摘" 要：为了提高物流商品外包装的防伪能力，文章提出基于激光模压全息技术的物流商品外包装防伪识别研究。通过激光模压全息加密技术对防伪图像进行编码，结合分段线性映射提取加密特征量，并与随机数或密钥组合为Hyperhenon初值。利用Hyperhenon值对防伪图像进行像素置换和移位操作，增强加密效果。实验结果表明，采用该方法进行物流商品外包装防伪识别的图像加密性能较好，防伪标识加密相关性为0.92，防伪抗攻击能力较强，识别10种不同尺寸的物流商品外包装防伪标识的平均识别准确率为97%，识别精度较高。
关键词：激光模压；全息加密；物流商品；外包装；防伪识别
中图分类号：TP309" " " 文献标识码：A" " 文章编号：2096-4706（2024）22-0171-06
Anti-counterfeiting Design and Identification Method of Logistics Goods Outer Packaging Based on Laser Molding Holographic Technology
Abstract： In order to improve the anti-counterfeiting ability of logistics goods outer packaging， this paper proposes the research on anti-counterfeiting identification of logistics goods outer packaging based on laser molding holographic technology. It encodes the anti-counterfeiting image by laser molding holographic encryption technology， combines the piecewise linear mapping to extract encryption feature quantity， and combines with the random number or key to generate the Hyperhenon initial value. It uses the Hyperhenon value to perform pixel replacement and shift operations on the anti-counterfeiting image， so as to enhance the encryption effect. The experimental results show that the image encryption performance of the anti-counterfeiting identification of logistics goods outer packaging using this method is good. The encryption correlation of anti-counterfeiting logo is 0.92， and the anti-counterfeiting and anti-attack ability is strong. The average recognition accuracy rate of identifying 10 kinds of different sizes of anti-counterfeiting logo of logistics goods outer packaging is 97%， and the recognition accuracy is high.
Keywords： laser molding; holographic encryption; logistics goods; outer packaging; anti-counterfeiting identification
0" 引" 言
物流商品外包装防伪识别是提高物流商品的防伪性能的关键技术，通过物流商品外包装防伪处理，通过二维码编码和激光编码的方法，实现对物流商品外包装防伪标签设计，提高物流商品外包装防伪能力。随着激光射频标签识别技术的发展，通过标签识别和图像加密方法进行物流商品外包装防伪处理，根据图像加密算法和密钥设计，建立物流商品外包装防伪识别的视觉信息处理模型，采用流密码算法和算术编码算法设计，结合多维混沌和组合混沌等密钥设计方法，进行物流商品外包装的防伪识别，提高包装的防伪效果[1]。
