陳云霞 周用武 周婷媛 鄒智元

基金項(xiàng)目：南京森林警察學(xué)院預(yù)研項(xiàng)目；項(xiàng)目編號(hào)：LGY201901。北京信息科技大學(xué)?？蒲谢痦?xiàng)目；項(xiàng)目編號(hào)：2023XJJ19。

作者簡(jiǎn)介：陳云霞（1982— ），女，山西吉縣人，博士，教授；研究方向：事野生動(dòng)植物物證鑒定與保護(hù)。

摘要：大象是地球上珍貴的野生動(dòng)物資源，非洲象、亞洲象均已被列入《瀕危野生動(dòng)植物種國(guó)際貿(mào)易公約》（CITES）目錄，國(guó)家野生動(dòng)植物保護(hù)部門(mén)嚴(yán)格禁止現(xiàn)生象牙及其制品的市場(chǎng)貿(mào)易，這對(duì)保護(hù)野生動(dòng)植物的特種多樣性具有十分重要的意義。但是，在禁止象牙及其制品貿(mào)易監(jiān)管執(zhí)法過(guò)程中，特別是在一線執(zhí)法現(xiàn)場(chǎng)，如何快速、有效地對(duì)類象牙制品進(jìn)行鑒定與識(shí)別，是目前亟待解決的問(wèn)題。文章設(shè)計(jì)的面向移動(dòng)端的象牙智能識(shí)別系統(tǒng)立足于計(jì)算機(jī)模式識(shí)別理論，采用圖像增強(qiáng)與紋理解析方法，建立基于深度學(xué)習(xí)的象牙識(shí)別算法模型，解決象牙圖像紋理識(shí)別問(wèn)題，能夠提高一線執(zhí)法人員的工作效率，為象牙相關(guān)違法犯罪的打擊提供技術(shù)支持。

關(guān)鍵詞：計(jì)算機(jī)科學(xué)；模式識(shí)別；象牙識(shí)別；象牙識(shí)別系統(tǒng)

中圖分類號(hào)： TP391.4? 文獻(xiàn)標(biāo)志碼： A

0? 引言

象牙智能識(shí)別系統(tǒng)是面向國(guó)家野生動(dòng)植物保護(hù)執(zhí)法監(jiān)管，為滿足現(xiàn)場(chǎng)快速、準(zhǔn)確鑒定識(shí)別象牙及制品而設(shè)計(jì)的移動(dòng)端系統(tǒng)。該系統(tǒng)針對(duì)從事象牙禁貿(mào)的執(zhí)法人員以及象牙鑒定的檢測(cè)人員，能夠?qū)崿F(xiàn)對(duì)象牙及制品的鑒定和識(shí)別，為檢測(cè)人員提供快捷識(shí)別、穩(wěn)定高效的象牙鑒定服務(wù)。象牙智能識(shí)別系統(tǒng)的客戶端運(yùn)行在移動(dòng)設(shè)備上，依托象牙高清圖像自動(dòng)采集技術(shù)，可通過(guò)移動(dòng)端設(shè)備直接拍攝并上傳象牙紋理圖像，結(jié)合象牙圖像紋理檢測(cè)技術(shù)和深度學(xué)習(xí)模型，為象牙及其制品的鑒定和識(shí)別建立快捷、穩(wěn)定的可視化系統(tǒng)。

目前，象牙制品的原材料主要分為現(xiàn)生象牙、猛犸象牙，由于很多動(dòng)物骨制品，甚至某些植物制品、工業(yè)合成制品都與象牙相似，市場(chǎng)上也存在大量的象牙仿制品［1-2］。因此，海關(guān)工作人員在出入境檢查時(shí)，如發(fā)現(xiàn)疑似現(xiàn)生象牙或猛犸象牙的象牙樣品時(shí)，就需要一種快速檢測(cè)象牙的方法對(duì)象牙進(jìn)行鑒定。

