地址100195北京市海淀區(qū)杏石口路甲18號(hào)(72)發(fā)明人張志達(dá)毛翔宇王維佳龔晨蔡書(shū)成鄧鋼唐燕飛有限公司11614GO6V20/62(2022.01)GO6N3/045(2023.01)GO6N3/094(2023.GO6N3/096(2023.01).2021,第21卷(第7期),67-70.本發(fā)明公開(kāi)一種基于人工智能的證件質(zhì)檢未全部通過(guò)上述三項(xiàng)檢測(cè)的證件輸送至質(zhì)檢不模塊2發(fā)證及翻頁(yè)模塊，用于將待質(zhì)檢的卡式證件輸送至信息采集區(qū)，以及對(duì)待質(zhì)檢的本式證件進(jìn)行翻頁(yè)并輸送至所述信息采集區(qū)；拍照模塊，用于獲取所述信息采集區(qū)內(nèi)的證件的圖像；芯片讀取模塊，用于獲取所述信息采集區(qū)內(nèi)的證件的芯片信息；打印信息識(shí)別模塊，用于基于獲取的證件圖像獲取所述證件的打印信息，所述打印信息包括文字信息和生物特征信息；條碼識(shí)別模塊，用于基于獲取的證件圖像獲取所述證件的條碼信息；信息比對(duì)模塊，用于對(duì)所述芯片信息、所述打印信息和所述條碼信息進(jìn)行三者一致性檢測(cè)；打印質(zhì)量檢測(cè)模塊，用于基于獲取的證件圖像對(duì)通過(guò)所述三者一致性檢測(cè)的證件進(jìn)行打印質(zhì)量檢測(cè)；覆膜質(zhì)量檢測(cè)模塊，用于基于獲取的證件圖像對(duì)通過(guò)所述打印質(zhì)量檢測(cè)的證件進(jìn)行覆膜質(zhì)量檢測(cè)；收證模塊，用于將未通過(guò)所述三者一致性檢測(cè)、所述打印質(zhì)量檢測(cè)或者所述覆膜質(zhì)量檢測(cè)的證件輸送至質(zhì)檢不合格區(qū)，以及將通過(guò)所述覆膜質(zhì)量檢測(cè)并無(wú)需進(jìn)行下一步信息比對(duì)的證件輸送至質(zhì)檢合格區(qū)；所述打印信息識(shí)別模塊、所述條碼識(shí)別模塊、所述信息比對(duì)模塊、所述打印質(zhì)量檢測(cè)模塊和所述覆膜質(zhì)量檢測(cè)模塊共同基于邊緣計(jì)算設(shè)備實(shí)現(xiàn)；所述邊緣計(jì)算設(shè)備基于預(yù)定的第一證件質(zhì)量檢測(cè)方法實(shí)現(xiàn)所述打印質(zhì)量檢測(cè)和所述覆膜質(zhì)量檢測(cè)；所述第一證件質(zhì)量檢測(cè)方法包括：基于預(yù)構(gòu)建的圖像方向檢測(cè)模型檢測(cè)輸入的目標(biāo)證件圖像的方向是否為正，若否，將所述目標(biāo)證件圖像的方向調(diào)正；對(duì)方向?yàn)檎哪繕?biāo)證件圖像進(jìn)行OCR識(shí)別，以獲取目標(biāo)文字的實(shí)際位置信息；根據(jù)所述目標(biāo)文字的實(shí)際位置信息與預(yù)獲取的所述目標(biāo)文字的標(biāo)準(zhǔn)位置信息獲取所述目標(biāo)文字的打印偏移量；若所述目標(biāo)文字的打印偏移量超出預(yù)定的打印偏移量閾值，則判斷目標(biāo)證件未通過(guò)打印位置偏移檢測(cè)；基于預(yù)構(gòu)建的圖像語(yǔ)義分割模型檢測(cè)輸入的通過(guò)所述打印位置偏移檢測(cè)的目標(biāo)證件圖像是否包含黑邊或雜質(zhì)，若是，則判斷所述目標(biāo)證件未通過(guò)黑邊及雜質(zhì)檢測(cè)；基于預(yù)構(gòu)建的遷移分類(lèi)模型檢測(cè)輸入的通過(guò)所述黑邊及雜質(zhì)檢測(cè)的目標(biāo)證件圖像是否存在文字和人像轉(zhuǎn)印不全、覆膜不全或打印重影的問(wèn)題，若是，則判斷所述目標(biāo)證件未通過(guò)文字和人像轉(zhuǎn)印不全、覆膜不全及打印重影檢測(cè)；基于預(yù)構(gòu)建的目標(biāo)檢測(cè)網(wǎng)絡(luò)模型檢測(cè)輸入的通過(guò)所述文字和人像轉(zhuǎn)印不全、覆膜不全及打印重影檢測(cè)的目標(biāo)證件圖像是否存在紅條、色斑或色點(diǎn)，若是，則判斷所述目標(biāo)證件未將未通過(guò)所述紅條、色斑及色點(diǎn)檢測(cè)的目標(biāo)證件標(biāo)記為質(zhì)檢不合格，將通過(guò)所述紅條、色斑及色點(diǎn)檢測(cè)的目標(biāo)證件標(biāo)記為質(zhì)檢合格。2.根據(jù)權(quán)利要求1所述的基于人工智能的證件質(zhì)檢系統(tǒng)，其特征在于，所述拍照模塊包3第一相機(jī)模塊，用于分別在所述白光光源、所述紫外光源和第二相機(jī)模塊，用于分別在所述白光光源、所述紫外光源和證件回退模塊，用于將通過(guò)所述覆膜質(zhì)量檢測(cè)的本式護(hù)照回退至所述發(fā)證及翻頁(yè)模所述發(fā)證及翻頁(yè)模塊還用于將回退的本式護(hù)照從個(gè)人資料頁(yè)翻至簽證頁(yè)，并將所述本所述信息比對(duì)模塊還用于對(duì)所述簽證頁(yè)打印信息以及在先獲取的所述本式護(hù)照的芯所述收證模塊還用于將未通過(guò)所述四者一致性檢測(cè)的本式護(hù)照輸送至所述質(zhì)檢不合根據(jù)提取到的所述標(biāo)準(zhǔn)打印圖像的特征點(diǎn)和所述目標(biāo)證件圖像的特征點(diǎn)進(jìn)行特征匹若檢測(cè)到的相似度高于預(yù)定相似度閾值且計(jì)算出的缺陷面積小于預(yù)定的缺陷面積閾編碼器GE(x),用于基于輸入的目標(biāo)證件圖像獲取解碼器GD(z),用于基于輸入的所述特征向量z和目標(biāo)證件的芯片信息獲取重構(gòu)證件圖編碼器GE(x'),用于基于輸入的重構(gòu)證件圖像獲取特征向量z';若所述特征向量z與所述特征向量z'的向量差超出預(yù)定的向量差閾值，則判斷所述目4標(biāo)證件未通過(guò)所述打印質(zhì)量檢測(cè)。6.根據(jù)權(quán)利要求1所述的基于人工智能的證件質(zhì)檢系統(tǒng)，其特征在于，所述邊緣計(jì)算設(shè)備還基于預(yù)定的第四證件質(zhì)量檢測(cè)方法實(shí)現(xiàn)所述打印質(zhì)量檢測(cè)；所述第四證件質(zhì)量檢測(cè)方法基于預(yù)構(gòu)建的改進(jìn)生成對(duì)抗網(wǎng)絡(luò)模型實(shí)現(xiàn)；所述改進(jìn)生成對(duì)抗網(wǎng)絡(luò)模型基于數(shù)據(jù)增強(qiáng)的方式進(jìn)行訓(xùn)練，所述改進(jìn)生成對(duì)抗網(wǎng)絡(luò)模型包括：重構(gòu)子網(wǎng)絡(luò)，用于將輸入的目標(biāo)證件圖像重構(gòu)為無(wú)異常證件圖像；判別子網(wǎng)絡(luò)，用于獲取所述目標(biāo)證件圖像與所述無(wú)異常證件圖像的差異，并基于該差異判斷所述目標(biāo)證件圖像是否通過(guò)所述打印質(zhì)量檢測(cè)。7.