对物流商品外包装防伪识别是建立在对双光束模压全息射频光场调节和激光模压标签识别技术基础上，通过计算光程差和相位差，结合物流商品防伪的自由粒子速度参数分析，通过相控阵超声无损的标签识别技术实现对物流商品外包装的防伪识别[2]，文献[3]中提出基于深度单分类器的防伪图案伪造检测方法，由两个模块组成一个分类器，基于U-Net的特征提取模块对输入图像进行特征提取，将提取的特征输入单类分类模块；采用边界优化的OCSVM分类方法学习正样本，实现对防伪图案的有效识别。该方法具有较好的真伪识别能力，但是该方法的动态编码能力不强。文献[4]中提出一种增强多级信息加密的动态防伪标签，利用喷墨和丝印技术，构建了一种多维多级动态光学防伪标签，其中具有内含防伪信息的自组装量子点模式下赋予标签的物理不可克隆函数，针对时间维度上的信息变化显著提高标签的信息加密水平，最后利用卷积残差神经网络对不可克隆函数的海量信息进行解码。该方法实现了防伪标签的快速准确识别，但是该方法对物流商品外包装的应变性能不好。
针对上述问题，本文提出基于激光模压全息技术的物流商品外包装防伪识别方法。首先采用激光模压全息射频标签识别技术实现对物流商品外包装防伪的图像信息编码处理，结合分段线性映射方法提取物流商品外包装防伪标签信息的加密混合序列特征量，通过激光模压全息加密方法生成物流商品外包装防伪信息的Hyperhenon初值，实现对物流商品外包装防伪图像的代替和置换操作，实现物流商品外包装防伪识别的优化设计，最后进行实验测试，展示了本文方法在提高物流商品外包装防伪能力方面的优越性能。
1" 防伪图像信息编码和加密
1.1" 防伪图像信息编码设计
为了实现对基于激光模压全息射频的物流商品外包装防伪识别，首先采用激光模压全息射频识别技术构建物流商品外包装防伪的明文图像p，将物流商品外包装防伪的明文特征序列分为三个灰度图像R、G、B，每个物流商品外包装防伪图像的大小相同，记W×N，然后对外包装防伪标识的三个灰度图像进行算术编码设计，构建一个离散信源，用于表示不同的防伪标识状态或特征。设计一种编码协议，将产品外包装防伪标识的轮廓信息转化为数字编码，以实现对标识的精确描述和传输。编码协议Lp（d）如式（1）：
其中，d为DIF修正参数的反馈参数，λ为物流商品外包装防伪直方图维数，d0为明文像素[5]。借助全息射频技术，构建一个用于物流商品外包装防伪控制的扩展矩阵：
该矩阵包含了物流商品防伪相关的参数和特征，可用于实现防伪信息的嵌入和提取。其中，r1，r2，…，rn为激光模压全息射频的标准像素序列，P（r1），P（r2），…，P（rn）为考虑应变率效应后的扩展图像像素值。引入激光模压的动态增强因子DIF，得到在X = {x1，x2，…，xN}映射空间中模量与强度的应变参数I（ri）为：
应变参数可以用于表示物流商品外包装防伪图像信息的变化和特征。
综合以上步骤，构建物流商品外包装防伪图像信息编码模型，该模型可以将离散信源、轮廓编码、全息射频扩展矩阵和应变参数等结合起来，实现对防伪信息的编码和解码过程[6-7]。模型如图1所示。
1.2" 防伪图像信息加密处理
使用分段线性映射方法将图像中每个像素的灰度值ε划分为多个区间，并在每个区间内应用线性函数进行映射，则映射规则σ为：
其中，为每个像素的灰度值所属的区间，则有：
其中，为图像中坐标值为（i，j）的像素的灰度值的特征量。在光束重叠模压全息射频区域[8-9]，通过调整区间的划分和线性函数的参数，可以灵活地控制映射过程，设映射后的每个像素的灰度值所属的区间为，满足条件，则有：
其中，vij为混合序列中第i个元素与第j个元素的加密值之和，表示了序列中两个元素之间的关系，两个元素前后顺序的不同也会使得结果存在差异； 为物流商品防伪包装设计中的多光束分布参数； 为在像素的灰度值所属区间中，像素灰度值的权重或比例。根据对应的线性映射函数计算出特定的加密混合序列特征量：
根据具体需求，对特征量进行归一化处理：
其中，
其中，为物流商品防伪包装的零级衍射光的分布波长；E0为激光模压全息射频参考映射量；G0为参考范围；为激光多光束椭圆偏振光的修正因子；为不同方向上的激光模压全息射频修正因子，、也对应着不同方向的修正系数A。
2" 基于激光模压全息加密方法的防伪识别
2.1" 生成Hyperhenon的初值
将已编码和处理的混合序列特征量与其他随机数或密钥进行组合，形成一个结构化的初值i（n）。i（n）表示为：
其中，a（n）为各偏振矢量分量[10-11]计算的密文像素值，I1{u（n） = 1}为跟踪入射光束偏振的分割值，u（n）为加密得到的光程差[12-13]。
将a（n）、I1{u（n） = 1}、u（n）纳入初值生成的过程中，可以增加初值与物流商品外包装防伪信息之间的关联性。这样做有助于提高加密算法的安全性，并增加对物流商品外包装防伪信息的保护能力。
2.2" 外包装防伪识别
使用生成的Hyperhenon初值作为Hyperhenon系统的初始状态。运行Hyperhenon系统进行混沌运算，对物流商品外包装防伪图像的代替和置换操作[14]生成一系列伪随机数序列z。将伪随机数序列应用于物流商品外包装防伪信息的加密操作。步骤如下：
1）Hyperhenon运算。将Hyperhenon值i（n）代入激光干涉装置进行激光模型全息射频识别，迭代W×N次产生序列；
其中，zi为第i个的随机数，为第i次迭代产生的对应数值。
2）图像转换。将物流商品外包装防伪图像转换为灰度图像，对z和进行处理，得到光矢量坐标系与干涉平面坐标系的像素的灰度值序列：
其中，为中坐标为（i，j）的像素的灰度值。
