可靠的防伪手段对有效防范日益猖獗的假冒伪劣至关重要,具有物理不可克隆特点的防伪标签的制备和识别成为研究热点。本文基于原子层沉积技术制备随机褶皱图案作为防伪标签,并围绕标签的识别方法展开研究,旨在获得一种具有极高防伪性能的办法,具体研究内容和结果包括:（1）随机褶皱图案的制备工艺研究。采用丝网印刷制备PDMS图案,作为初级防伪标识;采用原子层沉积（Atomic Layer Deposition,ALD）在PDMS表面一层渗透Al2O3薄膜,在应力差异作用下产生随机褶皱图案,作为高级防伪图案,从而形成双重防伪标识。研究了ALD温度、前驱体时间等因素对随机褶皱图案形貌的影响规律。实验结果表明,随机褶皱图案的光学透过率在10%-40%之间,可被人眼初步识别;通过控制ALD温度、前驱体时间,随机褶皱图案的周期和振幅分别可在6μm～24μm和500 nm～5μm之间进行调节。由于不同位置和条件下形成的应力差异不同,所制备的褶皱图案纹路是随机的,具有不可克隆特性,适合作为防伪标签。（2）基于特征匹配的褶皱防伪图像识别算法。为了验证所制备的随机褶皱在防伪领域的实用性,分别采用尺度不变特征变换（Scale-invariant feature transform,SIFT）、加速鲁棒特征（Speeded Up Robust Features,SURF）和ORB（oriented FAST and rotated BRIEF）三种经典的局部特征图像检测算法对褶皱图案进行检测实验。结果表明,特征点数量:SURF＞SIFT＞ORB,耗时:SIFT＞SURF＞ORB。进而采用SURF特征检测算法,阈值设定为0.6,并使用RANSCA算法进一步剔除误匹配,将算法匹配准确率提高了6%,采用SURF+RANSAC算法最终获得了92.68%的识别准确率,具有较好的旋转不变性、尺度不变性和亮度不变性,满足防伪褶皱纹理图案的识别要求。（3）基于DeepLabv3的褶皱防伪图像分类算法。为进一步提高随机褶皱图案识别的准确率,搭建了基于Deep Labv3的防伪图像分类网络模型,并将用于图像分类的全连接层替换Deep Labv3网络中用于图像分割的解码模块,实现“真”“伪”分类识别功能,研究了全连接层层数及神经元个数对识别性能的影响规律。实验结果表明,全连接层为二层,神经元数为256个时,性能最佳,识别准确率为96.58%。最后采用Flask框架,设计了简单的web应用实现防伪认证,为用户提供直观的真伪判断信息。