- \n
- \nD\u00e9fi<\/div>\nmod\u00e8le de formation pour l'identification de la contrefa\u00e7on<\/div>\n<\/li>\n
- \n
Solution<\/div>\nmod\u00e8le bas\u00e9 sur l'apprentissage profond pour la reconnaissance des codes QR<\/div>\n<\/li>\n- \n
Technologies et outils<\/div>\nTensorFlow, PyTorch, TorchVision, Catalyst, Albumentations, zbar, OpenCV, Scikit Learn, NumPy<\/div>\n<\/li>\n<\/ul>\n<\/div>\nClient<\/h2>\n
Le client est une organisation europ\u00e9enne \u00e0 vocation scientifique et commerciale. Il a d\u00e9velopp\u00e9 une approche innovante de la lutte contre la contrefa\u00e7on, qui peut \u00eatre utilis\u00e9e \u00e0 la fois par les fabricants et les vendeurs de biens physiques et par les entreprises de commerce num\u00e9rique.<\/p>\n
La contrefa\u00e7on affecte consid\u00e9rablement les vendeurs dans divers cr\u00e9neaux. Ils subissent des pertes de revenus lorsqu'ils re\u00e7oivent une cargaison et y trouvent des contrefa\u00e7ons. C'est ce qui se passe en Chine sur le march\u00e9 des aliments pour b\u00e9b\u00e9s, par exemple. M\u00eame le vendeur peut ignorer qu'il vend des produits contrefaits, car les codes QR largement utilis\u00e9s sont assez faciles \u00e0 falsifier. Il est donc n\u00e9cessaire de mettre en place une fonction suppl\u00e9mentaire qui rendra la falsification des codes impossible et r\u00e9duira ainsi le risque de recevoir des contrefa\u00e7ons. La solution pourrait consister \u00e0 apposer une marque sp\u00e9ciale sur le produit. Il serait alors possible d'utiliser cette marque pour v\u00e9rifier l'origine et la fabrication d'un produit.<\/p>\n
Les diff\u00e9rents labels anti-contrefa\u00e7on n'offrent pas une protection suffisante pour arr\u00eater les fraudeurs. Pour le client, il \u00e9tait crucial d'obtenir une m\u00e9thode de v\u00e9rification aussi facile \u00e0 utiliser et peu co\u00fbteuse que possible.<\/p>\n
Le probl\u00e8me \u00e0 r\u00e9soudre \u00e9tait la production massive de contrefa\u00e7ons dans tous les secteurs d'activit\u00e9. L'\u00e9quipe du client a propos\u00e9 un concept et cherchait des sp\u00e9cialistes comp\u00e9tents en technologie pour l'aider \u00e0 rendre son id\u00e9e viable. Le client s'est tourn\u00e9 vers ESSID Solutions en tant qu'expert dans les domaines suivants logiciel de vision par ordinateur<\/a> et le d\u00e9veloppement d'applications d'apprentissage profond.<\/p>\n
D\u00e9fi : formation de mod\u00e8les pour l'identification de la contrefa\u00e7on<\/h2>\n
La t\u00e2che principale \u00e0 laquelle notre \u00e9quipe a \u00e9t\u00e9 confront\u00e9e au stade du PoC \u00e9tait de cr\u00e9er une solution logicielle permettant de reconna\u00eetre et de v\u00e9rifier les marques appos\u00e9es sur les codes QR. Ce motif peut \u00eatre extrait ind\u00e9pendamment des informations contenues dans le code QR.<\/p>\n
Dans le cas des codes QR, le saupoudrage au-dessus des codes forme des motifs pratiquement imperceptibles au premier coup d'\u0153il. Cette caract\u00e9ristique n'entrave pas la lecture des codes. En m\u00eame temps, \u00e9tant le r\u00e9sultat du m\u00eame processus d'application, chaque motif est impossible \u00e0 reproduire, m\u00eame pour le m\u00eame fabricant. Et comme il est impossible de pr\u00e9dire un motif pour l'un ou l'autre produit et de le contrefaire, cela rend cette technique anti-contrefa\u00e7on extr\u00eamement s\u00fbre.<\/p>\n
Solution : mod\u00e8le bas\u00e9 sur l'apprentissage profond pour la reconnaissance des codes QR<\/h2>\n
Notre t\u00e2che \u00e9tait similaire \u00e0 la reconnaissance faciale : d\u00e9tecter et reconna\u00eetre des mod\u00e8les uniques, mais pour des objets et non des personnes. Le client nous a fourni un ensemble de donn\u00e9es d'entra\u00eenement contenant un demi-million d'\u00e9l\u00e9ments. Ci-dessous, vous trouverez un exemple de code QR et de PUF agrandis :<\/p>\n
![\"exemple](\"https:\/\/essidsolutions.com\/wp-content\/uploads\/2020\/04\/qr-code-example.png\")
![\"exemple](\"https:\/\/essidsolutions.com\/wp-content\/uploads\/2020\/04\/example-project.png\")
<\/p>\nNous avons propos\u00e9 plusieurs approches possibles pour r\u00e9soudre le probl\u00e8me et tester les r\u00e9sultats. Notre \u00e9quipe a utilis\u00e9 un r\u00e9seau neuronal convolutif (CNN) pour entra\u00eener le mod\u00e8le \u00e0 reconna\u00eetre et \u00e0 v\u00e9rifier les mod\u00e8les.<\/p>\n
Il a \u00e9t\u00e9 difficile d'atteindre une valeur de 99% dans la m\u00e9trique d'identification. Nous avons \u00e9galement r\u00e9solu le probl\u00e8me de la d\u00e9tection des faux motifs dans la base de donn\u00e9es.<\/p>\n
R\u00e9sultat : Application Android pour l'authentification des codes QR<\/h2>\n
Le r\u00e9sultat du travail effectu\u00e9 au stade du PoC a \u00e9t\u00e9 l'application Android qui a d\u00e9montr\u00e9 les capacit\u00e9s technologiques. Cette application fonctionne comme suit :<\/p>\n
- \n
- Un utilisateur prend une photo d'un QR<\/li>\n
- Notre mod\u00e8le bas\u00e9 sur le CNN reconna\u00eet le PUF<\/li>\n
- Le r\u00e9sultat est automatiquement v\u00e9rifi\u00e9 par rapport aux informations contenues dans la base de donn\u00e9es.<\/li>\n
- L'application \u00e9met une alerte de v\u00e9rification r\u00e9ussie ou de contrefa\u00e7on<\/li>\n<\/ul>\n
Le potentiel commercial de l'application de la technologie est immense, tout comme l'\u00e9ventail des secteurs o\u00f9 cette nouvelle m\u00e9thode de lutte contre la contrefa\u00e7on sera tr\u00e8s demand\u00e9e. Par exemple, des motifs sp\u00e9ciaux peuvent \u00eatre appliqu\u00e9s sur l'encre ou int\u00e9gr\u00e9s dans la conception de l'emballage, etc.<\/p>\n
La solution anti-contrefa\u00e7on, invent\u00e9e par le client et finalis\u00e9e avec l'aide d'ESSID Solutions, peut \u00eatre utilis\u00e9e diff\u00e9remment. Notre \u00e9quipe d'ing\u00e9nieurs a relev\u00e9 le d\u00e9fi avec succ\u00e8s et a livr\u00e9 un prototype fonctionnel de l'application.<\/p>\n
Commencez votre Projet de vision par ordinateur<\/a> avec ESSID Solutions<\/h3>","protected":false},"excerpt":{"rendered":"
- \n