3）像素按位循环移动。对每个像素的灰度值进行按位循环移动操作，即将每个灰度值的比特位按照一定规则进行循环移动，改变像素的灰度分布。
4）Hyperhenon替代操作。将第3步中处理后的像素灰度值与Hyperhenon混沌系统生成的序列进行替代操作，即使用混沌序列中的元素替换对应像素的灰度值，从而实现对图像的代替操作。
5）置换操作。对第4步处理后的图像进行像素置换操作，即对图像中的像素按照一定规则进行随机排列，增加图像的混乱程度。
6）图像识别。根据预先设定的解码算法和密钥，对经过加密处理的图像进行解密操作，将G物流商品外包装防伪的激光图像中的像素转换成一个大小为1×WN的一维序列G1，对每一个光矢量振动方向垂直像素g1i∈G1，将其转换成一个8位的二进制字符串[5]，得到光波振幅在晶体快慢轴的解密序列：
通过解密后的图像判断是否为合法的物流商品外包装防伪图像，实现对图像的识别和验证。
3" 实验测试
为了验证本文方法在实现物流商品外包装防伪的性能，进行实验测试。本次实验测试所使用到的样本数据，主要来源于多样化的物流商品外包装实际样本库，涵盖食品、电子产品、化妆品等多个领域，共计500个不同尺寸与材质的样本。这些数据通过高精度扫描仪获取防伪图像信息，确保图像质量达到后续编码与加密处理的要求。依据严格的随机抽样原则，从中选取100个样本作为测试集，确保样本代表性，以全面评估本文提出的防伪识别方法在多种实际应用场景下的有效性和可靠性。
在实验开始前，基于激光模压全息射频技术的物理特性和实际应用需求，参考已有研究成果，根据实际的应用场景，将ANSA输出的.inp文件导入Abaqus软件中进行激光模压全息射频标签识别，经过多次调试和优化，给出偏振共有分量方向指向性参数为0.34，偏振共向角度为25，最大数据传输率设定为750 MB/s。除此之外，还设定了曝光场、光束振幅、光束能量以及多频跨尺度等仿真参数。在保证仿真效果的同时，也尽可能地反映实际应用的条件。以上参数的具体设定如表1所示。
根据表1的参数设定，进行物流商品外包装防伪识别仿真，得到物流商品防伪的双光束模压全息射频光场能量强度分布图如图2所示。
根据图2对物流商品防伪的双光束模压全息射频光场标签识别结果，进行防伪标签设计，得到物流商品包装的防伪检测结果如图3所示。
在图3中，通过测量和记录不同距离下的光场反射或交互特性，可以生成特定的光学图案或信号，用于识别和检测物流商品包装的真伪。在使用双光束模压全息射频技术进行物流商品包装防伪识别时，可以根据背面粒子的速度变化规律来识别并判定商品是否为真品，从而实现有效的防伪检测。在本次实验中，物流商品包装防伪标签不同距离对应的背面粒子速度在时间上具有不同的变化规律。具体来说，当商品防伪标签距离为1.375 mm时，背面粒子的速度最快，光场反射时间为20 ns。当商品防伪标签距离为1.25 mm时，背面粒子的速度较快，光场反射时间为50 ns。当商品防伪标签距离为0.875 mm时，背面粒子的速度最慢，光场反射时间为200 ns。从以上数据来看，粒子速度的变化趋势变得更加平稳，并且随着激光能量的衰减，粒子速度的变化也相应减小，说明本文方法能有效实现对物流商品包装的防伪检测识别。
接着测试应用所提方法对物流商品外包装防伪标志进行识别的识别性能，得到防伪识别检测性能曲线分布图如图4所示。
图4为防伪识别检测性能的概率密度函数曲线，随着随机变量取值的增大，防伪识别检测性能曲线呈现出先增大后减小的趋势，峰值为6.45×10-3，仿真数据的总体趋势与测量数据基本一致，说明本文方法的检测识别能力较强。
测试物流商品外包装防伪识别的加密相关系数，该指标的取值通常在[-1，1]。相关性系数越大，说明相关程度越高，即防伪能力越强；相关系数越小，说明相关程度越低，即防伪能力越弱。所得结果具体如表2所示。
根据表2中的数据，可以看出本文方法的相关性系数普遍较高，都在0.8以上，且最高为0.92，说明本文方法的防伪能力较强。而文献[3]方法的系数也在0.75以上，最高为0.84，表现也较好，但相较于本文方法仍存在提升空间。文献[4]方法的系数则相对较低，相关系数最大时的结果为0.79，说明其防伪能力相对较弱。逐次对比三种方法应用下得到加密相关系数，发现本文方法的加密系数始终为最大者，更进一步说明了本文方法进行物流商品外包装防伪设计的加密性能较好，说明防伪能力具有优越性。
为了验证所提方法对物流商品外包装防伪标识识别的准确率，随机选择10种不同尺寸的物流商品包装作为样本，将尺寸为10 cm×10 cm×5 cm、15 cm×8 cm×6 cm、20 cm×15 cm×10 cm、5 cm×5 cm×3 cm、18 cm×6 cm×4 cm、25 cm×20 cm×8 cm、8 cm×8 cm×8 cm、30 cm×10 cm×5 cm、16 cm×14 cm×7 cm以及22 cm×18 cm×12 cm 的商品分别编号为1～10。将每种尺寸的商品包装分为真品和伪品两组，每组中包含10个样本，共计200个样本，并使用本文方法、文献[3]方法以及文献[4]方法对这200个包含真品与伪品的样本进行防伪识别与分析。记录识别结果，再与样本的真实标签（真品或伪品）进行比对，根据比对结果计算相应尺寸下真伪品识别正确率以及误判率，具体的统计结果如表3所示。
