一种基于区块链和可信数据空间的陶瓷溯源与鉴定方法

1.本发明涉及陶瓷艺术品溯源与鉴定技术领域，更具体的，涉及一种基于区块链和可信数据空间的陶瓷溯源与鉴定方法。


背景技术：

2.陶瓷艺术品
‑‑
建盏，是中国宋代八大名瓷之一，建窑建盏烧制技艺于2011年列入第三批国家级非物质文化遗产名录。当今建盏艺术品除了其外观包装设计，其工匠、原料产地、烧制工序等因素影响着建盏的内在质量，也因此产生了较大的价格差异，亦有不法分子假冒生产与销售，扰乱建盏艺术品的交易市场。
3.为抵制扰乱建盏艺术品交易市场的此类行为，陶瓷艺术品的溯源与鉴定需受到重视，以提高其交易过程中的可信任性。在传统的鉴定方法中，陶瓷艺术品的早期鉴定方法是通过专家进行人工鉴定，例如艺术品交易平台(或经纪)以签约或邀请专家的形式对陶瓷进行鉴定，并且，平台可信任机制的运行需要陶瓷本身具有可信任性，仅凭靠陶瓷艺术品现有的交易记录不足以建立完整的溯源信息。已有研究通过现代光电技术运用于陶瓷的鉴定，通过分析其化学成分、釉料配比，再进行数据的管理、共享、检索，此方法对于陶瓷检测与鉴定研究虽具有重大意义，但是分析耗时较长、花费成本较高，并不适用于具有流通性的艺术品交易场景。
4.在传统陶瓷鉴定应用领域场景下，现有的陶瓷鉴定方法仍存在信任问题和改进空间。因此，陶瓷艺术品交易市场需要一种新型的溯源与鉴定方法。


技术实现要素：

5.本发明为了解决以上现有技术存在的不足与缺陷的问题，提供了一种基于区块链和可信数据空间的陶瓷溯源与鉴定方法。
6.为实现上述本发明目的，采用的技术方案如下：
7.一种基于区块链和可信数据空间的陶瓷溯源与鉴定方法，所述的方法包括步骤如下：
8.采集陶瓷的纹理图像，构造陶瓷本身具有唯一性的纹理图像标准库；
9.将陶瓷的烧制工艺信息、烧制时间信息、加工信息、运输信息、交易信息、纹理图像标准库作为其全生命周期数据；
10.将全生命周期数据保存在可信数据空间内并进行安全分级；
11.将安全等级高的烧制工艺、纹理图像标准库作为数字存证信息，采用哈希算法进行加密，并以区块的形式分布存储在区块链上；
12.将安全等级低的烧制时间信息、加工信息、运输信息、交易信息作为可公开基本信息直接以区块的形式上传至区块链；
13.分布式的区块链通过广播机制更新每一份陶瓷上链的数字存证信息以及可公开基本信息；
14.通过获取数字存证信息以及可公开基本信息完成对陶瓷的溯源；
15.通过卷积神经网络对获取待测陶瓷的纹理图像进行识别与对比完成对陶瓷的鉴定。
16.优选地，所述的可信数据空间从数据维、业务维与安全维三个维度保障数据安全并支撑陶瓷多样的业务需求。
17.进一步地，所述的数据维，用于保障录入陶瓷的数据资源安全，具体将对数据资源进行层次划分，分为源数据、值数据、标签数据；
18.所述的源数据，为与陶瓷相关的原始数据，包括陶瓷的烧制工艺的文字信息和视频音频信息；
19.所述的值数据，为经对陶瓷源数据进行etl处理后形成的数据，采用nosql型数据库进行存储。
20.所述的标签数据，通过标签对源数据和值数据进行抽象，形成标签与主体数据间的映射视图，对源数据和值数据进行组织和管理；另外，对源数据和值数据的重要指数、权限、时间戳在标签的属性中进行记录，从而可用于可信数据空间中的数据索引和管理。
21.再进一步地，所述的业务维，用于建立可信数据空间内的业务规则；
22.所述的业务维包括：操作和业务；其中，操作包括源数据标签层、值数据标签层，业务包括业务标签层；
23.所述的源数据标签层，首先对陶瓷相关源数据的类型进行识别，结合源数据文件名和文件内容进行分类标识，并针对源数据的基本属性进行分类和标识，从而实现标签化处理；
24.所述的值数据标签层，在源数据标签层的基础上，围绕主体对象，通过识别、标识构建值数据标签，在值数据标签上进一步建立值数据标签集；
25.所述的业务标签层，从值数据标签集中识别、提取与分析结果匹配的标签项，并将标签项进行归集管理，形成若干主体业务标签集合，用以支撑业务过程的流程映射。