一種基于人工智能的證件質(zhì)檢方法，其特征在于，基于權(quán)利要求1所述的證件質(zhì)檢系統(tǒng)實(shí)現(xiàn)；所述證件質(zhì)檢方法包括：將待質(zhì)檢的卡式證件輸送至信息采集區(qū)，或者對(duì)待質(zhì)檢的本式證件進(jìn)行翻頁(yè)并輸送至所述信息采集區(qū)；獲取所述信息采集區(qū)內(nèi)的證件的圖像；獲取所述信息采集區(qū)內(nèi)的證件的芯片信息；基于獲取的證件圖像獲取所述證件的打印信息和條碼信息，所述打印信息包括文字信息和生物特征信息；對(duì)所述芯片信息、所述打印信息和所述條碼信息進(jìn)行三者一致性檢測(cè)；基于獲取的證件圖像對(duì)通過(guò)所述三者一致性檢測(cè)的證件進(jìn)行打印質(zhì)量檢測(cè)；基于獲取的證件圖像對(duì)通過(guò)所述打印質(zhì)量檢測(cè)的證件進(jìn)行覆膜質(zhì)量檢測(cè)；將未通過(guò)所述三者一致性檢測(cè)、所述打印質(zhì)量檢測(cè)或者所述覆膜質(zhì)量檢測(cè)的證件輸送至質(zhì)檢不合格區(qū)，以及將通過(guò)所述覆膜質(zhì)量檢測(cè)并無(wú)需進(jìn)行下一步信息比對(duì)的證件輸送至質(zhì)檢合格區(qū)。8.根據(jù)權(quán)利要求7所述的基于人工智能的證件質(zhì)檢方法，其特征在于，當(dāng)所述本式證件為本式護(hù)照時(shí)，在所述基于獲取的證件圖像對(duì)通過(guò)所述打印質(zhì)量檢測(cè)的證件進(jìn)行覆膜質(zhì)量將通過(guò)所述覆膜質(zhì)量檢測(cè)的本式護(hù)照回退；將回退的本式護(hù)照從個(gè)人資料頁(yè)翻至簽證頁(yè)，并將所述本式護(hù)照重新輸送至所述信息采集區(qū)；獲取所述信息采集區(qū)內(nèi)的本式護(hù)照的簽證頁(yè)圖像；基于獲取的簽證頁(yè)圖像獲取簽證頁(yè)打印信息；對(duì)所述簽證頁(yè)打印信息以及在先獲取的所述本式護(hù)照的芯片信息、個(gè)人資料頁(yè)打印信將未通過(guò)所述四者一致性檢測(cè)的本式護(hù)照輸送至所述質(zhì)檢不合格區(qū)，以及將通過(guò)所述四者一致性檢測(cè)的本式護(hù)照輸送至所述質(zhì)檢合格區(qū)。5一種基于人工智能的證件質(zhì)檢系統(tǒng)及方法技術(shù)領(lǐng)域[0001]本發(fā)明屬于證件質(zhì)檢領(lǐng)域，更具體地，涉及一種基于人工智能的證件質(zhì)檢系統(tǒng)及方法。背景技術(shù)[0002]現(xiàn)有的證件質(zhì)檢主要包括信息比對(duì)和打印覆膜質(zhì)量檢測(cè)兩個(gè)環(huán)節(jié)。對(duì)于信息比對(duì)環(huán)節(jié)，需要人工將護(hù)照放到護(hù)照閱讀機(jī)以及將證卡放到讀寫(xiě)器上，這種方式每次只能獲取一張證件的相關(guān)信息，最關(guān)鍵的信息比對(duì)工作需要通過(guò)人工來(lái)實(shí)現(xiàn)，且在完成信息比對(duì)后需要人工換卡，效率較低。對(duì)于打印覆膜質(zhì)量檢測(cè)環(huán)節(jié)，依然采用的是人工質(zhì)檢的方式，易受到人為疲勞的影響，易出錯(cuò)。總地來(lái)說(shuō)，現(xiàn)有證件質(zhì)檢所涉及的信息比對(duì)和打印覆膜質(zhì)量檢測(cè)均基于人工的方式完成，不僅效率低，而且可靠度低。發(fā)明內(nèi)容[0003]本發(fā)明的目的在于解決現(xiàn)有基于人工的證件質(zhì)檢方式效率低、準(zhǔn)確率低的問(wèn)題。[0004]為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于人工智能的證件質(zhì)檢系統(tǒng)及方法。[0005]根據(jù)本發(fā)明的第一方面，提供了一種基于人工智能的證件質(zhì)檢系統(tǒng)，該系統(tǒng)包括以下功能模塊：[0006]發(fā)證及翻頁(yè)模塊，用于將待質(zhì)檢的卡式證件輸送至信息采集區(qū)，以及對(duì)待質(zhì)檢的本式證件進(jìn)行翻頁(yè)并輸送至所述信息采集區(qū)；[0007]拍照模塊，用于獲取所述信息采集區(qū)內(nèi)[0008]芯片讀取模塊，用于獲取所述信息采集區(qū)內(nèi)的證件的芯片信息；[0009]打印信息識(shí)別模塊，用于基于獲取的證件圖像獲取所述證件的打印信息，所述打印信息包括文字信息和生物特征信息；[0010]條碼識(shí)別模塊，用于基于獲取的證件圖像獲取所述證件的條碼信息；[0011]信息比對(duì)模塊，用于對(duì)所述芯片信息、所述打印信息和所述條碼信息進(jìn)行三者一致性檢測(cè)；[0012]打印質(zhì)量檢測(cè)模塊，用于基于獲取的證件圖像對(duì)通過(guò)所述三者一致性檢測(cè)的證件進(jìn)行打印質(zhì)量檢測(cè)；[0013]覆膜質(zhì)量檢測(cè)模塊，用于基于獲取的證件圖像對(duì)通過(guò)所述打印質(zhì)量檢測(cè)的證件進(jìn)行覆膜質(zhì)量檢測(cè)；[0014]收證模塊，用于將未通過(guò)所述三者一致性檢測(cè)、所述打印質(zhì)量檢測(cè)或者所述覆膜質(zhì)量檢測(cè)的證件輸送至質(zhì)檢不合格區(qū)，以及將通過(guò)所述覆膜質(zhì)量檢測(cè)并無(wú)需進(jìn)行下一步信息比對(duì)的證件輸送至質(zhì)檢合格區(qū)。6[0018]第一相機(jī)模塊，用于分別在所述白光光源、所述紫外光源和所述紅外光源下從下方對(duì)處于預(yù)定的旋轉(zhuǎn)角度的證件進(jìn)行拍照；[0019]第二相機(jī)模塊，用于分別在所述白光光源、所述紫外光源和所述紅外光源下從上方對(duì)處于預(yù)定的旋轉(zhuǎn)角度的證件進(jìn)行拍照。[0020]作為優(yōu)選的是，在通過(guò)所述覆膜質(zhì)量檢測(cè)后，需要進(jìn)行下一步信息比對(duì)的證件為本式護(hù)照；[0021]所述證件質(zhì)檢系統(tǒng)還包括：[0022]證件回退模塊，用于將通過(guò)所述覆膜質(zhì)量檢測(cè)的本式護(hù)照回退至所述發(fā)證及翻頁(yè)[0023]所述發(fā)證及翻頁(yè)模塊還用于將回退的本式護(hù)照從個(gè)人資料頁(yè)翻至簽證頁(yè)，并將所述本式護(hù)照重新輸送至所述信息采集區(qū)；[0024]所述拍照模塊還用于獲取所述信息采集區(qū)內(nèi)的本式護(hù)照的簽證頁(yè)圖像；[0025]所述打印信息識(shí)別模塊還用于基于獲取的簽證頁(yè)圖像獲取簽證頁(yè)打印信息；[0026]所述信息比對(duì)模塊還用于對(duì)所述簽證頁(yè)打印信息以及在先獲取的所述本式護(hù)照的芯片信息、個(gè)人資料頁(yè)打印信息、條碼信息進(jìn)行四者一致性檢測(cè)；[0027]所述收證模塊還用于將未通過(guò)所述四者一致性檢測(cè)的本式護(hù)照輸送至所述質(zhì)檢不合格區(qū)，以及將通過(guò)所述四者一致性檢測(cè)的本式護(hù)照輸送至所述質(zhì)檢合格區(qū)。