目前象牙樣品的鑒定方法大概可分為3類［2-3］，主要包括基于形態(tài)結(jié)構(gòu)、基于物理特征、基于分子生物學(xué)［4-7］。3種方法中，基于物理特征和基于分子生物學(xué)的方法通常需要對(duì)象牙制品進(jìn)行少量采樣，并對(duì)象牙制品造成不可逆的損傷。雖然基于形態(tài)結(jié)構(gòu)的方法通過(guò)直接觀察象牙制品表面的施氏角來(lái)鑒定，可以避免象牙制品的損傷，但是這類方法的準(zhǔn)確性卻受到鑒定人員經(jīng)驗(yàn)和不同觀察方法的影響，導(dǎo)致象牙識(shí)別的時(shí)間耗費(fèi)長(zhǎng)。同時(shí)，對(duì)象牙的判定主要依賴于鑒定人員的技術(shù)經(jīng)驗(yàn)，其鑒定結(jié)果必與鑒定人員的技術(shù)水平相符，這將直接影響鑒定結(jié)果的準(zhǔn)確度。而基于分子生物學(xué)的方法通常通過(guò) DNA分析來(lái)鑒定象牙制品，但是DNA檢測(cè)不但耗費(fèi)時(shí)間長(zhǎng)，而且該方法是有損鑒定，會(huì)對(duì)象牙或其制品造成一定程度的損壞。因此，建立一個(gè)快捷高效的智能化鑒定識(shí)別系統(tǒng)是很有必要的，象牙智能識(shí)別系統(tǒng)App應(yīng)運(yùn)而生。象牙智能識(shí)別系統(tǒng)App在移動(dòng)終端拍照或在相冊(cè)選擇圖片，上傳至云端存儲(chǔ)服務(wù)器，服務(wù)器端處理象牙高清圖片，依賴紋理檢測(cè)技術(shù)深度神經(jīng)網(wǎng)絡(luò)的象牙圖像識(shí)別算法，快捷鑒定識(shí)別樣品結(jié)果（見(jiàn)圖1）。

1? 系統(tǒng)設(shè)計(jì)

象牙智能識(shí)別系統(tǒng)由移動(dòng)客戶端與服務(wù)器端組成，其中，移動(dòng)客戶端主要完成象牙紋理圖像拍攝、數(shù)據(jù)處理與識(shí)別結(jié)果展示，服務(wù)器端負(fù)責(zé)提供象牙識(shí)別模型接口以及支撐客戶端運(yùn)行的必要數(shù)據(jù)接口。以下主要從系統(tǒng)功能架構(gòu)、系統(tǒng)模塊設(shè)計(jì)、識(shí)別模型設(shè)? 計(jì)等方面進(jìn)行介紹。

1.1? 象牙識(shí)別系統(tǒng)功能架構(gòu)

為更廣泛地提供鑒定識(shí)別服務(wù)，象牙智能識(shí)別系統(tǒng)App是一套基于Android系統(tǒng)環(huán)境的軟件。系統(tǒng)總體架構(gòu)要滿足“高內(nèi)聚-低耦合”的設(shè)計(jì)思路，采用MVP（Model-View-Presenter）架構(gòu)設(shè)計(jì)模式，其中，Model負(fù)責(zé)數(shù)據(jù)處理部分，View負(fù)責(zé)UI界面展示及用戶操作交互，而Presenter則負(fù)責(zé)大部分運(yùn)行邏輯的編寫(xiě)?；贛VP的架構(gòu)模式，象牙智能識(shí)別系統(tǒng)App主要包含了注冊(cè)登錄、鑒定識(shí)別、鑒定列表、發(fā)布鑒定、專家鑒定、設(shè)置、關(guān)于我們、版本更新等功能，如圖2所示。

1.2? 象牙識(shí)別系統(tǒng)模塊設(shè)計(jì)

象牙智能識(shí)別系統(tǒng)共由5個(gè)模塊組成，包括網(wǎng)絡(luò)通信模塊、數(shù)據(jù)存儲(chǔ)模塊、組件通信模塊、圖像處理模塊、數(shù)據(jù)解析模塊，各模塊具體功能如下。

1.2.1? 網(wǎng)絡(luò)通信模塊

網(wǎng)絡(luò)通信模塊采取Retrofit與OKHttp3相結(jié)合的方法。其中Retrofit是由Square公司開(kāi)發(fā)的面向Android的一種Java類型安全的REST客戶端類庫(kù)，它能夠配合OKHttp完成網(wǎng)絡(luò)請(qǐng)求封裝，可能處理各類型的HTTP請(qǐng)求并具有安全、高效特性，系統(tǒng)集成簡(jiǎn)便且運(yùn)行穩(wěn)定。

1.2.2? 數(shù)據(jù)存儲(chǔ)模塊

在用戶登錄后要本地化存儲(chǔ)用戶信息，包含賬號(hào)、手機(jī)號(hào)等必要信息，使用由Android平臺(tái)提供的輕量級(jí)數(shù)據(jù)存儲(chǔ)類SharedPreferences。SharedPreferences類下所有的文件和內(nèi)存讀寫(xiě)的操作，都通過(guò)鎖對(duì)象進(jìn)行加鎖，保證了多線程同步。

