卷烟真伪智能识别系统
AI 异常检测 · 9 区域独立判定 · 3D 可视化缺陷定位 · 离线单机运行
判定流程
条码扫描
工业相机或手持扫码枪读取烟盒侧面条码，获取产品型号、生产批次、出厂信息。
第一步：条码扫描
第二步：拍照识别
完成两步验证，
自动比对结果
新增烟品录入
拍照原图
手机或相机直接拍摄，不需要刻意对齐，正常角度即可。
自动定位 9 个关键部位
自动找到烟盒位置，一次标出全部 9 个关键识别区域。
逐一切取
每个区域单独提取，送去比对真伪。
异常分数分布 — 真品 vs 伪品
AUROC = 0.988。Good 21~35，Bad 31~78。最佳阈值 33.6 下准确率 94.6%，召回率 94.7%，1 误报 1 漏报。
单点缺陷检测 — 红点 / 黑点
在真品图像上添加微小标记点：红点 (16px) 得分 46.7 ✅ | 黑点 (6px) 得分 35.3 ✅
模型能精准定位到单个像素级缺陷，热力图在标记位置精准高亮。
多类型缺陷热力图对比
上排：真实烟盒 (绿色边框，低温) | 下排：合成伪品 (红色边框，高温)
覆盖模糊、重影、色偏、金带偏移、印刷噪点、擦除共 6 类缺陷，全部检出。
出品标识 — 优化对比
出品标识区域模型优化前后检测效果对比。
字体重影识别
针对伪品常见的印刷重影缺陷，模型通过高频纹理特征提取，对笔画边缘的二次套印偏差实现像素级检测。真品文字边缘梯度分布单一集中，伪品则呈现双峰梯度特征，PatchCore 记忆库对真品边缘分布的紧致建模可精准捕获此类异常。
精细字形辨识 — "海"字异常
"上海"中的"海"字在伪品中笔画粘连、断笔明显，印刷精度不足导致字形结构与真品存在系统性偏差。模型通过对字符级 ROI 特征对齐，将笔画宽度、骨架拓扑、闭合轮廓等形态学特征纳入异常评分，伪品"海"字因局部笔画缺失被高置信度检出。
材质反光异常检测
伪品印刷材质与真品不同，油墨表面微观反射特性存在差异。模型在高维特征空间中捕获了真品纸张油墨的光泽纹理特征分布，伪品因油墨类型、覆膜工艺差异导致反光各向异性偏离正品基准，热力图在材质异常区域产生高强度响应。
提示语 — 优化对比
提示语区域模型优化前后检测效果对比。
字形笔画粗细异常 — "团"字与"公"字
"集团"中的"团"字，"才"部下方笔画伪品明显偏细，与真品标准字形存在可量化的笔画宽度偏差。同时"公"字中间部分笔画偏粗，伪品因平版印刷墨量控制不均，导致局部笔画膨胀或收缩。模型通过多尺度笔画宽度变换（SWT）提取笔画一致性特征，与正品记忆库比对后在该区域产生显著异常响应。
字体重影识别 — "子"字二次套印
"子"字在伪品中存在明显的印刷重影，笔画边缘出现双轮廓偏移，这是伪品套色不准的典型表现。模型对高频纹理的梯度方向直方图进行特征编码，真品笔画边缘为单峰方向分布，伪品重影区域则呈现方向分裂的双峰响应，PatchCore 通过真品边缘分布建模精准定位此异常。
中华字体 — 优化对比
中华字体区域模型优化前后检测效果对比。
材质反光特性异常
"中华"品牌字体采用烫金/烫印工艺，真品金箔表面呈现均匀的定向反射特性，伪品因使用廉价烫印材料或替代油墨，表面微观光泽度与各向异性反射分布与真品显著不同。模型通过高维纹理特征捕获烫金区域的光学反射模式，伪品材质在特征空间中偏离真品紧致分布，热力图在字体表面产生大面积高强度响应。
字体阴影与笔画粗细异常
伪品字体存在非均匀阴影/晕染现象，且笔画粗细一致性差——部分笔画偏粗、部分偏细，与真品标准字形的笔画宽度分布明显偏离。模型结合笔画宽度变换（SWT）和边缘密度分布分析，对字号级别的形态学异常进行量化。伪品阴影区域的梯度衰减模式与真品不符，笔画粗细方差超出真品基准阈值，被逐像素级检出。