[0028]作為優(yōu)選的是，所述打印信息識(shí)別模塊、所述條碼識(shí)別模塊、所述信息比對(duì)模塊、所述打印質(zhì)量檢測(cè)模塊和所述覆膜質(zhì)量檢測(cè)模塊共同基于邊緣計(jì)算設(shè)備實(shí)現(xiàn)。[0029]作為優(yōu)選的是，所述邊緣計(jì)算設(shè)備基于預(yù)定的第一證件質(zhì)量檢測(cè)方法實(shí)現(xiàn)所述打印質(zhì)量檢測(cè)和所述覆膜質(zhì)量檢測(cè)；[0030]所述第一證件質(zhì)量檢測(cè)方法包括：[0031]基于預(yù)構(gòu)建的圖像方向檢測(cè)模型檢測(cè)輸入的目標(biāo)證件圖像的方向是否為正，若[0032]對(duì)方向?yàn)檎哪繕?biāo)證件圖像進(jìn)行OCR識(shí)別，以獲取目標(biāo)文字的實(shí)際位置信息；[0033]根據(jù)所述目標(biāo)文字的實(shí)際位置信息與預(yù)獲取的所述目標(biāo)文字的標(biāo)準(zhǔn)位置信息獲取所述目標(biāo)文字的打印偏移量；[0034]若所述目標(biāo)文字的打印偏移量超出預(yù)定的打印偏移量閾值，則判斷目標(biāo)證件未通過(guò)打印位置偏移檢測(cè)；[0035]基于預(yù)構(gòu)建的圖像語(yǔ)義分割模型檢測(cè)輸入的通過(guò)所述打印位置偏移檢測(cè)的目標(biāo)證件圖像是否包含黑邊或雜質(zhì)，若是，則判斷所述目標(biāo)證件未通過(guò)黑邊及雜質(zhì)檢測(cè)；[0036]基于預(yù)構(gòu)建的遷移分類(lèi)模型檢測(cè)輸入的通過(guò)所述黑邊及雜質(zhì)檢測(cè)的目標(biāo)證件圖像是否存在文字和人像轉(zhuǎn)印不全、覆膜不全或打印重影的問(wèn)題，若是，則判斷所述目標(biāo)證件未通過(guò)文字和人像轉(zhuǎn)印不全、覆膜不全及打印重影檢測(cè)；[0037]基于預(yù)構(gòu)建的目標(biāo)檢測(cè)網(wǎng)絡(luò)模型檢測(cè)輸入的通過(guò)所述文字和人像轉(zhuǎn)印不全、覆膜不全及打印重影檢測(cè)的目標(biāo)證件圖像是否存在紅條、色斑或色點(diǎn)，若是，則判斷所述目標(biāo)證[0038]將未通過(guò)所述紅條、色斑及色點(diǎn)檢測(cè)的目標(biāo)證件標(biāo)記為質(zhì)檢不合格，將通過(guò)所述紅條、色斑及色點(diǎn)檢測(cè)的目標(biāo)證件標(biāo)記為質(zhì)檢合格。7[0039]作為優(yōu)選的是，所述邊緣計(jì)算設(shè)備基于預(yù)定的第二證件質(zhì)量檢測(cè)方法實(shí)現(xiàn)所述打印質(zhì)量檢測(cè)，所述第二證件質(zhì)量檢測(cè)方法包括：[0040]獲取目標(biāo)證件圖像對(duì)應(yīng)的標(biāo)準(zhǔn)打印圖像；[0041]對(duì)所述標(biāo)準(zhǔn)打印圖像和所述目標(biāo)證件圖像進(jìn)行預(yù)處理及特征點(diǎn)提??；[0042]根據(jù)提取到的所述標(biāo)準(zhǔn)打印圖像的特征點(diǎn)和所述目標(biāo)證件圖像的特征點(diǎn)進(jìn)行特征匹配，得到所述標(biāo)準(zhǔn)打印圖像與所述目標(biāo)證件圖像的形態(tài)學(xué)相減結(jié)果；[0043]對(duì)所述形態(tài)學(xué)相減結(jié)果進(jìn)行相似度檢測(cè)和缺陷面積計(jì)算；[0044]若檢測(cè)到的相似度高于預(yù)定相似度閾值且計(jì)算出的缺陷面積小于預(yù)定的缺陷面積閾值，則判斷目標(biāo)證件通過(guò)所述打印質(zhì)量檢測(cè)。[0045]作為優(yōu)選的是，所述邊緣計(jì)算設(shè)備基于預(yù)定的第三證件質(zhì)量檢測(cè)方法實(shí)現(xiàn)所述打印質(zhì)量檢測(cè)；[0046]所述第三證件質(zhì)量檢測(cè)方法基于預(yù)構(gòu)建的生成對(duì)抗網(wǎng)絡(luò)模型實(shí)現(xiàn)；[0047]所述生成對(duì)抗網(wǎng)絡(luò)模型包括：[0048]編碼器GE(x),用于基于輸入的目標(biāo)證件圖像獲取特征向量z;[0049]解碼器GD(z),用于基于輸入的所述特征向量z和目標(biāo)證件的芯片信息獲取重構(gòu)證件圖像；[0050]編碼器GE(x'),用于基于輸入的重構(gòu)證件圖像獲取特征向量z’;[0051]若所述特征向量z與所述特征向量z’的向量差超出預(yù)定的向量差閾值，則判斷所述目標(biāo)證件未通過(guò)所述打印質(zhì)量檢測(cè)。[0052]作為優(yōu)選的是，所述邊緣計(jì)算設(shè)備基于預(yù)定的第四證件質(zhì)量檢測(cè)方法實(shí)現(xiàn)所述打印質(zhì)量檢測(cè)；[0053]所述第四證件質(zhì)量檢測(cè)方法基于預(yù)構(gòu)建的改進(jìn)生成對(duì)抗網(wǎng)絡(luò)模型實(shí)現(xiàn)；[0054]所述改進(jìn)生成對(duì)抗網(wǎng)絡(luò)模型基于數(shù)據(jù)增強(qiáng)的方式進(jìn)行訓(xùn)練，所述改進(jìn)生成對(duì)抗網(wǎng)絡(luò)模型包括：[0055]重構(gòu)子網(wǎng)絡(luò)，用于將輸入的目標(biāo)證件圖像重構(gòu)為無(wú)異常證件圖像；[0056]判別子網(wǎng)絡(luò)，用于獲取所述目標(biāo)證件圖像與所述無(wú)異常證件圖像的差異，并基于該差異判斷所述目標(biāo)證件圖像是否通過(guò)所述打印質(zhì)量檢測(cè)。[0057]根據(jù)本發(fā)明的第二方面，提供了一種基于人工智能的證件質(zhì)檢方法，該方法基于上述基于人工智能的證件質(zhì)檢系統(tǒng)實(shí)現(xiàn)，該方法包括以下步驟：[0058]將待質(zhì)檢的卡式證件輸送至信息采集區(qū)，或者對(duì)待質(zhì)檢的本式證件進(jìn)行翻頁(yè)并輸送至所述信息采集區(qū)；[0059]獲取所述信息采集區(qū)內(nèi)的證件的圖像；[0060]獲取所述信息采集區(qū)內(nèi)的證件的芯片信息；[0061]基于獲取的證件圖像獲取所述證件的打印信息和條碼信息，所述打印信息包括文字信息和生物特征信息；[0062]對(duì)所述芯片信息、所述打印信息和所述條碼信息進(jìn)行三者一致性檢測(cè)；[0063]基于獲取的證件圖像對(duì)通過(guò)所述三者一致性檢測(cè)的證件進(jìn)行打印質(zhì)量檢測(cè)；[0064]基于獲取的證件圖像對(duì)通過(guò)所述打印質(zhì)量檢測(cè)的證件進(jìn)行覆膜質(zhì)量檢測(cè)；[0065]將未通過(guò)所述三者一致性檢測(cè)、所述打印質(zhì)量檢測(cè)或者所述覆膜質(zhì)量檢測(cè)的證件8輸送至質(zhì)檢不合格區(qū)，以及將通過(guò)所述覆膜質(zhì)量檢測(cè)并無(wú)需進(jìn)行下一步信息比對(duì)的證件輸送至質(zhì)檢合格區(qū)。