二拟合图片；所述第一拟合图片中包含第一拟合样品轮廓和第一拟合标签轮廓；所述第二拟合图片中包含第二拟合样品轮廓和第二拟合标签轮廓；
通过所述透视矩阵拟合算法模型针对所述第一拟合样品轮廓与所述第二拟合样品轮廓进行对齐，得到对齐后的融合图像；
针对所述融合图像，计算第一拟合标签轮廓的多个顶点与相应的所述第二拟合标签轮廓的多个顶点之间的距离，获取所述距离中的最大顶点距离；
计算所述第一拟合标签轮廓的多条边框与相应的所述第二拟合标签轮廓的多条边框之间的夹角，获取所述夹角中的最大夹角；
将所述最大顶点距离和所述最大夹角作为所述第一识别码标签和所述第二识别码标签之间的位置变化量；
所述根据所述位置变化量和所述纹路差异度，确定所述养护后的工程样品与所述养护前的工程样品是否为同一工程样品，包括：
设置顶点阈值和夹角阈值；
若所述最大顶点距离大于所述顶点阈值或者所述最大夹角大于所述夹角阈值，则判断所述养护后的工程样品与所述养护前的工程样品非同一工程样品。


3.根据权利要求2所述的方法，其特征在于，所述第一掩模图还包括第一模具区域；所述第二掩模图还包括第二模具区域，所述通过所述直线检测算法模型分别针对所述第一掩模图和所述第二掩模图进行拟合，得到第一拟合图片和第二拟合图片，还包括：
根据预设的比例分别针对所述第一掩模图和所述第二掩模图进行缩小，去除所述第一掩模区域和所述第二掩模区域，得到所述第一拟合图片和第二拟合图片。


4.根据权利要求3所述的方法，其特征在于，所述预先构建的防伪检测模型还包括训练好的深度学习纹路识别模型，所述将所述第一表面图片与所述第二表面图片输入预先构建的防伪检测模型，以使所述预先构建的防伪检测...

【专利技术属性】
技术研发人员：黄俭，天尧，何日福，邓连根，黄杰，假露青，岑升，
申请(专利权)人：广州粤建三和软件股份有限公司，
类型：发明
国别省市：广东;44