1.2.3? 組件通信模塊

組件間通信使用EventBus，代替Android傳統(tǒng)的Intent、Handler、Broadcast或接口函數(shù)，在Fragment、Activity、Service線程之間傳遞數(shù)據(jù)。EventBus降低了應(yīng)用程序內(nèi)各個(gè)組件之間進(jìn)行通信的復(fù)雜度，尤其是碎片之間進(jìn)行通信的問(wèn)題，可以避免由于使用廣播通信而帶來(lái)的諸多不便，同時(shí)分離了事件的發(fā)送者和接收者，避免了復(fù)雜的和易錯(cuò)的依賴關(guān)系和生命周期問(wèn)題，并且代碼更簡(jiǎn)潔，性能更好，更快，依賴包更小（約50 k的jar包）。

1.2.4? 圖像處理模塊

圖像處理采用Glide圖片加載庫(kù)。Glide是一個(gè)快速高效的Android圖片加載庫(kù)，注重于平滑的滾動(dòng)。Glide提供了易用的API，高性能、可擴(kuò)展的圖片解碼管道（Decode Pipeline）以及自動(dòng)的資源池技術(shù)，支持Gif，支持資源緩存。

1.2.5? 數(shù)據(jù)解析模塊

移動(dòng)應(yīng)用端和服務(wù)器端的數(shù)據(jù)通信采用JSON格式，針對(duì)JSON數(shù)據(jù)采用Google Gson庫(kù)進(jìn)行解析。Gson作為Java對(duì)象和與JSON數(shù)據(jù)之間進(jìn)行映射和轉(zhuǎn)換的Java類庫(kù)，具有快速高效、輕量實(shí)現(xiàn)、面向?qū)ο蟮奶攸c(diǎn)。

1.3? 象牙識(shí)別模型設(shè)計(jì)

象牙識(shí)別模型技術(shù)路線如圖3所示。首先，研究并建立象牙高清圖像自動(dòng)采集技術(shù)，并定義象牙圖像標(biāo)規(guī)則，進(jìn)而對(duì)象牙標(biāo)本進(jìn)行圖像采集與數(shù)據(jù)標(biāo)注，建立象牙高清圖像數(shù)據(jù)集。然后，一方面，研究并提出基于架構(gòu)自搜索深度網(wǎng)絡(luò)的象牙圖像識(shí)別算法，以象牙高清圖像數(shù)據(jù)集為訓(xùn)練樣本，分別對(duì)象牙真假鑒定模型和象牙分類模型進(jìn)行訓(xùn)練，從而提到兩階段的象牙識(shí)別模型；另一方面，研究并提出面向真實(shí)象牙的圖像描繪與紋理量化解析算法，通過(guò)施氏結(jié)構(gòu)檢測(cè)與提取算法得到象牙圖像中的施氏角與施氏線，并進(jìn)一步得到量化的角度值。此外，針對(duì)圖像中的球面施氏角采用基于圖像畸變校正的算法進(jìn)行校正處理，從而提高角度值的準(zhǔn)確性。

2? 象牙識(shí)別系統(tǒng)實(shí)現(xiàn)

象牙智能識(shí)別系統(tǒng)可以實(shí)現(xiàn)快捷方便的鑒定識(shí)別功能，移動(dòng)客戶端主要包含用戶登錄、鑒定識(shí)別、鑒定結(jié)果展示、專家鑒定等功能；服務(wù)器端主要部署象牙識(shí)別模型，并提供相應(yīng)功能服務(wù)數(shù)據(jù)接口。

2.1? 用戶注冊(cè)

用戶打開(kāi)象牙識(shí)別系統(tǒng)移動(dòng)客戶端，可以通過(guò)立即注冊(cè)進(jìn)入用戶注冊(cè)頁(yè)面。在該頁(yè)面，用戶輸入手機(jī)號(hào)、驗(yàn)證碼、密碼，閱讀并同意服務(wù)條款后，并點(diǎn)擊“立即注冊(cè)”按鈕，可以完成象牙智能識(shí)別系統(tǒng)賬號(hào)注冊(cè)，如圖4所示。

在用戶注冊(cè)賬號(hào)時(shí)，要確保當(dāng)前手機(jī)號(hào)能正常獲取驗(yàn)證碼，并且未注冊(cè)過(guò)該系統(tǒng)賬號(hào)，注冊(cè)時(shí)要詳細(xì)閱讀象牙智能識(shí)別系統(tǒng)的服務(wù)條款。