[0066]作為優(yōu)選的是，當(dāng)所述本式證件為本式護(hù)照時(shí)，在所述基于獲取的證件圖像對(duì)通過(guò)所述打印質(zhì)量檢測(cè)的證件進(jìn)行覆膜質(zhì)量檢測(cè)之后，還包括：[0067]將通過(guò)所述覆膜質(zhì)量檢測(cè)的本式護(hù)照回退；[0068]將回退的本式護(hù)照從個(gè)人資料頁(yè)翻至簽證頁(yè)，并將所述本式護(hù)照重新輸送至所述信息采集區(qū)；[0069]獲取所述信息采集區(qū)內(nèi)的本式護(hù)照的簽證頁(yè)圖像；[0070]基于獲取的簽證頁(yè)圖像獲取簽證頁(yè)打印信息；[0071]對(duì)所述簽證頁(yè)打印信息以及在先獲取的所述本式護(hù)照的芯片信息、個(gè)人資料頁(yè)打印信息、條碼信息進(jìn)行四者一致性檢測(cè)；[0072]將未通過(guò)所述四者一致性檢測(cè)的本式護(hù)照輸送至所述質(zhì)檢不合格區(qū)，以及將通過(guò)所述四者一致性檢測(cè)的本式護(hù)照輸送至所述質(zhì)檢合格區(qū)。[0073]本發(fā)明的有益效果在于：[0074]本發(fā)明的基于人工智能的證件質(zhì)檢系統(tǒng)，通過(guò)發(fā)證及翻頁(yè)模塊將待質(zhì)檢的卡式證件輸送至信息采集區(qū)，以及對(duì)待質(zhì)檢的本式證件進(jìn)行翻頁(yè)并輸送至所述信息采集區(qū)；通過(guò)拍照模塊獲取所述信息采集區(qū)內(nèi)的證件的圖像；通過(guò)芯片讀取模塊獲取所述信息采集區(qū)內(nèi)的證件的芯片信息；通過(guò)打印信息識(shí)別模塊基于獲取的證件圖像獲取所述證件的打印信息；通過(guò)條碼識(shí)別模塊基于獲取的證件圖像獲取所述證件的條碼信息；通過(guò)信息比對(duì)模塊對(duì)所述芯片信息、所述打印信息和所述條碼信息進(jìn)行三者一致性檢測(cè)；通過(guò)打印質(zhì)量檢測(cè)模塊基于獲取的證件圖像對(duì)通過(guò)所述三者一致性檢測(cè)的證件進(jìn)行打印質(zhì)量檢測(cè)；通過(guò)覆膜質(zhì)量檢測(cè)模塊基于獲取的證件圖像對(duì)通過(guò)所述打印質(zhì)量檢測(cè)的證件進(jìn)行覆膜質(zhì)量檢測(cè)；通過(guò)收證模塊將未通過(guò)所述三者一致性檢測(cè)、所述打印質(zhì)量檢測(cè)或者所述覆膜質(zhì)量檢測(cè)的證件輸送至質(zhì)檢不合格區(qū)，以及將通過(guò)所述覆膜質(zhì)量檢測(cè)并無(wú)需進(jìn)行下一步信息比對(duì)的證件輸送至質(zhì)檢合格區(qū)。其中，打印信息識(shí)別模塊、打印質(zhì)量檢測(cè)模塊和覆膜質(zhì)量檢測(cè)模塊均基于人工智能技術(shù)實(shí)現(xiàn)。[0075]根據(jù)以上內(nèi)容可知，采用本發(fā)明的基于人工智能的證件質(zhì)檢系統(tǒng)，能夠?qū)崿F(xiàn)信息比對(duì)環(huán)節(jié)和打印覆膜質(zhì)量檢測(cè)環(huán)節(jié)的完全自動(dòng)化，解放了人力，不僅具有更高的效率，而且[0076]本發(fā)明的基于人工智能的證件質(zhì)檢方法與上述基于人工智能的證件質(zhì)檢系統(tǒng)屬于一個(gè)總的發(fā)明構(gòu)思，故與上述基于人工智能的證件質(zhì)檢系統(tǒng)具有相同的有益效果，在此不再一一贅述。[0077]本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后具體實(shí)施方式部分予以詳細(xì)說(shuō)明。附圖說(shuō)明[0078]通過(guò)結(jié)合附圖對(duì)本發(fā)明示例性實(shí)施方式進(jìn)行更詳細(xì)的描述，本發(fā)明的上述以及其它目的、特征和優(yōu)勢(shì)將變得更加明顯，其中，在本發(fā)明示例性實(shí)施方式中，相同的參考標(biāo)號(hào)通常代表相同部件。[0079]圖1示出了根據(jù)本發(fā)明的實(shí)施例的一種基于人工智能的證件質(zhì)檢系統(tǒng)的結(jié)構(gòu)框9[0080]圖2示出了根據(jù)本發(fā)明的實(shí)施例的基于人工智能的證件質(zhì)檢方法的實(shí)現(xiàn)流程圖；[0081]圖3示出了根據(jù)本發(fā)明的實(shí)施例的另一種基于人工智能的證件質(zhì)檢系統(tǒng)的系統(tǒng)構(gòu)具體實(shí)施方式[0082]下面將更詳細(xì)地描述本發(fā)明的優(yōu)選實(shí)施方式。雖然以下描述了本發(fā)明的優(yōu)選實(shí)施方式，然而應(yīng)該理解，可以以各種形式實(shí)現(xiàn)本發(fā)明而不應(yīng)被這里闡述的實(shí)施方式所限制。相反，提供這些實(shí)施方式是為了使本發(fā)明更加透徹和完整，并且能夠?qū)⒈景l(fā)明的范圍完整地傳達(dá)給本領(lǐng)域的技術(shù)人員。[0083]實(shí)施例：圖1示出了本發(fā)明實(shí)施例的基于人工智能的證件質(zhì)檢系統(tǒng)的結(jié)構(gòu)框圖。參照?qǐng)D1,本發(fā)明實(shí)施例的基于人工智能的證件質(zhì)檢系統(tǒng)包括以下功能模塊：[0084]發(fā)證及翻頁(yè)模塊，用于將待質(zhì)檢的卡式證件輸送至信息采集區(qū)，以及對(duì)待質(zhì)檢的本式證件進(jìn)行翻頁(yè)并輸送至所述信息采集區(qū)；[0085]拍照模塊，用于獲取所述信息采集區(qū)內(nèi)[0086]芯片讀取模塊，用于獲取所述信息采集區(qū)內(nèi)的證件的芯片信息；[0087]打印信息識(shí)別模塊，用于基于獲取的證件圖像獲取所述證件的打印信息，所述打印信息包括文字信息和生物特征信息，生物特征信息包括人像信息和指紋信息；[0088]條碼識(shí)別模塊，用于基于獲取的證件圖像獲取所述證件的條碼信息；[0089]信息比對(duì)模塊，用于對(duì)所述芯片信息、所述打印信息和所述條碼信息進(jìn)行三者一致性檢測(cè)；[0090]打印質(zhì)量檢測(cè)模塊，用于基于獲取的證件圖像對(duì)通過(guò)所述三者一致性檢測(cè)的證件進(jìn)行打印質(zhì)量檢測(cè)；[0091]覆膜質(zhì)量檢測(cè)模塊，用于基于獲取的證件圖像對(duì)通過(guò)所述打印質(zhì)量檢測(cè)的證件進(jìn)行覆膜質(zhì)量檢測(cè)；[0092]收證模塊，用于將未通過(guò)所述三者一致性檢測(cè)、所述打印質(zhì)量檢測(cè)或者所述覆膜質(zhì)量檢測(cè)的證件輸送至質(zhì)檢不合格區(qū)，以及將通過(guò)所述覆膜質(zhì)量檢測(cè)并無(wú)需進(jìn)行下一步信息比對(duì)的證件輸送至質(zhì)檢合格區(qū)。