物理限制深度学习用于安全墨水色度测量与基于注意力的光谱传感
Po-Tong Wang1, Chiu Wang Tseng2, Li-Der Fang1
1Department of Electrical Engineering, Lunghwa University of Science and Technology, Taoyuan 333326, Taiwan.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
一个新的深度学习框架提高了安全墨水颜色的准确性,大大降低了假冒风险. 这种先进的系统提高了生产效率,并为防伪技术制定了新的标准.
科学领域:
- 基于物理的深度学习.
- 测色仪的颜色测量方法
- 防伪技术 防伪技术 防伪技术
背景情况:
- 由于复杂的假冒,全球商业面临超过2.2万亿美元的损失.
- 准确测量安全油墨的颜色对于防止欺诈至关重要.
研究的目的:
- 为高精度安全墨水色度测量引入一种新的,受物理限制的深度学习框架.
- 提高安全印刷中反假冒措施的准确性和效率.
主要方法:
- 开发了一种基于物理的神经网络架构,用于颜色预测.
- 集成先进的注意力机制,以有效地提取特征 (58.3%的改进).
- 采用贝叶斯优化来实现强大的参数调整.
主要成果:
- 取得了前所未有的颜色预测准确度 (CIEDE2000 (ΔE00):0.70 ± 0.08).
- 证明了生产拒绝率减少了50%,校准时间减少了35%.
- 在各种环境条件下,在1500个样本中验证了性能,达到96.7%的色域覆盖率.
结论:
- 拟议的框架为安全打印和防伪建立了新的基准.
- 为下一代安全功能提供可扩展的解决方案.
- 为全球安全和商业带来了有前途的技术进步.