2.2? 用戶登錄

用戶完成賬號(hào)注冊(cè)后進(jìn)入移動(dòng)客戶端登錄頁(yè)面，輸入已經(jīng)注冊(cè)的手機(jī)號(hào)、密碼，閱讀并同意服務(wù)條款后，即可登錄象牙智能識(shí)別系統(tǒng)。

2.3? 象牙識(shí)別

用戶成功登錄象牙識(shí)別系統(tǒng)移動(dòng)客戶端后，可以通過(guò)上傳圖片的方式請(qǐng)求服務(wù)器端鑒定識(shí)別服務(wù)，如圖5所示。

服務(wù)器端通過(guò)象牙紋理檢測(cè)技術(shù)得到象牙紋理區(qū)域，進(jìn)而通過(guò)深度神經(jīng)網(wǎng)絡(luò)算法進(jìn)行象牙紋理圖像識(shí)別，從而得出象牙識(shí)別結(jié)果，識(shí)別耗時(shí)在1 s以內(nèi)。識(shí)別結(jié)構(gòu)以JSON格式數(shù)據(jù)返回，將上傳的圖片、鑒定結(jié)果、置信度顯示到結(jié)果頁(yè)面上。

2.4? 發(fā)布鑒定/專家鑒定

象牙智能識(shí)別系統(tǒng)用戶可以在移動(dòng)客戶端發(fā)布需要鑒定識(shí)別的象牙及其制品照片到服務(wù)器端，認(rèn)證的專家可以在移動(dòng)端鑒定社區(qū)內(nèi)發(fā)表鑒定結(jié)果，普通用戶可以與專家交流鑒定識(shí)別技術(shù)。

2.5? 服務(wù)器端部署

象牙識(shí)別系統(tǒng)服務(wù)器端部署在云服務(wù)器中，同時(shí)集成象牙識(shí)別算法程序，由算法程序加載象牙識(shí)別模型。移動(dòng)端上傳待鑒定的象牙紋理圖像至服務(wù)器端后，由服務(wù)器端進(jìn)行數(shù)據(jù)存儲(chǔ)，并調(diào)用象牙識(shí)別算法程序進(jìn)行圖像識(shí)別，最后將鑒定識(shí)別結(jié)果返回到請(qǐng)求的移動(dòng)端。

3? 象牙識(shí)別測(cè)試

為驗(yàn)證象牙智能識(shí)別系統(tǒng)的有效性，本研究工作使用象牙識(shí)別算法模型的非訓(xùn)練數(shù)據(jù)，對(duì)系統(tǒng)的識(shí)別準(zhǔn)確性進(jìn)行測(cè)試。

3.1? 象牙識(shí)別測(cè)試數(shù)據(jù)

本研究進(jìn)行額外的象牙圖像數(shù)據(jù)采集，進(jìn)而從原始采集圖像數(shù)據(jù)中分別篩選出167張現(xiàn)生象牙和157張猛犸象牙圖像進(jìn)行數(shù)據(jù)預(yù)處理，從而建立象牙識(shí)別測(cè)試數(shù)據(jù)。其中原始采集的圖像中象牙區(qū)域的分辨率約為2 000×2 000。

數(shù)據(jù)預(yù)處理。首先，調(diào)整原始圖像方向并截取圖像中間區(qū)域，進(jìn)一步截取分辨率為512×512的圖像；然后，對(duì)所有分辨率為512×512的圖像進(jìn)篩選，保留含有清晰紋理的圖像，剔除含有高光、陰影以及非樣本的圖像；最后，進(jìn)行二次篩選，使兩類圖像的樣本數(shù)量差距小于10%，得到測(cè)試數(shù)據(jù)集。其中，現(xiàn)生象牙紋理圖像322張，猛犸象牙圖像331張。

