本發(fā)明涉及到色選機(jī)技術(shù)領(lǐng)域，特別是一種基于神經(jīng)網(wǎng)絡(luò)的色選方法。
背景技術(shù)：
數(shù)字圖像處理是模式識(shí)別、計(jì)算機(jī)視覺(jué)、圖像通訊、多媒體技術(shù)等的基礎(chǔ)學(xué)科,是一門(mén)涉及多領(lǐng)域的交叉學(xué)科。它起源于世紀(jì)年代,當(dāng)時(shí)人們采用數(shù)字壓縮技術(shù)通過(guò)海底電纜從英國(guó)的倫敦到美國(guó)的紐約傳輸了第一幅數(shù)字照片。此后,基于遙感等領(lǐng)域的應(yīng)用,數(shù)字圖像處理技術(shù)逐步受到關(guān)注并得到相應(yīng)的發(fā)展。如今,隨著計(jì)算機(jī)及通信技術(shù)的發(fā)展,圖像的應(yīng)用愈加廣泛,并已成為工程學(xué)、計(jì)算機(jī)科學(xué)、信息科學(xué)、統(tǒng)計(jì)學(xué)、物理學(xué)、化學(xué)、生物學(xué)、醫(yī)學(xué)甚至社會(huì)科學(xué)等領(lǐng)域各學(xué)科之間學(xué)習(xí)和研究的對(duì)象。隨著人們對(duì)微光圖像,紅外圖像,光圖像的深入研究,數(shù)字圖像處理技術(shù)在軍事如夜視儀、工農(nóng)業(yè)生產(chǎn)如工業(yè)現(xiàn)場(chǎng)監(jiān)控,農(nóng)業(yè)自然災(zāi)害預(yù)警和產(chǎn)品分級(jí)、醫(yī)療衛(wèi)生如檢測(cè)、消費(fèi)電子家電產(chǎn)品等領(lǐng)域的應(yīng)用將越來(lái)越廣泛。顏色快速識(shí)別是利用顏色傳感器等設(shè)備對(duì)不同顏色進(jìn)行區(qū)分與辨識(shí),該研究是以光學(xué)、機(jī)械、電子計(jì)算技術(shù)為基礎(chǔ)的綜合性科學(xué)技術(shù)。隨著現(xiàn)代化工業(yè)生產(chǎn)向高速化、自動(dòng)化方向的發(fā)展,顏色識(shí)別已廣泛的應(yīng)用于造紙、紡織、軍工、交通、農(nóng)業(yè)生產(chǎn)等各行業(yè)中,生產(chǎn)過(guò)程中長(zhǎng)期以來(lái)由人眼起主導(dǎo)作用的顏色識(shí)別工作將越來(lái)越多地被相應(yīng)的顏色傳感器所替代。
我國(guó)是一個(gè)農(nóng)業(yè)大國(guó),農(nóng)產(chǎn)品產(chǎn)量連續(xù)增產(chǎn),許多農(nóng)產(chǎn)品都大量出口。以我們內(nèi)蒙古自治區(qū)為例,現(xiàn)在就有多個(gè)糧食精選及蔬菜加工場(chǎng)進(jìn)行農(nóng)作物加工及出口貿(mào)易,而對(duì)農(nóng)產(chǎn)品進(jìn)行顏色分選分級(jí)是食品加工的必經(jīng)步驟,過(guò)去通過(guò)人工來(lái)實(shí)現(xiàn)分選,由于人的主觀因素以及工作強(qiáng)度造成的眼疲勞,以及分選時(shí)造成的人為污染,大大降低了生產(chǎn)效率以及分選的準(zhǔn)確性,且分選后的產(chǎn)品也不符合衛(wèi)生標(biāo)準(zhǔn)。
技術(shù)實(shí)現(xiàn)要素：
為解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種基于神經(jīng)網(wǎng)絡(luò)的色選方法，其包括以下步驟：
通過(guò)圖像傳感器獲取目標(biāo)圖像，并獲取所述目標(biāo)圖像的紅綠藍(lán)的原色光譜分量，并將所述原色光譜分量置于笛卡爾坐標(biāo)系統(tǒng)；所述坐標(biāo)系統(tǒng)中黑色為原點(diǎn)，白色為點(diǎn)(1,1,1)，灰度級(jí)沿著從原點(diǎn)的黑色到點(diǎn)(1,1,1)的白色連線分布；
定義目標(biāo)圖像包括n個(gè)像素，其中第i個(gè)像素在所述坐標(biāo)系統(tǒng)中的顏色矢量為Xi＝(Xir Xig Xib)T
