小样本学习的卷烟商标纸真假鉴别方法研究
张超1
张婷2
徐伟斌1
王树明1
邹华3
杨洋1
1.中国烟草总公司湖北省公司信息中心 武汉 4300302.中国烟草总公司湖北省公司烟草质量监督检测站 武汉 4300303.武汉大学计算机学院 武汉 430072
摘要：该研究旨在解决我国烟草行业打击假冒卷烟过程中传统鉴别方法效率低、易误判以及深度学习方法对样本量依赖过高的问题,提出一种基于深度学习的卷烟商标纸真伪鉴别新方法.通过改良Resnet网络架构,结合YOLO模型、度量学习和无参数分类器算法,构建多层级特征强化模型,有效降低对假烟样本量的需求,并显著提升模型对未知假烟的泛化能力.实验采用多种品牌规格卷烟小盒商标纸进行验证,结果表明,该方法鉴别准确率最高达98％,形成"一识品规、二看特征、三鉴真假"的高效鉴别流程,证明其在实际应用中的可行性和有效性.
关键词：深度学习YOLO算法度量学习法无参数分类器算法卷烟商标纸真伪鉴别感官鉴别法改良Resnet分类算法
分类号：O141.4(数理逻辑、数学基础)
资助基金：中国烟草总公司湖北省公司科技项目(027Y2022-045)
论文发表日期：2025-08-20
在线出版日期：2025-12-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2076-2082 )
英文信息