分析表3可知，除了4号尺寸样品外，应用本文方法对真伪物流商品外包装防伪标识进行识别的正确率均为95%及以上，明显高于对比方法得到的正确率，且误判率基本控制在5.00%以内，明显低于对比方法对应数据。对4号尺寸样品防伪标识识别的正确率为93.50%，仍高于另外两种对比方法的正确率。对这一尺寸样品的识别精度普遍不高的原因可能是该尺寸的物流商品整体较小，导致物流商品防伪标识不够清晰，故排除掉4号尺寸样品对测试结果的影响。总体来看，本文方法应用下的平均识别正确率为97.00%，平均误判率为3.00%，而文献[3]方法及文献[4]方法的平均识别正确率分别为93.65%和92.55%，平均误判率分别为6.35%和7.45%，说明本文方法的识别正确率更高，误判率更低。
4" 结" 论
本文提出了一种基于激光模压全息技术的物流商品外包装防伪识别方法。通过对物流商品外包装防伪图像信息的编码和加密处理，结合激光模压全息加密方法，实现了对物流商品外包装的有效防伪识别。通过实验测试，该方法表现出了良好的防伪效果；防伪标识加密相关性系数均在0.8以上，且最高为0.92，说明本文方法具有较强的抗攻击能力；另外，对真伪物流商品外包装防伪标识平均的正确率均为97%，说明本文方法具有较高的识别准确率。因此，该方法具有一定的应用价值，能够有效地提高物流商品外包装的防伪能力，保护消费者的合法权益。
参考文献：
[1] 欧翼.浅谈激光雕刻在多介质包装设计中的防伪应用 [J].中国品牌与防伪，2022（7）：61-63.
[2] 张宏坤，韩越兴，陈侨川，等.基于轻量级网络的防伪标签检测算法 [J].上海大学学报：自然科学版，2022，28（3）：534-544.
[3] ZHENG H，ZHOU C Z，LI X，et al. Forgery Detection for Anti-Counterfeiting Patterns Using Deep Single Classifier [J/OL].Applied Sciences，2023，13（14）：8101[2024-05-26].https：//doi.org/10.3390/app13148101.
[4] CHEN H，HU H L，SUN B C，et al. Dynamic Anti-Counterfeiting Labels with Enhanced Multi-Level Information Encryption [J].ACS Applied Materials amp; Interfaces，2022，15（1）：2104–2111.
[5] SHEN C Y，ZHANG Y Q，CHEN L Y，et al. A Mango Biological Fingerprint Anti-counterfeiting Method Based on Fuzzy C-means Clustering [J].Food Innovation and Advances，2023，2（1）：21-27.
[6] 孙光菡.基于激光全息防伪技术的包装图案印刷方法研究 [J].激光杂志，2022，43（4）：189-194.
[7] 周万洋，付芳，王力锋.激光射频技术的智慧物流防伪码实时检测系统 [J].激光杂志，2021，42（5）：46-51.
[8] 陈思源，崔子杰，刘丹飞，等.区块链在产品溯源和包装防伪上的应用进展 [J].包装工程，2023，44（1）：91-100.
[9] 王翀，磨建业，李冬冬，等.NaYF4：Yb3+/Eu3+上转换发光微纳粒子在防伪识别中的应用研究 [J].光谱学与光谱分析，2021，41（5）：1525-1529.
[10] 王桂英，刘浩川，公姿懿，等.基于NFC标签的防伪包装和产品信息查询系统 [J].包装工程，2021，42（7）：264-269.
[11] 李玉杰，余有龙.基于激光扫描的桁架结构测量技术研究 [J].仪表技术，2021（2）：47-50+65.
[12] 马一心，范百兴，黄剑.多台激光跟踪仪联合动态位姿测量精度评定方法研究 [J].测绘工程，2021，30（2）：55-59.
[13] 郑骥，陈乃玉，姚辉，等.贮箱壁板激光测厚数据处理技术研究 [J].制造技术与机床，2021（3）：107-111.
[14] LI D D，MO J Y，WANG CH，et al. Enhanced Upconversion Emission of NaGdF4： Yb3+/Tm3+ Crystals by Introducing Li+ Ions for Anti-counterfeiting Recognition [J/OL].Applied Physics A，2021，127（7）：522[2024-06-03].https：//link.springer.com/article/10.1007/s00339-021-04674-8#citeas.