26.再进一步地，所述的安全维，用于将全生命周期数据进行安全分级；将全生命周期数据分为安全等级高、安全等级低。
27.再进一步地，将全生命周期数据上传至区块链，和对陶瓷进行溯源均通过共识机制实现；
28.所述的共识机制具体如下：
29.s101：节点a收到一个区块block，对区块block进行验证，验证完后，将区块block广播给节点a附近的节点；
30.s102：节点a向附近的节点传递inv消息，其中inv消息包含节点a验证过的区块的相关信息；
31.s103：节点b收到inv消息后，如果该节点之前没有接收过这个区块，则向节点a发送一个get消息，要求得到存证信息，以及区块的信息；
32.s104：当节点a收到get消息后，节点a把区块block的信息发送给节点b；
33.s105：节点a发送完之后，继续寻找下一个区块；
34.基于以上的共识机制，每当一个节点添加新的区块数据时，其他节点也会逐渐同步该区块信息，通过分布式的区块链保存每次上链的全生命周期数据；每个数据空间节点
都通过区块链存储全生命周期数据。
35.优选地，采用所述的加密哈希算法对数字存证信息进行加密，获取哈希值，并作为陶瓷的区块链存证id；
36.采用merkle树的组织形式来计算区块中的哈希值；通过求出每份陶瓷的数字存证信息的哈希值，形成第一级哈希；
37.再对第一级哈希中的每两个哈希之间拼接算出新哈希形成第二级哈希，以此类推，直到形成最顶层的哈希值，作为merkle根值，并将merkle根值作为最终的哈希值。
38.优选地，通过卷积神经网络对获取待测陶瓷的纹理图像进行识别与对比完成对陶瓷的鉴定，具体如下：
39.s201：先采用中值滤波法对获取到的纹理图像进行去噪处理；
40.s202：对去噪处理后的纹理图像进行特征提取，具体采用统计分析法中的灰度共生矩阵法，通过纹理图像的灰度共生矩阵中提取纹理的参数值；
41.s203：将提取纹理的参数值输入训练好的卷积神经网络进行图像纹理识别。
42.进一步地，步骤s202，具体如下：
43.首先设纹理图像的灰度级为g，大小是m
×
n，扫描方向为θ，像素之间的距离为d，则glcm的每个元素表示为p(i,j|θ,d)，表示图像空间中一直沿着θ方向扫描，一对灰度级为i和j的像素对在距离d中出现的频率个数；
44.设纹理图像中两个像素点为(x,y)和(x a,y b)，并设这两个像素点之间的灰度值为(g1,g2)，则在(x,y)扫描的过程中，产生若干个灰度值为(g1,g2)；再对若干个灰度值为(g1,g2)中(g,g)出现次数的频率进行统计，填入灰度共生矩阵中。
45.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时，实现如上述的方法的步骤。
46.本发明的有益效果如下：
47.本发明将陶瓷艺术品建盏的烧制工艺信息、烧制时间信息、加工信息、运输信息、交易信息、纹理图像标准库作为溯源与鉴定依据，保存在基于区块链技术的可信数据空间内，通过该方法保存的陶瓷数据真实可信并且具有可追溯性，并且运用陶瓷的自身纹理图像进行纹理识别进而溯源的方法，能够提高陶瓷溯源与鉴定效率和准确性，减少艺术品交易市场中虚假销售等行为，有助于保障艺术品市场健康发展；同时，在可信数据空间的赋能下，区块链技术能够有效地解决陶瓷溯源与鉴定难题。
附图说明
48.图1是基于区块链和可信数据空间的陶瓷溯源与鉴定方法的流程图。
49.图2是陶瓷的纹理图像的采集设备的示意图。
50.图3是陶瓷可信数据空间的安全分级流程图。
51.图4是基于区块链的存证数据共识机制。
52.图5是陶瓷的整体纹理图像。
53.图6是陶瓷的纹理图像细节图。
具体实施方式
54.下面结合附图和具体实施方式对本发明做详细描述。
55.实施例1
56.如图1所示，一种基于区块链和可信数据空间的陶瓷溯源与鉴定方法，所述的方法包括步骤如下：
57.采集陶瓷的纹理图像，构造陶瓷本身具有唯一性的纹理图像标准库；
