Solution anti-contrefaçon basée sur l'apprentissage profond

Client

Le client est une organisation scientifique et orientée vers les affaires en Europe. Elle a développé une approche innovante de lutte contre la contrefaçon, qui peut être utilisée à la fois par les fabricants et les fournisseurs de biens physiques et par les entreprises du commerce numérique.

La contrefaçon affecte de manière dramatique les vendeurs dans divers créneaux. Ils subissent des pertes de revenus en recevant une expédition et en y trouvant des contrefaçons. C'est ainsi que cela se passe en Chine dans le marché des aliments pour bébés, par exemple. Même le vendeur peut ne pas être au courant qu'il vend des produits contrefaits puisque les codes QR largement utilisés sont suffisamment faciles à falsifier. Cela soulève la nécessité de mettre en œuvre une fonctionnalité supplémentaire qui rendra la falsification des codes impossible et réduira ainsi la chance de recevoir des contrefaçons. Et avoir un produit étiqueté avec un signe spécial pourrait être la solution. Il serait alors possible d'utiliser ce signe pour vérifier l'origine et la fabrication d'un produit.

Différents étiquetages anti-contrefaçon permettent une protection insuffisante pour arrêter les fraudeurs. Pour le client, il était crucial d'obtenir la méthode de vérification la plus facile à utiliser et la moins chère possible.

Le problème à résoudre était la production massive de contrefaçons dans de nombreuses industries. L'équipe côté client a proposé un concept, et elle recherchait des spécialistes techniquement compétents pour rendre leur idée viable. Le client s'est tourné vers DataSqueeze en tant qu'expert en logiciel de vision par ordinateur et en développement d'applications d'apprentissage profond.

Défi : Entraînement de modèles pour l'identification anti-contrefaçon

La tâche clé que notre équipe a rencontrée lors de la phase de preuve de concept (PoC) était de créer une solution logicielle pour reconnaître et vérifier les marques appliquées sur les codes QR. Ce motif peut être extrait indépendamment des informations intégrées dans le code QR.

Dans le cas des codes QR, le saupoudrage sur la surface des codes crée des motifs pratiquement imperceptibles au premier coup d'œil. Une telle fonctionnalité n'entrave pas la lecture des codes. En même temps, résultant du même processus d'application, chaque motif, toutefois, est impossible à reproduire, même pour le même fabricant. Et puisqu'il est impossible de prédire un motif pour tel ou tel produit et de le contrefaire, cette technique anti-contrefaçon se révèle ultra-sécurisée.

Solution : modèle basé sur l'apprentissage profond pour la reconnaissance de codes QR

Notre tâche était similaire à la reconnaissance faciale : détecter et reconnaître des motifs uniques, mais pour des objets, pas des personnes. Le client nous a fourni un jeu de données d'entraînement contenant un demi-million d'articles. Ci-dessous, un exemple de code QR et de PUF tel que vu de près :

Nous avons imaginé plusieurs approches possibles pour résoudre le problème et tester les résultats. Notre équipe a employé un réseau de neurones convolutif (CNN) pour entraîner le modèle à reconnaître et vérifier les motifs.

Il a été difficile d'atteindre une valeur de 99 % dans la métrique d'identification. Nous avons également résolu la difficulté de la détection de faux motifs dans la base de données.

Résultat : Application Android pour authentifier les codes QR

Le résultat du travail effectué lors de la phase PoC était l'application Android qui a démontré des capacités technologiques. Cette application fonctionne comme suit :

• Un utilisateur prend une photo d'un code QR
• Notre modèle basé sur CNN reconnaît le PUF
• Le résultat est automatiquement vérifié par rapport aux informations dans la base de données.
• L'application génère une alerte de vérification réussie ou de contrefaçon

Le potentiel commercial de l'application de la technologie est immense, ainsi que l'éventail d'industries où cette nouvelle méthode anti-contrefaçon sera très demandée. Par exemple, des motifs spéciaux peuvent être appliqués sur l'encre ou intégrés dans la conception de l'emballage, etc.

La solution anti-contrefaçon, inventée par le client et finalisée avec l'aide de DataSqueeze

Commencez votre Projet de Vision par ordinateur avec DataSqueeze