[0096]第一相機(jī)模塊，用于分別在所述白光光源、所述紫外光源和所述紅外光源下從下方對(duì)處于預(yù)定的旋轉(zhuǎn)角度的證件進(jìn)行拍照；[0097]第二相機(jī)模塊，用于分別在所述白光光源、所述紫外光源和所述紅外光源下從上方對(duì)處于預(yù)定的旋轉(zhuǎn)角度的證件進(jìn)行拍照。[0098]再進(jìn)一步地，本發(fā)明實(shí)施例中，在通過(guò)所述覆膜質(zhì)量檢測(cè)后，需要進(jìn)行下一步信息比對(duì)的證件為本式護(hù)照；[0099]所述證件質(zhì)檢系統(tǒng)還包括：[0100]證件回退模塊，用于將通過(guò)所述覆膜質(zhì)量檢測(cè)的本式護(hù)照回退至所述發(fā)證及翻頁(yè)模塊；[0101]所述發(fā)證及翻頁(yè)模塊還用于將回退的本式護(hù)照從個(gè)人資料頁(yè)翻至簽證頁(yè)，并將所述本式護(hù)照重新輸送至所述信息采集區(qū)；[0102]所述拍照模塊還用于獲取所述信息采集區(qū)內(nèi)的本式護(hù)照的簽證頁(yè)圖像；[0103]所述打印信息識(shí)別模塊還用于基于獲取的簽證頁(yè)圖像獲取簽證頁(yè)打印信息，所述簽證頁(yè)打印信息包括簽證信息；[0104]所述信息比對(duì)模塊還用于對(duì)所述簽證頁(yè)打印信息以及在先獲取的所述本式護(hù)照的芯片信息、個(gè)人資料頁(yè)打印信息、條碼信息進(jìn)行四者一致性檢測(cè)；[0105]所述收證模塊還用于將未通過(guò)所述四者一致性檢測(cè)的本式護(hù)照輸送至所述質(zhì)檢不合格區(qū)，以及將通過(guò)所述四者一致性檢測(cè)的本式護(hù)照輸送至所述質(zhì)檢合格區(qū)。[0106]再進(jìn)一步地，本發(fā)明實(shí)施例中，所述打印信息識(shí)別模塊、所述條碼識(shí)別模塊、所述信息比對(duì)模塊、所述打印質(zhì)量檢測(cè)模塊和所述覆膜質(zhì)量檢測(cè)模塊共同基于邊緣計(jì)算設(shè)備實(shí)現(xiàn)。[0107]具體地，本發(fā)明實(shí)施例中，發(fā)證及翻頁(yè)模塊用于批量地向信息采集區(qū)輸送卡式證件或者本式證件。對(duì)于本式證件，需要先將本式證件翻至指定的頁(yè)面，再將翻頁(yè)后的本式證件輸送至信息采集區(qū)。例如，當(dāng)本式證件為本式護(hù)照時(shí)，需要先將本式護(hù)照翻至個(gè)人資料頁(yè)，再將本式護(hù)照輸送至信息采集區(qū)，以進(jìn)行后續(xù)的個(gè)人信息比對(duì)和質(zhì)量檢測(cè)。當(dāng)本式護(hù)照通過(guò)覆膜質(zhì)量檢測(cè)后被回退至發(fā)證及翻頁(yè)模塊時(shí)，發(fā)證及翻頁(yè)模塊還用于將本式護(hù)照從個(gè)人資料頁(yè)翻至簽證頁(yè)，并將本式護(hù)照重新輸送至信息采集區(qū)，以進(jìn)行后續(xù)的簽證信息比對(duì)。[0108]具體地，本發(fā)明實(shí)施例中，光源子模塊包括白光光源模組、紫外光源模組和紅外光源模組，證件旋轉(zhuǎn)子模塊采用持證機(jī)構(gòu)實(shí)現(xiàn)，第一相機(jī)模塊和第二相機(jī)模塊均采用工業(yè)攝像機(jī)實(shí)現(xiàn)。本發(fā)明實(shí)施例中，白光光源模組、紫外光源模組和紅外光源模組分別提供白光光源、紫外光源和紅外光源，持證機(jī)構(gòu)能夠?qū)⒆C件多角度旋轉(zhuǎn)。基于光源子模塊、證件旋轉(zhuǎn)子模塊、第一相機(jī)模塊和第二相機(jī)模塊的配合工作，能夠在白光光源、紫外光源和紅外光源下對(duì)證件的正面和反面進(jìn)行多角度拍照，以獲取目標(biāo)證件圖像。本發(fā)明實(shí)施例中，每種光源下的拍照都留存供后續(xù)識(shí)別檢測(cè)使用。持證機(jī)構(gòu)可以多個(gè)角度旋轉(zhuǎn)，因?yàn)樽C件個(gè)人信息頁(yè)上覆有激光防偽膜有反光，使用角度旋轉(zhuǎn)配合光源，方便檢查出證件打印不完整、防偽膜覆膜不全或有拉痕的缺陷。[0109]具體地，本發(fā)明實(shí)施例中，打印信息識(shí)別模塊采用OCR文字識(shí)別技術(shù)獲取證件文字信息，條碼識(shí)別模塊采用條碼識(shí)別技術(shù)獲取證件條碼信息，芯片讀取模塊支持BAC方式讀取和連接加密機(jī)的方式讀取。打印質(zhì)量檢測(cè)模塊根據(jù)預(yù)定的不同光源下以及不同角度的證件圖像檢測(cè)證件表面的打印質(zhì)量，覆膜質(zhì)量檢測(cè)模塊根據(jù)預(yù)定的不同光源下以及不同角度的證件圖像檢測(cè)證件表面的覆膜質(zhì)量。對(duì)于信息比對(duì)模塊，在其進(jìn)行三者一致性檢測(cè)和四者一致性檢測(cè)的過(guò)程中，還可以將預(yù)獲取的后臺(tái)數(shù)據(jù)庫(kù)中申請(qǐng)人的制證數(shù)據(jù)加入其中，相應(yīng)地，之前的三者一致性檢測(cè)變?yōu)樗恼咭恢滦詸z測(cè)，之前的四者一致性檢測(cè)變?yōu)槲逭咭恢滦詸z測(cè)。系列的邊緣計(jì)算設(shè)備進(jìn)行替換。本發(fā)明實(shí)施例中，發(fā)證及翻頁(yè)模塊包括發(fā)證子模塊和翻頁(yè)11子模塊。邊緣計(jì)算設(shè)備通過(guò)網(wǎng)絡(luò)交換機(jī)連接到翻頁(yè)子模塊、光源子模塊、證件旋轉(zhuǎn)子模塊、第一相機(jī)模塊、第二相機(jī)模塊和證件回退模塊，通過(guò)USB接口連接到發(fā)證子模塊、芯片讀取模塊和收證模塊。所述證件質(zhì)檢系統(tǒng)還包括顯示模塊，顯示模塊與邊緣計(jì)算設(shè)備通過(guò)HDMI數(shù)據(jù)線(xiàn)相連。[0111]具體地，本發(fā)明實(shí)施例中，邊緣計(jì)算設(shè)備的操作系統(tǒng)選用針對(duì)深度學(xué)習(xí)檢測(cè)進(jìn)行加速。因軟件運(yùn)行涉及多種硬件設(shè)備驅(qū)動(dòng)，在運(yùn)行時(shí)，將部署好的一套系統(tǒng)打包封裝為Docker鏡像，將各個(gè)質(zhì)檢設(shè)備(如讀寫(xiě)器、相機(jī))的IP地址及標(biāo)識(shí)ID寫(xiě)入配置文件，在需要修改的時(shí)候方便修改。在部署到其他設(shè)備時(shí)，使用生成好的Docker鏡像在型文件使用tar命令進(jìn)行加密和壓縮。