58.将陶瓷的烧制工艺信息、烧制时间信息、加工信息、运输信息、交易信息、纹理图像标准库作为其全生命周期数据；
59.将全生命周期数据保存在可信数据空间内并进行安全分级；
60.将安全等级高的烧制工艺、纹理图像标准库作为数字存证信息，采用哈希算法进行加密，并以区块的形式分布存储在区块链上；
61.将安全等级低的烧制时间信息、加工信息、运输信息、交易信息作为可公开基本信息直接以区块的形式上传至区块链；
62.分布式的区块链通过广播机制更新每一份陶瓷上链的数字存证信息以及可公开基本信息；
63.通过获取数字存证信息以及可公开基本信息完成对陶瓷的溯源；
64.通过卷积神经网络对获取待测陶瓷的纹理图像进行识别与对比完成对陶瓷的鉴定。
65.本实施例将区块链技术与可信数据空间进行结合，进一步保障陶瓷的全生命周期数据的安全，将陶瓷的全生命周期数据作为陶瓷艺术品的溯源与鉴定依据。
66.本实施例通过不同的安全等级将采集陶瓷全生命周期数据存入作为区块链节点的数据空间中，其中，通过对陶瓷纹理图像的采集作为溯源标准库为关键点，采用卷积神经网络将纹理图像进行纹理识别，可依靠陶瓷的自身纹理鉴定。
67.在一个具体的实施例中，所述的可信数据空间从数据维、业务维与安全维三个维度保障数据安全并支撑陶瓷多样的业务需求。
68.所述的数据维，用于保障录入陶瓷的数据资源安全，具体将对数据资源进行层次划分，分为源数据、值数据、标签数据；
69.所述的源数据，为与陶瓷相关的原始数据，包括陶瓷的烧制工艺的文字信息和视频音频信息；所述的烧制工艺包括建盏生产的十三道工序，具体为原材料来源、种类、批号，器型，底部落款，焙烧温度，时间控制，出窑时间。
70.所述的值数据，为经对陶瓷源数据进行etl(抽取、清洗、转换、装载等)处理后形成的数据，采用nosql型数据库进行存储。
71.所述的标签数据，通过标签对源数据和值数据进行抽象，形成标签与主体数据间的映射视图，对源数据和值数据进行组织和管理；另外，对源数据和值数据的重要指数、权限、时间戳在标签的属性中进行记录，从而可用于可信数据空间中的数据索引和管理。
72.在一个具体的实施例中，所述的业务维，用于建立可信数据空间内的业务规则；
73.所述的业务维包括：操作和业务；其中，操作包括源数据标签层、值数据标签层，业务包括业务标签层；
74.所述的源数据标签层，首先对陶瓷相关源数据的类型进行识别，结合源数据文件
名和文件内容进行分类标识，并针对源数据的基本属性(例如日期、权限、所有人等信息)进行分类和标识，从而实现标签化处理。
75.所述的值数据标签层，在源数据标签层的基础上，围绕主体对象，通过识别、标识构建值数据标签，在值数据标签上进一步建立值数据标签集。该标签集严格围绕主体建立和管理，如面向对象为建盏的值数据，可以构建：(1)十三道工序烧制阶段：原材料来源、种类、批号，器型，底部落款，焙烧温度，时间控制，出窑时间；(2)加工阶段：工匠信息介绍、陶瓷艺术品的包装样式；(3)运输阶段：艺术品流通信息；(4)交易阶段：陶瓷艺术品价格、购买渠道等，等值数据标签集。
76.所述的业务标签层，对业务的支撑数据进行分析，从值数据标签集中识别、提取与分析结果匹配的标签项，并将标签项进行归集管理，形成若干主体业务标签集合，用以支撑业务过程的流程映射。
77.在具体的一个实施例中，所述的安全维，用于将全生命周期数据进行安全分级；将全生命周期数据分为安全等级高、安全等级低。
78.在分级对照后得出：敏感度分级为1级、数据价值低、自定义安全等级为l1且隐私程度未公开，这部分信息包括烧制时间信息、加工信息、运输信息、交易信息。由于陶瓷的建盏烧制技艺信息列入非遗名录，且部分信息决定建盏的内在质量从而影响售卖价格，需运用哈希算法后再数据上链，再通过区块链证书以及区块id展示。因此，在分级对照后得出：敏感度分级为4级、数据价值高、自定义安全等级为l4且隐私程度为仅对自己可见，这部分信息包括烧制工艺、纹理图像标准库，如图2所示。
