基于区块链的防伪信息识别与传输方法技术

本发明专利技术公开了基于区块链的防伪信息识别与传输方法,该方法包括利用神经网络计算训练样本和基准图像的欧氏卷积防伪码距离，建立神经网络训练的对比损失函数，同时对神经网络训练的对比损失函数进行结果分类；对训练过程中的卷积编码器进行交替优化；对防伪信息进行分类编码，进行各标志类别概率计算；对分类器进行训练，计算交叉熵损失，同时建立总损失函数模型；计算防伪信息传输时可用的传输带宽，上传防伪信息所占用的带宽；建立防伪信息传输时延模型；建立传输时延回报函数；建立带宽占用代价函数和传输总效率函数，对防伪信息传输效率进行计算。该方法理解简单，可操作性强，极大的提升了防伪信息的识别过程与传输效率。的提升了防伪信息的识别过程与传输效率。的提升了防伪信息的识别过程与传输效率。

【技术实现步骤摘要】
基于区块链的防伪信息识别与传输方法


[0001]本专利技术涉及区块链防伪信息领域,尤其涉及基于区块链的防伪信息识别与传输方法。

技术介绍

[0002]近现代，社会分工更加精细，要将整个产业链的所有参与者均在最终产品上直接体现显然不现实。所幸现代企业均会采用记账的方式记录对外的业务往来，通过这种方式理论上仍然可以实现产业链追踪。随着计算机的出现与普及，很多企业的纸质记账过程逐渐电子化，但本质并没有改变。这种记账方式理论上可行，但实际操作中容错能力极低，一旦最终产品出现问题需要追溯时，只要有任意一环的账本被人恶意篡改或丢失，则整个追踪过程将无法继续，这也是传统产业链溯源的一大痛点，对于较为复杂的产业链往往由于追溯记录不闭环而难以实现精确追溯。
[0003]区块链技术的出现改变了这一现状，试想如果产业链各方共同在一个公共账本上记录各自业务，任何公共账本的修改都被公共监督，那么即使有少数参与者试图篡改也将无法得逞，追溯过程将更加具有公信力，这就是区块链溯源的基本原理。常规的区块链溯源技术方案通常是通过二维码或智能芯片给食品、药品等需要溯源的产品本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于区块链的防伪信息识别与传输方法，其特征在于,该方法步骤包括：步骤S1：利用神经网络计算训练样本和基准图像的欧氏卷积防伪码距离，建立神经网络训练的对比损失函数，同时对神经网络训练的对比损失函数进行结果分类；步骤S2：对训练过程中的卷积编码器进行交替优化，对优化结果取最小值；步骤S3：对防伪信息进行分类编码，进行各标志类别概率计算；步骤S4：对分类器进行训练，计算交叉熵损失，同时建立总损失函数模型；步骤S5：计算防伪信息传输时可用的传输带宽，上传防伪信息所占用的带宽；步骤S6：建立防伪信息传输时延模型，以及计算传输前的压缩时间；步骤S7：建立传输时延回报函数；步骤S8：建立带宽占用代价函数和传输总效率函数，对防伪信息传输效率进行计算。2.如权利要求1所述的基于区块链的防伪信息识别与传输方法，其特征在于，所述训练样本和基准图像的欧氏卷积防伪码距离，表达式为：其中，A
b
表示训练样本和基准图像的欧氏卷积编码距离，B
b
(c
n
)表示训练样本图像的欧氏卷积编码，B
b
(d
m
)表示基准图像的欧氏卷积防伪码;所述神经网络训练的对比损失函数，表达式为：其中，C
e
表示神经网络训练的对比损失函数，μ表示判断训练样本和基准图像是否为同种防伪码标志的变，f表示异类标志卷积编码区分阈值，所述对神经网络训练的对比损失函数进行结果分类，表达式为：其中，μ=0时表示同类，μ=1时表示时为异类。3.如权利要求1所述的基于区块链的防伪信息识别与传输方法，其特征在于，所述对训练过程中的卷积编码器进行交替优化，表达式为：其中，ω表示由标志基准图像得到的卷积编码模板，ω
c
表示输入c对应类别基准图像的卷积编码，E
c,λ
表示优化过程运算，λ(c)表示输入c对应类别的训练样本的卷积编码，C(b,ω)表示优化结果；所述对优化结果取最小值，表达式为：其中，表示优化结果的最小值。4.如权利要求1所述的基于区块链的防伪信息识别与传输方法，其特征在于，所述分类编码，表达式为：
其中，h表示变换矩阵参数，g表示偏置向量，F表示输出分类编码，i表示输入标志训练样本图像对应的卷积编码;所述进行各标志类别概...

【专利技术属性】
技术研发人员：高文曦，
申请(专利权)人：南通大学，
类型：发明
国别省市：