密鑰加密寫(xiě)入配置文件，使用模型時(shí)先從配置文件讀取加密的密鑰，對(duì)密鑰進(jìn)行解密，使用密鑰解壓tar文[0112]進(jìn)一步地，本發(fā)明實(shí)施例中，所述邊緣計(jì)算設(shè)備基于預(yù)定的第一證件質(zhì)量檢測(cè)方法實(shí)現(xiàn)所述打印質(zhì)量檢測(cè)和所述覆膜質(zhì)量檢測(cè)；[0113]所述第一證件質(zhì)量檢測(cè)方法包括：[0114]基于預(yù)構(gòu)建的圖像方向檢測(cè)模型檢測(cè)輸入的目標(biāo)證件圖像的方向是否為正，若否，將所述目標(biāo)證件圖像的方向調(diào)正；[0115]對(duì)方向?yàn)檎哪繕?biāo)證件圖像進(jìn)行OCR識(shí)別，以獲取目標(biāo)文字的實(shí)際位置信息；[0116]根據(jù)所述目標(biāo)文字的實(shí)際位置信息與預(yù)獲取的所述目標(biāo)文字的標(biāo)準(zhǔn)位置信息獲取所述目標(biāo)文字的打印偏移量；[0117]若所述目標(biāo)文字的打印偏移量超出預(yù)定的打印偏移量閾值，則判斷目標(biāo)證件未通過(guò)打印位置偏移檢測(cè)；[0118]基于預(yù)構(gòu)建的圖像語(yǔ)義分割模型檢測(cè)輸入的通過(guò)所述打印位置偏移檢測(cè)的目標(biāo)證件圖像是否包含黑邊或雜質(zhì)，若是，則判斷所述目標(biāo)證件未通過(guò)黑邊及雜質(zhì)檢測(cè)；[0119]基于預(yù)構(gòu)建的遷移分類(lèi)模型檢測(cè)輸入的通過(guò)所述黑邊及雜質(zhì)檢測(cè)的目標(biāo)證件圖像是否存在文字和人像轉(zhuǎn)印不全、覆膜不全或打印重影的問(wèn)題，若是，則判斷所述目標(biāo)證件未通過(guò)文字和人像轉(zhuǎn)印不全、覆膜不全及打印重影檢測(cè)；[0120]基于預(yù)構(gòu)建的目標(biāo)檢測(cè)網(wǎng)絡(luò)模型檢測(cè)輸入的通過(guò)所述文字和人像轉(zhuǎn)印不全、覆膜不全及打印重影檢測(cè)的目標(biāo)證件圖像是否存在紅條、色斑或色點(diǎn)，若是，則判斷所述目標(biāo)證[0121]將未通過(guò)所述紅條、色斑及色點(diǎn)檢測(cè)的目標(biāo)證件標(biāo)記為質(zhì)檢不合格，將通過(guò)所述紅條、色斑及色點(diǎn)檢測(cè)的目標(biāo)證件標(biāo)記為質(zhì)檢合格。[0122]以下對(duì)第一證件質(zhì)量檢測(cè)方法進(jìn)行更為詳細(xì)的說(shuō)明：[0123]第一證件質(zhì)量檢測(cè)方法為基于分割、分類(lèi)和目標(biāo)檢測(cè)網(wǎng)絡(luò)的質(zhì)檢方法：[0124]1)對(duì)于證件方向判斷，使用ResNet或ShuffleNet對(duì)圖像進(jìn)行分類(lèi)，每個(gè)數(shù)字代表一種證件類(lèi)型一個(gè)方向，例如：1代表港澳證正面，2代表港澳證正面180度旋轉(zhuǎn)，3代表港澳證背面，4代表港澳證背面180度旋轉(zhuǎn)，5代表護(hù)照正面，6代表護(hù)照正面180度旋轉(zhuǎn)，7代表護(hù)照反面，8代表護(hù)照反面180度旋轉(zhuǎn)。在訓(xùn)練階段標(biāo)記證件照片和方向，并對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。前期使用樣圖對(duì)模型進(jìn)行訓(xùn)練，后續(xù)部署模型進(jìn)行識(shí)別判斷。字的位置后，與該項(xiàng)文字標(biāo)準(zhǔn)的位置進(jìn)行對(duì)比，計(jì)算文字打印的偏移量，如果大于閾值或者與其他預(yù)打印信息重合，則認(rèn)為該項(xiàng)文字有打印偏差。[0126]3)對(duì)于證件質(zhì)量檢測(cè)：對(duì)于黑邊和雜質(zhì)類(lèi)型的圖片使用圖像語(yǔ)義分割網(wǎng)絡(luò)用于訓(xùn)練分割網(wǎng)絡(luò)。語(yǔ)義分割模型可以識(shí)別人像、底紋、個(gè)人信息、防偽膜以及雜質(zhì)和黑邊類(lèi)別信息，對(duì)于分割出雜質(zhì)和黑邊，則判斷證件不合格。對(duì)于紫外光下的覆膜圖片也是用分類(lèi)網(wǎng)絡(luò)，區(qū)分覆膜完整及覆膜不完整的圖片。[0127]4)對(duì)于文字和人像轉(zhuǎn)印不全、覆膜不全及重影的圖片，使用遷移分類(lèi)網(wǎng)絡(luò)CDAN,該圖像分類(lèi)網(wǎng)絡(luò)基于遷移學(xué)習(xí)，可以提高分類(lèi)的準(zhǔn)確率。在訓(xùn)練階段，人工標(biāo)記好正常圖片和文字和人像打印不全、覆膜不全、打印重影的圖片信息用于訓(xùn)練分類(lèi)網(wǎng)絡(luò)。該網(wǎng)絡(luò)用于區(qū)分正常圖片和文字和人像打印不全、覆膜不全及打印重影的圖片，對(duì)于人像和文字打印不完整、打印重影的圖片判斷證件不合格。在前期訓(xùn)練模型時(shí)將正常和質(zhì)量異常的圖片進(jìn)行分[0128]5)對(duì)于打印出現(xiàn)紅條、色斑及色點(diǎn)的證件，使用目標(biāo)檢測(cè)網(wǎng)絡(luò)標(biāo)注出缺陷的情況，使用FCOS目標(biāo)檢測(cè)網(wǎng)絡(luò)對(duì)缺陷進(jìn)行檢測(cè)并顯示。在前期訓(xùn)練模型將有雜質(zhì)等異常情況的圖片進(jìn)行標(biāo)注，提供網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練。[0129]在訓(xùn)練模型時(shí)，因部分缺陷證件樣本比較少，使用數(shù)據(jù)增強(qiáng)集合自動(dòng)標(biāo)注的方式增加樣本數(shù)量，數(shù)據(jù)增強(qiáng)的方式包括，自動(dòng)在證件隨機(jī)位置生成雜質(zhì)、色斑及色點(diǎn)、增加反照片變形、照片方向隨機(jī)旋轉(zhuǎn)、顏色擾動(dòng)和加入噪聲等方式。[0130]作為一種可選的方式，本發(fā)明實(shí)施例中，所述邊緣計(jì)算設(shè)備基于預(yù)定的第二證件質(zhì)量檢測(cè)方法實(shí)現(xiàn)所述打印質(zhì)量檢測(cè)，所述第二證件質(zhì)量檢測(cè)方法包括：[0131]獲取目標(biāo)證件圖像對(duì)應(yīng)的標(biāo)準(zhǔn)打印圖像；[0132]對(duì)所述標(biāo)準(zhǔn)打印圖像和所述目標(biāo)證件圖像進(jìn)行預(yù)處理及特征點(diǎn)提?。