先进的防伪:以角度依赖的结构色彩为基础的CuO/ZnO纳米模式与深度神经网络监督学习
Mun Jeong Choi1, SeongYeon Kim1, Jongho Shin1
1Department of Mechanical Engineering, Chungbuk National University (CBNU), 1, Chungdae-ro, Seowon-gu, Cheongju-si, Chungcheongbuk-do 28644, Republic of Korea.
ACS applied materials & interfaces
|March 12, 2025
概括
这项研究引入了使用随机纳米模式的低成本,大规模生产的结构色彩防伪模式. 该方法在身份验证方面达到94%的准确性,为产品安全提供了可扩展的解决方案.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 光学是什么?光学是什么?光学是什么?
背景情况:
- 目前的防伪方法往往很容易复制,需要专门的设备,而且很昂贵.
- 需要可扩展,低成本和强大的防伪解决方案.
研究的目的:
- 开发一种新的,低成本的,可大规模生产的基于颜色的结构性防伪模式.
- 为安全应用程序创建一个高效和可访问的身份验证算法.
主要方法:
- 通过电和溶液加工制造CuO/ZnO纳米模式.
- 利用电自旋的固有随机性来生成无法克隆的模式.
- 开发一种基于形状和颜色特征进行歧视的深度学习算法.
主要成果:
- 在CuO/ZnO纳米模式中实现了强大的角色依赖性.
- 证明了高密度信息编码能力.
- 使用标准摄像头,每样品的处理速度为80ms,平均识别准确率为94%.
结论:
- 开发的结构性色彩纳米模式提供了强大的和可扩展的防伪解决方案.
- 低成本制造和可访问的身份验证算法提高了广泛采用的实用性.
- 这项技术为保护文件,货币和品牌标签提供了下一代方法.
