公开(公告)号：CN111695658B

公开(公告)日：2024-03-29

申请号：CN201910183237.0

申请日：2019-03-12

Applicant: 上海交通大学

Inventor： 叶坚 ,  顾雨清 ,  何畅 ,  董欣悦

IPC: G06K19/06 ,  G09F3/00

Abstract: 本发明公开了一种基于PUF(Physical unclonable function，物理不可克隆特征)的防伪方法，该方法提供由表面增强拉曼纳米颗粒随机分布形成的图案，获取图案中的数据，并进行数字化处理，形成防伪编码信息。本发明还公开了一种PUF防伪标签，包括防伪层，防伪层为由随机分布的表面增强拉曼纳米颗粒形成的图案。本发明的基于PUF的防伪方法和PUF防伪标签具有成像信号强、灵敏度高、编码容量巨大、读取时间短、成本低等多种优势。

公开(公告)号：CN113793646A

公开(公告)日：2021-12-14

申请号：CN202111150957.0

申请日：2021-09-29

Applicant: 上海交通大学

Inventor： 叶坚 ,  何畅 ,  毕心缘

IPC: G16B40/00 ,  G16B50/00 ,  G16C20/50 ,  G16C20/64 ,  G16C20/70 ,  G16C20/90 ,  G06K9/62

Abstract: 本申请涉及一种基于加权非负矩阵分解算法(NMF‑CLS)的光谱图像解混方法，包括：基于标准光谱数据库，采用NMF‑CLS算法对测试获得的光谱进行解混，获得待测样本中所包含的已知分子的种类及其相对浓度。本申请的NMF‑CLS算法可以获得复杂样本中已知分子的种类及其相对含量，并可以排除数据库内未包含的分子对解混的影响。

公开(公告)号：CN111695658A

公开(公告)日：2020-09-22

申请号：CN201910183237.0

申请日：2019-03-12

Applicant: 上海交通大学

Inventor： 叶坚 ,  顾雨清 ,  何畅 ,  董欣悦

IPC: G06K19/06 ,  G09F3/00

Abstract: 本发明公开了一种基于PUF(Physical unclonable function，物理不可克隆特征)的防伪方法，该方法提供由表面增强拉曼纳米颗粒随机分布形成的图案，获取图案中的数据，并进行数字化处理，形成防伪编码信息。本发明还公开了一种PUF防伪标签，包括防伪层，防伪层为由随机分布的表面增强拉曼纳米颗粒形成的图案。本发明的基于PUF的防伪方法和PUF防伪标签具有成像信号强、灵敏度高、编码容量巨大、读取时间短、成本低等多种优势。

公开(公告)号：CN109934320A

公开(公告)日：2019-06-25

申请号：CN201910144596.5

申请日：2019-02-27

Applicant: 上海交通大学

Inventor： 叶坚 ,  何畅

IPC: G06K19/06 ,  G06K7/14 ,  G09F3/00 ,  G06Q30/00 ,  G06K17/00

Abstract: 本发明公开了一种基于微小尺寸颗粒的防伪方法，包括以下步骤：1、编码；2、解码；3、真伪判别。本发明同时公开了一种基于微小尺寸颗粒的防伪标签，包括基底层和颗粒层。本发明的防伪方法制备简单、稳定性强、读取方式简单、制作成本低、验证时间短，防伪标签中使用的微小尺寸颗粒均是微米级及以下，无法进行人为加工成指定图案，具有安全系数较高、防伪效果好的特点。

公开(公告)号：CN117517288A

公开(公告)日：2024-02-06

申请号：CN202311476822.2

申请日：2023-11-07

Applicant: 上海交通大学

Inventor： 叶坚 ,  何畅

IPC: G01N21/65

Abstract: 本申请涉及一种基于推土机距离(Wasserstein distance,WD)的光谱集相似性评估方法，包括：将光谱按照峰位置划分成不同的区间，将每个区间内的所有光谱的强度作为一个数据集，采用WD计算两次测量之间该数据集的统计学距离，并最终取所有区间的WD平均值作为光谱集相似性表征结果。

公开(公告)号：CN113793646B

公开(公告)日：2023-11-28

申请号：CN202111150957.0

申请日：2021-09-29

Applicant: 上海交通大学

Inventor： 叶坚 ,  何畅 ,  毕心缘

IPC: G16B40/00 ,  G16B50/00 ,  G16C20/50 ,  G16C20/64 ,  G16C20/70 ,  G16C20/90 ,  G06F18/2135

Abstract: 本申请涉及一种基于加权非负矩阵分解算法(NMF‑CLS)的光谱图像解混方法，包括：基于标准光谱数据库，采用NMF‑CLS算法对测试获得的光谱进行解混，获得待测样本中所包含的已知分子的种类及其相对浓度。本申请的NMF‑CLS算法可以获得复杂样本中已知分子的种类及其相对含量，并可以排除数据库内未包含的分子对解混的影响。