3.2? 象牙識(shí)別測(cè)試結(jié)果

基于象牙識(shí)別測(cè)試數(shù)據(jù)集，依次將每張測(cè)試圖像通過(guò)移動(dòng)客戶端輸入系統(tǒng)，對(duì)象牙智能識(shí)別系統(tǒng)進(jìn)行測(cè)試，測(cè)試結(jié)果如表1所示。其中，針對(duì)322張現(xiàn)生象牙紋理圖像，系統(tǒng)能夠正確判別298張，識(shí)別準(zhǔn)確率為92.55%；針對(duì)331張猛犸象牙紋理圖像，系統(tǒng)能夠正確判別301張，識(shí)別準(zhǔn)確率為90.94%。根據(jù)象牙識(shí)別的測(cè)試結(jié)果，象牙智能識(shí)別系統(tǒng)針對(duì)現(xiàn)生象牙和猛犸象牙的平均識(shí)別準(zhǔn)確率達(dá)到91.73%。測(cè)試結(jié)果表明，象牙智能識(shí)別系統(tǒng)針對(duì)額外采集的真實(shí)象牙圖像數(shù)據(jù)能夠有效識(shí)別。

4? 結(jié)語(yǔ)

象牙智能識(shí)別系統(tǒng)能夠方便快捷、穩(wěn)定高效地實(shí)

現(xiàn)象牙及其制品的類別鑒定。基于深度學(xué)習(xí)的象牙識(shí)別算法模型采用客戶端-服務(wù)器端架構(gòu)進(jìn)行部署和調(diào)用，極大地減輕了客戶端的計(jì)算負(fù)載。此外，算法模型可以部署在云服務(wù)器中，方便系統(tǒng)升級(jí)迭代，計(jì)算能力強(qiáng)且運(yùn)行成本較低。隨著象牙紋理數(shù)據(jù)的不斷積累，象牙識(shí)別深度學(xué)習(xí)模型也能夠進(jìn)行再訓(xùn)練和調(diào)優(yōu)，其鑒定識(shí)別結(jié)果的準(zhǔn)確性也會(huì)逐漸提高。目前，象牙智能識(shí)別系統(tǒng)的功能以象牙鑒定識(shí)別為主，隨著移動(dòng)客戶端的用戶增多，系統(tǒng)也將繼續(xù)完善功能，來(lái)滿足更多用戶需求。

參考文獻(xiàn)

［1］中華人民共和國(guó)海關(guān)總署.象牙及其制品鑒定技術(shù)規(guī)范：SN/T 5275-2019［EB/OL］.（2019-12-27）［2023-07-20］.https：//www.doc88.com/p-7456184 1888351.html.

［2］胡紅.象牙及其制品鑒定技術(shù)標(biāo)準(zhǔn)的研究［D］.哈爾濱：東北林業(yè)大學(xué)，2010.

［3］郭書(shū)林.象牙及其制品鑒定方法適用性解析［J］.2019（12）：82-84.

［4］ANDREAS S，BERNHARD D，DAVID G，et al.Development and application of a method for ivory dating by analyzing radioisotopes to distinguish legal from illegal ivory［J］.Forensic Science International，2018（289）：363-367.

［5］GIANLUCA，MARISA D E，EUGENIA B，et al.Radiocarbon dating of ivory：Potentialities and limitations in forensics［J］.Forensic Science International，2019（299）：114-118.

［6］BUDDHACHAT K，BROWN J L，THITARAM C，et al.Distinguishing real from fake ivory products by elemental analyses：a Bayesian hybrid classification method［J］.Forensic Science International，2017（272）：142-149.

［7］SCHMIED S A K，BRUNNERMEIER M J，SCHUPFNER R，et al.Age assessment of ivory by analysis of 14C and 90Sr to determine whether there is an antique on hand［J］.Forensic Science International，2011（207）：1-4.

（編輯? 王雪芬編輯）

Design and implementation of ivory intelligent identification system for mobile terminal

Chen? Yunxia1， Zhou? Yongwu1， Zhou? Tingyuan2， Zou? Zhiyuan3

（1.Nanjing Police University， Nanjing 210023， China;

2.The 15th Institute of China Electronics Technology Group Corporation， Beijing 100080， China;

3.Computer School， Beijing Information Science and Technology University， Beijing 100101， China）

Abstract：? Elephants are precious wildlife resources on the earth. African elephants and Asian elephant have been listed into the convention on international trade in endangered species of wild fauna and fora （CITES） catalogue. This is important for the conservation of the special diversity of wildlife. But in the process of supervision and enforcement， how to recognition ivory and its products quickly and effectively is an urgent problem to be solved at present. The pattern recognition-based ivory intelligent recognition system and app adopt image enhancement and texture analysis methods， and build deep ivory recognition model based on deep learning to solve texture recognition of ivory image. This can improve the efficiency of law enforcement personnel and ensure the accuracy of detection and identification of ivory and its products.

Key words： computer science; pattern recognition; ivory recognition; ivory recognition system