籟0133]根據(jù)提取到的所述標(biāo)準(zhǔn)打印圖像的特征點(diǎn)和所述目標(biāo)證件圖像的特征點(diǎn)進(jìn)行特征匹配，得到所述標(biāo)準(zhǔn)打印圖像與所述目標(biāo)證件圖像的形態(tài)學(xué)相減結(jié)果；[0134]對(duì)所述形態(tài)學(xué)相減結(jié)果進(jìn)行相似度檢測(cè)和缺陷面積計(jì)算；[0135]若檢測(cè)到的相似度高于預(yù)定相似度閾值且計(jì)算出的缺陷面積小于預(yù)定的缺陷面積閾值，則判斷目標(biāo)證件通過(guò)所述打印質(zhì)量檢測(cè)。[0136]以下對(duì)第二證件質(zhì)量檢測(cè)方法進(jìn)行更為詳細(xì)的說(shuō)明：[0137]第二證件質(zhì)量檢測(cè)方法為基于特征點(diǎn)提取的證件質(zhì)檢方法：個(gè)人信息生成樣圖即完整的打印文件，并將空白證件的底紋結(jié)合個(gè)人信息樣圖，生成待比較的打印標(biāo)準(zhǔn)圖，用來(lái)與實(shí)際證件進(jìn)行比對(duì)。第一步進(jìn)行圖像特征檢測(cè)，使用SURF算法提取證件圖像的特征點(diǎn)，形成特征描述。第二步進(jìn)行特征匹配，粗篩選通過(guò)歐氏距離作為度量，精篩選使用隨機(jī)抽樣一致性(RANSAC)算法剔除匹配點(diǎn)中的外點(diǎn)，即錯(cuò)誤匹配點(diǎn)。第三步使用仿射變換將標(biāo)準(zhǔn)圖與制作的證件圖像配準(zhǔn)。最后做圖像差分，打印不完整的部分會(huì)在圖像差分結(jié)果中出現(xiàn)，將結(jié)果進(jìn)行相似度檢測(cè)以及輪廓檢測(cè)并計(jì)算缺陷面積。如果比對(duì)相似度高于預(yù)設(shè)的閾值，且形態(tài)學(xué)相減的結(jié)果小于預(yù)定的閾值面積的差異，則判斷為正常證件，否則判斷為缺陷證件。這樣可以將人像、文字打印錯(cuò)誤和打印內(nèi)容缺失的情況檢測(cè)出來(lái)。[0139]作為一種可選的方式，本發(fā)明實(shí)施例中，所述邊緣計(jì)算設(shè)備基于預(yù)定的第三證件質(zhì)量檢測(cè)方法實(shí)現(xiàn)所述打印質(zhì)量檢測(cè)；[0140]所述第三證件質(zhì)量檢測(cè)方法基于預(yù)構(gòu)建的生成對(duì)抗網(wǎng)絡(luò)模型實(shí)現(xiàn)；[0141]所述生成對(duì)抗網(wǎng)絡(luò)模型包括：[0142]編碼器GE(x),用于基于輸入的目標(biāo)證件圖像獲取特征向量z;[0143]解碼器GD(z),用于基于輸入的所述特征向量z和目標(biāo)證件的芯片信息獲取重構(gòu)證件圖像；[0144]編碼器GE(x'),用于基于輸入的重構(gòu)證件圖像獲取特征向量z';[0145]若所述特征向量z與所述特征向量z’的向量差超出預(yù)定的向量差閾值，則判斷所述目標(biāo)證件未通過(guò)所述打印質(zhì)量檢測(cè)。[0146]以下對(duì)第三證件質(zhì)量檢測(cè)方法進(jìn)行更為詳細(xì)的說(shuō)明：[0147]第三證件質(zhì)量檢測(cè)方法為基于生成對(duì)抗網(wǎng)絡(luò)的證件質(zhì)檢方法：[0148]針對(duì)缺陷樣本少，正常樣本多的情況，考慮使用生成對(duì)抗網(wǎng)絡(luò)來(lái)對(duì)證件進(jìn)行質(zhì)檢，生成對(duì)抗網(wǎng)絡(luò)包括：[0149]1)生成網(wǎng)絡(luò)：由編碼器GE(x)和解碼器GD(z)構(gòu)成，對(duì)于送入圖像x經(jīng)過(guò)編碼器GE(x)得到向量z,向量z結(jié)合讀取證件芯片獲取的個(gè)人基本信息、人像和指紋等信息經(jīng)過(guò)解碼器GD(z)得到x的重構(gòu)數(shù)據(jù)x’。[0150]2)判別器D:對(duì)于原始圖像x判為真，重構(gòu)圖像x’判為假，從而不斷優(yōu)化重構(gòu)圖像與[0151]3)編碼器GE(x’):對(duì)重構(gòu)圖像x’再做編碼，得到重構(gòu)圖像x’的向量z’。[0152]在訓(xùn)練階段，整個(gè)模型均是通過(guò)正常證件樣本做訓(xùn)練，使用證件芯片中的個(gè)人信息與證件掃描照片作為輸入，在個(gè)人信息的基礎(chǔ)上增加證件底紋和防偽膜圖像，使用解碼器GD(z)生成重構(gòu)照片。不斷訓(xùn)練，以減小重構(gòu)圖像與原始圖像的差距。[0153]在質(zhì)檢時(shí)，使用x與x’兩張圖像的圖像形態(tài)學(xué)差異計(jì)算出缺陷的位置和大小，當(dāng)z[0154]作為一種可選的方式，本發(fā)明實(shí)施例中，所述邊緣計(jì)算設(shè)備基于預(yù)定的第四證件質(zhì)量檢測(cè)方法實(shí)現(xiàn)所述打印質(zhì)量檢測(cè)；[0155]所述第四證件質(zhì)量檢測(cè)方法基于預(yù)構(gòu)建的改進(jìn)生成對(duì)抗網(wǎng)絡(luò)模型實(shí)現(xiàn)；[0156]所述改進(jìn)生成對(duì)抗網(wǎng)絡(luò)模型基于數(shù)據(jù)增強(qiáng)的方式進(jìn)行訓(xùn)練，所述改進(jìn)生成對(duì)抗網(wǎng)絡(luò)模型包括：[0157]重構(gòu)子網(wǎng)絡(luò)，用于將輸入的目標(biāo)證件圖像重構(gòu)為無(wú)異常證件圖像；[0158]判別子網(wǎng)絡(luò)，用于獲取所述目標(biāo)證件圖像與所述無(wú)異常證件圖像的差異，并基于該差異判斷所述目標(biāo)證件圖像是否通過(guò)所述打印質(zhì)量檢測(cè)。[0159]以下對(duì)第四證件質(zhì)量檢測(cè)方法進(jìn)行更為詳細(xì)的說(shuō)明：[0160]第四證件質(zhì)量檢測(cè)方法為基于改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的證件質(zhì)檢方法：[0161]針對(duì)缺陷樣本不易獲取，正常樣本較多的情況，需要使用正常樣本來(lái)生成異常樣本供模型訓(xùn)練使用，考慮使用改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)來(lái)對(duì)證件進(jìn)行質(zhì)檢，其中，改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)包括重構(gòu)子網(wǎng)絡(luò)、判別器子網(wǎng)絡(luò)和數(shù)據(jù)增強(qiáng)模塊。以下分別對(duì)重構(gòu)子網(wǎng)絡(luò)、判別子網(wǎng)絡(luò)和數(shù)據(jù)增強(qiáng)模塊進(jìn)行說(shuō)明：[0162]數(shù)據(jù)增強(qiáng)模塊：主要用于從正常圖像生成缺陷圖像供模型訓(xùn)練使用。數(shù)據(jù)增強(qiáng)模塊用于在正常樣本I圖像上生成缺陷，并將生成的缺陷圖片I給重構(gòu)子網(wǎng)絡(luò)作為輸入，來(lái)訓(xùn)練重構(gòu)子網(wǎng)絡(luò)。