79.本实施例将每一批合格的陶瓷的全生命周期数据存入可信数据空间内，为区块链中的节点，作为溯源与鉴定依据。数据信息依附于产品不会变化，难以篡改，将陶瓷的全生命周期数据录入可信数据空间，将安全分级后，安全等级为l4的陶瓷溯源依据的哈希值以区块的形式分布存储在区块链上，进行数据上链，以及安全分级后，等级为l1的陶瓷基本信息上链并完全公开，而后形成区块链存证证明以及区块id，和以文字形成表示的陶瓷艺术品基本信息。因此，可信数据空间的标签数据及安全分级结合区块链更便于陶瓷生产、加工、流通、交易阶段的重现与溯源。
80.在具体的一个实施例中，将全生命周期数据上传至区块链，和对陶瓷进行溯源均通过共识机制实现。
81.所述的共识机制具体如下：
82.s101：节点a收到一个区块block，对区块block进行验证，验证完后，将区块block广播给节点a附近的节点；
83.s102：节点a向附近的节点传递inv(展示区块)消息，其中inv消息包含节点a验证过的区块的相关信息；
84.s103：节点b收到inv消息后，如果该节点之前没有接收过这个区块，则向节点a发送一个get消息，要求得到存证信息，以及区块的信息；
85.s104：当节点a收到get(请求哈希列表)消息后，节点a把区块block的信息发送给节点b；
86.s105：节点a发送完之后，继续寻找下一个区块；
87.基于以上的共识机制，如图3所示，每当一个节点添加新的区块数据时，其他节点
也会逐渐同步该区块信息，通过分布式的区块链保存每次上链的全生命周期数据；每个数据空间节点都通过区块链存储全生命周期数据，并且这些信息真实且无法篡改和删除。
88.在一个具体的实施例中，采用所述的加密哈希算法对数字存证信息(包含烧制阶段的原材料来源、种类、批号、焙烧温度、时间控制以及陶瓷的纹理图像标准库)进行加密，获取哈希值，并作为陶瓷的区块链存证id；
89.采用merkle树的组织形式来计算区块中的哈希值；通过求出每份陶瓷的数字存证信息的哈希值，形成第一级哈希；
90.再对第一级哈希中的每两个哈希之间拼接算出新哈希形成第二级哈希，以此类推，直到形成最顶层的哈希值，作为merkle根值，并将merkle根值作为最终的哈希值。
91.在陶瓷艺术品交易场景下，溯源与鉴定环节不仅可用于购买者，也可以解决销售商的售后问题，例如在通过线上平台销售陶瓷艺术品，遇到购买者退货时，可用于鉴定退货时收到的陶瓷产品是否与寄出产品一致，有效减少不法分子假冒生产与销售，使得陶瓷艺术品交易市场更加规范化。
92.在镜头分辨率较高，光线不造成严重反光的前提要求下，将手机摄像头对准陶瓷纹理进行扫描或拍摄，上传至相应的手机软件，与采集得到的纹理图像标准库进行比对与匹配，若识别后未匹配对应陶瓷信息，说明该陶瓷信息未录入系统，该陶瓷艺术品存在交易风险；若识别并匹配相应陶瓷，则获取该陶瓷艺术品对应的基本信息与区块链存证证明。
93.实施例2
94.在实施例1的基础上，本实施例对具体采集陶瓷的纹理图像，构造陶瓷本身具有唯一性的纹理图像标准库，以及对通过卷积神经网络对获取待测陶瓷的纹理图像进行识别与对比完成对陶瓷的鉴定过程。
95.本实施例采用图像采集设备采集陶瓷的纹理图像，纹理图像的采集运用全方位的采集设备(如图4)与尼康(nikon 24-70/4s)相机。在强光灯箱中，摄像头进行陶瓷纹理图像的采集时，由于光照的角度不同，陶瓷的釉面易发生反光或纹理颜色变化。因此针对不同纹理与釉面的陶瓷和拍摄角度选用不同等级的感光度，例如陶瓷四周由于灯箱充分照射，光线足够，感光度可以选择iso100；而拍摄陶瓷内壁时光线不够充足，感光度需要调至iso100-1600。相机参数为：分辨率300dpi，图片宽度为6048像素、高度为4024像素。图5与图6分别为陶瓷的整体纹理图像与细节纹理图像。
96.所述的纹理图像采集，为构造陶瓷本身具有唯一性的纹理图像标准库，满足后续纹理图像识别需要，每一份合格的陶瓷产品在出厂交易前，即陶瓷出窑时，通过摄像头进行全景纹理图像采集，采用jpg格式进行存储，录入陶瓷的纹理图像标准库。
