团队近期成果--基于轻量级卷积神经网络的钙钛矿荧光防伪标签快速准确识别技术
我们团队在国际期刊《ACS Applied Materials & Interfaces》(IF:8.3，中科院二区)上发表论文“Fast and Accurate Recognition of Perovskite Fluorescent Anti-Counterfeiting Labels Based on Lightweight Convolutional Neural Networks”。该论文上海大学计算机工程与科学学院为第一单位，韩越兴为第一作者，包胜奇为第二作者，石博日为第三作者，陈侨川为通讯作者。
防伪技术一直是信息安全领域的关键问题。物理不可克隆函数（PUF）标签是由随机过程生成的随机图案，因其物理图案的固有随机性而成为一种有效的防伪策略。本研究开发了一种基于表面张力约束的高通量液滴阵列生成技术，用于制备具有可控形状和尺寸的钙钛矿晶体薄膜。通过利用钙钛矿纳米晶粒子的随机分布来构建PUF标签的纹理。与其他防伪标签相比，本研究的标签不仅具有荧光特性，还具有微米级尺寸、低成本和高编码容量，为多级防伪保护提供支持。此外，本研究引入了一种基于部分卷积网络（PaCoNet）的创新PUF识别方法，有效解决了之前方法在识别精度和速度方面的局限性。对包含多达60种不同宏观形状和独特微观纹理的钙钛矿纳米晶体薄膜数据集的实验验证表明，本研究的方法实现了高达99.65%的识别精度，并将每张图像的识别时间显著缩短至仅0.177秒，突显了这些标签在防伪领域的潜在应用。
