2023年9月第56卷第9期烟草科技TobaccoScience&TechnologySep.2023Vol.56No.9摘要：为解决通过卷烟外包装、烟支物化参数等进行卷烟真伪鉴定难度大且耗时费力等问题，提出了一种基于卷烟小盒内部粘胶痕迹形态差异的卷烟真伪鉴别方法。首先利用胶痕图像采集装置获取烟盒内部的胶痕图像；然后去除原始图像的部分背景得到胶痕图像样本；基于深度学习异常检测方法，仅使用正常样本训练卷积神经网络分类模型，再通过模型对待测样本产生的最大预测概率进行阈值判别。以10种包装机型生产的真品烟盒以及假冒烟盒（烟盒样品涉及约60个卷烟规格）为对象，分别选用5个经典的卷积神经网络模型进行实验，并对1294个待测样本进行鉴别。结果表明：①当使用测试集样本的最大预测概率平均值作为阈值时，所有模型均具备一定的真伪判别能力。②ResNet18、DenseNet121、InceptionV1的鉴别准确率约为94%，召回率约为93%~94%，特异性约为93%~95%，AUC（AreaUnderCurve）约为0.98；InceptionV1参数量较少，易于部署。③本方法能够在完全不使用假样本的情况下构建鉴别模型，且适用于多种卷烟规格。该技术可为建立高效、可靠的卷烟真伪智能鉴别方法提供支持。关键词：卷烟烟盒；胶痕；真伪鉴别；机器视觉；深度学习；异常检测中图分类号：TS474；TS46文献标志码：A文章编号：1002-0861（2023）09-0091-09收稿日期：2023-04-11录用日期：2023-06-20基金项目：中国烟草总公司云南省公司科技计划重大项目“一种智能化卷烟产品真伪鉴别检验设备的研发”（2022530000241036）。第一作者：李郸（1992—），男，硕士，工程师，从事卷烟真伪鉴别研究。E-mail：dal129@126.com*通信作者：张榆锋（1965—），男，博士，教授，博士生导师，从事信号检测与处理研究。E-mail：yfengzhang@yahoo.com引用本文：李郸，梁洲源，马慧宇，等.基于正常样本学习的真伪卷烟小盒胶痕鉴别方法［J］.烟草科技，2023，56（9）：91-99.（LIDan,LIANGZhouyuan,MAHuiyu,etal.Cigaretteauthenticationviagluelinesonpacketlabelbasedonnormalsamplelearning［J］.TobaccoScience&Technology，2023，56（9）：91-99.DOI：10.16135/j.issn1002-0861.2023.0205）基于正常样本学习的真伪卷烟小盒胶痕鉴别方法李郸1，梁洲源2，马慧宇1，李海燕1，王春琼1，张轲1，张榆锋*21.云南省烟草质量监督检测站，昆明市高新技术开发区科医路41号6501042.云南大学信息学院，昆明市呈贡区大学城东外环南路650500Cigaretteauthen...