97.在一个具体的实施例中，通过卷积神经网络对获取待测陶瓷的纹理图像进行识别与对比完成对陶瓷的鉴定，具体如下：
98.s201：先采用中值滤波法对获取到的纹理图像进行去噪处理；把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。
99.s202：对去噪处理后的纹理图像进行特征提取，具体采用统计分析法中的灰度共生矩阵法，通过纹理图像的灰度共生矩阵中提取纹理的参数值；
100.s203：将提取纹理的参数值输入训练好的卷积神经网络进行图像纹理识别。
101.在一个具体的实施例中，步骤s202，具体如下：
102.首先设纹理图像的灰度级为g，大小是m
×
n，扫描方向为θ，像素之间的距离为d，则glcm的每个元素表示为p(i,j|θ,d)，表示图像空间中一直沿着θ方向扫描，一对灰度级为i和j的像素对在距离d中出现的频率个数；
103.设纹理图像中两个像素点为(x,y)和(x a,y b)，并设这两个像素点之间的灰度值为(g1,g2)，则在(x,y)扫描的过程中，产生若干个灰度值为(g1,g2)；再对若干个灰度值为(g1,g2)中(g,g)出现次数的频率进行统计，填入灰度共生矩阵中。
104.本实施例θ选取4个代表性方向，即0
°
、45
°
、90
°
、135
°
。
105.当a＝
±
d，b＝0，θ＝0
°
时，数学公式表示为：
106.p(i,j|0
°
,d)＝#{[(x,y),(x d,y)],[(x,y),(x-d,y)]}
[0107]
当a＝0，b＝
±
0，θ＝45
°
时，数学公式表示为：
[0108]
p(i,j|45
°
,d)＝#{[(x,y),(x d,y d)],[(x-d,y-d)]}
[0109]
当a＝d，b＝d或者a＝-d,b＝-d,θ＝90
°
时，数学公式表示为：
[0110]
p(i,j|90
°
,d)＝#{[(x,y),(x,y d)],[(x,y),(x,y-d)]}
[0111]
当a＝d，b＝-d或者a＝-d,b＝d,θ＝135
°
时，数学公式表示为：
[0112]
p(i,j|135
°
,d)＝#{[(x,y),(x d,y-d)],[(x-d,y d)]}
[0113]
式中，#代表像素的个数。
[0114]
由于陶瓷的纹理图像较细腻，d的取值较小，使灰度共生矩阵中较大的值分布均匀，有益于纹理特征的提取。
[0115]
纹理特征的提取可选用能量特征(asm)、对比度(con)、局部平稳性(idm)、相关性(cor)四种参数。
[0116]
在采用卷积神经网络识别之前，先通过多次学习率、激励函数、卷积核大小和个数、池化大小、池化方式等对卷积神经网络的参数进行调优，提高纹理图像识别的准确度，使网络更准确地进行陶瓷纹理图像的溯源与鉴定。
[0117]
实施例3
[0118]
一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时，实现方法的步骤如下：
[0119]
采集陶瓷的纹理图像，构造陶瓷本身具有唯一性的纹理图像标准库；
[0120]
将陶瓷的烧制工艺信息、烧制时间信息、加工信息、运输信息、交易信息、纹理图像标准库作为其全生命周期数据；
[0121]
将全生命周期数据保存在可信数据空间内并进行安全分级；
[0122]
将安全等级高的烧制工艺、纹理图像标准库作为数字存证信息，采用哈希算法进行加密，并以区块的形式分布存储在区块链上；
[0123]
将安全等级低的烧制时间信息、加工信息、运输信息、交易信息作为可公开基本信息直接以区块的形式上传至区块链；
[0124]
分布式的区块链通过广播机制更新每一份陶瓷上链的数字存证信息以及可公开基本信息；
[0125]
通过获取数字存证信息以及可公开基本信息完成对陶瓷的溯源；
[0126]
通过卷积神经网络对获取待测陶瓷的纹理图像进行识别与对比完成对陶瓷的鉴
定。
[0127]
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。