生成缺陷圖像的步驟如下：[0163]1)首先使用柏林噪聲生成一張?jiān)胍魣DP。[0164]2)根據(jù)一個(gè)隨機(jī)生成的閾值對(duì)噪音圖P做二值化操作，得到映射圖M。[0165]3)從一個(gè)與證件不相關(guān)的數(shù)據(jù)集獲取一張異常紋理圖像A。[0166]4)從數(shù)據(jù)增強(qiáng)操作集里面選取2種數(shù)據(jù)增強(qiáng)操作對(duì)異常紋理圖像A進(jìn)行數(shù)據(jù)增強(qiáng)。[0167]5)訓(xùn)練數(shù)據(jù)包括正常圖像I,生成的異常圖像I以及異常掩碼圖像M射圖M與原圖I點(diǎn)乘再乘以混合系數(shù)1-β;經(jīng)過(guò)數(shù)據(jù)增強(qiáng)的圖像A與映射圖M做矩陣點(diǎn)乘再乘[0171]最終得到經(jīng)過(guò)數(shù)據(jù)增強(qiáng)的異常圖像I。[0172]重構(gòu)子網(wǎng)絡(luò)：由編碼器和解碼器組成。重構(gòu)子網(wǎng)絡(luò)用于檢測(cè)缺陷圖片中的異常，其輸入是缺陷圖片I,網(wǎng)絡(luò)并將其重建為正常圖片I,使重建圖片I盡量與正常圖片I一致，減一部分是SSIMloss(LssI)計(jì)算公式如下：[0174]Lrec(I,[0176]判別子網(wǎng)絡(luò)：通過(guò)檢測(cè)重建圖像與輸入圖像的區(qū)別來(lái)定位缺陷。判別子網(wǎng)絡(luò)使用U-Net架構(gòu)。判別子網(wǎng)絡(luò)的輸入I是重建子網(wǎng)絡(luò)的輸出I和輸入圖像I。判別子網(wǎng)絡(luò)檢查圖像I與I的差異。如果輸入圖像為異常圖像，則I與I在異常區(qū)域的差別較大，可以根據(jù)差異來(lái)對(duì)缺陷進(jìn)行定位和分割。判別子網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)I與I的距離度量。判別子網(wǎng)絡(luò)輸出異常分?jǐn)?shù)映射M。與圖像I大小一致。判別子網(wǎng)絡(luò)的損失Lseg主要使用平衡交叉熵函數(shù)(balancedcrossentropy)來(lái)增強(qiáng)異常分割的準(zhǔn)確性和健壯性。[0177]本方法的總損失由兩部分構(gòu)成：重建損失和缺陷分割損失：[0179]M,M分別是判別子網(wǎng)絡(luò)輸出的異常分割圖和數(shù)據(jù)集里面正確打標(biāo)記(groundtruth)的異常分割圖。值濾波進(jìn)行平滑，再經(jīng)過(guò)最大池化層，最后通過(guò)全連接層確定檢測(cè)結(jié)果。[0181]具體地，本發(fā)明實(shí)施例中，可以對(duì)第一證件質(zhì)量檢測(cè)方法、第二證件質(zhì)量檢測(cè)方法、第三證件質(zhì)量檢測(cè)方法與第四證件質(zhì)量檢測(cè)方法進(jìn)行有選擇地組合使用，只要能夠?qū)崿F(xiàn)打印質(zhì)量檢測(cè)和覆膜質(zhì)量檢測(cè)即可。[0182]本發(fā)明實(shí)施例的基于人工智能的證件質(zhì)檢系統(tǒng)具有以下有益效果：[0183]1)使用一臺(tái)質(zhì)檢設(shè)備集成證件及護(hù)照的個(gè)人信息頁(yè)、簽證頁(yè)的檢測(cè)，對(duì)卡式證件的個(gè)人信息和簽注的檢測(cè)。可以對(duì)證件的打印信息，包括個(gè)人信、簽證或簽注信息、二維碼信息、芯片信息、證件打印和覆膜質(zhì)量進(jìn)行一站式檢測(cè)，整合多種質(zhì)檢功能，提高了質(zhì)檢的[0184]2)在對(duì)證件質(zhì)量進(jìn)行檢測(cè)時(shí)使用了多種光源，結(jié)合持證機(jī)構(gòu)旋轉(zhuǎn)多角度，方便對(duì)[0185]3)質(zhì)檢和識(shí)別模型使用Docker進(jìn)行部署，可以適配硬件設(shè)備的多種驅(qū)動(dòng)，以及保持軟件開(kāi)發(fā)庫(kù)的版本一致，同時(shí)方便部署環(huán)境的復(fù)制和擴(kuò)展。了程序和模型的安全行。[0187]5)使用業(yè)界領(lǐng)先的自主研發(fā)的深度學(xué)習(xí)的方法，根據(jù)不同的檢測(cè)功能使用不同類(lèi)型的網(wǎng)絡(luò)模型進(jìn)行識(shí)別和檢測(cè)。證件打印覆膜質(zhì)量的質(zhì)檢功能的網(wǎng)絡(luò)模型包括目標(biāo)檢測(cè)，圖像分類(lèi)，圖像分割方法對(duì)證件打印質(zhì)量和覆膜質(zhì)量進(jìn)行檢測(cè)，替代了人工操作，提高了質(zhì)檢效率。使用自研的OCR和打印位置檢測(cè)方法提高證件打印信息的核驗(yàn)?zāi)芰ΑＪ褂肧huffleNET對(duì)證件方向進(jìn)行識(shí)別，方便質(zhì)檢判斷和文字識(shí)別。[0188]6)使用JETSONXAVIERNX邊緣計(jì)算設(shè)備替代工控機(jī)，同時(shí)J力，可以提高基于深度學(xué)習(xí)質(zhì)檢功能的運(yùn)行速度，降低設(shè)備成本，減小設(shè)備體積，減少對(duì)服務(wù)器的依賴(lài)。[0189]7)使用基于改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)的證件質(zhì)檢方法檢測(cè)證件質(zhì)量缺陷，針對(duì)證件缺陷樣本較少的問(wèn)題，訓(xùn)練檢測(cè)網(wǎng)絡(luò)，同時(shí)提高[0190]8)可以對(duì)證件的打印信息，包括個(gè)人信息，簽證或簽注信息，二維碼信息，芯片信息，證件打印和覆膜質(zhì)量進(jìn)行一站式檢測(cè)，整合多種質(zhì)檢功能，提高了質(zhì)檢的完整性，豐富了質(zhì)檢功能。[0191]9)使用深度學(xué)習(xí)的方法對(duì)證件打印、覆膜質(zhì)量和打印信息進(jìn)行檢測(cè)，替代了人工操作，提高了質(zhì)檢效率和識(shí)別準(zhǔn)確率。[0193]11)解決證件缺陷樣本不易獲取的問(wèn)題，使用正常證件樣本圖像結(jié)合異常圖像生成器來(lái)生成缺陷圖像，最后訓(xùn)練識(shí)別網(wǎng)絡(luò)。[0194]相應(yīng)地，在上述基于人工智能的證件質(zhì)檢系統(tǒng)的基礎(chǔ)上，本發(fā)明實(shí)施例還提出了一種基于人工智能的證件質(zhì)檢方法。圖2示出了本發(fā)明實(shí)施例的基于人工智能的證件質(zhì)檢方法的實(shí)現(xiàn)流程圖。參照?qǐng)D2,本發(fā)明實(shí)施例的基于人工智能的證件質(zhì)檢方法包括以下步[0195]S100、將待質(zhì)檢的卡式證件輸送至信息采集區(qū)，或者對(duì)待質(zhì)檢的本式證件