根據(jù)上式將每個(gè)像素點(diǎn)通過(guò)所述顏色矢量表示，并對(duì)所述顏色矢量進(jìn)行量化；
設(shè)置一顏色矢量的量化閾值，取高于所述量化閾值的像素點(diǎn)，并獲取該像素點(diǎn)的光電流值，將所述各個(gè)像素點(diǎn)的光電流值輸入到神經(jīng)網(wǎng)絡(luò)，所述神經(jīng)網(wǎng)絡(luò)的輸出值為隸屬度；
設(shè)定合格隸屬度的數(shù)值范圍，當(dāng)所述神經(jīng)網(wǎng)絡(luò)輸出的隸屬度在所述合格隸屬度的數(shù)值范圍內(nèi)，則判斷所述目標(biāo)圖像為合格品；否則剔除。
本發(fā)明具有以下有益效果：
本發(fā)明提供的基于神經(jīng)網(wǎng)絡(luò)的色選方法通過(guò)對(duì)圖像的像素建立坐標(biāo)系統(tǒng)，將像素點(diǎn)轉(zhuǎn)化為顏色矢量，并對(duì)顏色矢量的量化值通過(guò)神經(jīng)網(wǎng)絡(luò)輸出隸屬值，以隸屬值作為色選標(biāo)準(zhǔn)，可以用于顏色分布多樣且顆粒不均勻的顆粒色選機(jī)中。
當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品并不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。
具體實(shí)施方式
下面將結(jié)合本發(fā)明實(shí)施例對(duì)本發(fā)明中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
本發(fā)明提供了一種基于神經(jīng)網(wǎng)絡(luò)的色選方法，其包括以下步驟：
通過(guò)圖像傳感器獲取目標(biāo)圖像，并獲取所述目標(biāo)圖像的紅綠藍(lán)的原色光譜分量，并將所述原色光譜分量置于笛卡爾坐標(biāo)系統(tǒng)；所述坐標(biāo)系統(tǒng)中黑色為原點(diǎn)，白色為點(diǎn)(1,1,1)，灰度級(jí)沿著從原點(diǎn)的黑色到點(diǎn)(1,1,1)的白色連線分布；
定義目標(biāo)圖像包括n個(gè)像素，其中第i個(gè)像素在所述坐標(biāo)系統(tǒng)中的顏色矢量為Xi＝(Xir Xig Xib)T
根據(jù)上式將每個(gè)像素點(diǎn)通過(guò)所述顏色矢量表示，并對(duì)所述顏色矢量進(jìn)行量化；
設(shè)置一顏色矢量的量化閾值，取高于所述量化閾值的像素點(diǎn)，并獲取該像素點(diǎn)的光電流值，將所述各個(gè)像素點(diǎn)的光電流值輸入到神經(jīng)網(wǎng)絡(luò)，所述神經(jīng)網(wǎng)絡(luò)的輸出值為隸屬度；
設(shè)定合格隸屬度的數(shù)值范圍，當(dāng)所述神經(jīng)網(wǎng)絡(luò)輸出的隸屬度在所述合格隸屬度的數(shù)值范圍內(nèi)，則判斷所述目標(biāo)圖像為合格品；否則剔除。
本發(fā)明提供的基于神經(jīng)網(wǎng)絡(luò)的色選方法通過(guò)對(duì)圖像的像素建立坐標(biāo)系統(tǒng)，將像素點(diǎn)轉(zhuǎn)化為顏色矢量，并對(duì)顏色矢量的量化值通過(guò)神經(jīng)網(wǎng)絡(luò)輸出隸屬值，以隸屬值作為色選標(biāo)準(zhǔn)，可以用于顏色分布多樣且顆粒不均勻的顆粒色選機(jī)中。
以上公開(kāi)的本發(fā)明優(yōu)選實(shí)施例只是用于幫助闡述本發(fā)明。優(yōu)選實(shí)施例并沒(méi)有詳盡敘述所有的細(xì)節(jié)，也不限制該發(fā)明僅為所述的具體實(shí)施方式。顯然，根據(jù)本說(shuō)明書(shū)的內(nèi)容，可作很多的修改和變化。本說(shuō)明書(shū)選取并具體描述這些實(shí)施例，是為了更好地解釋本發(fā)明的原理和實(shí)際應(yīng)用，從而使所屬技術(shù)領(lǐng)域技術(shù)人員能很好地理解和利用本發(fā)明。本發(fā)明僅受權(quán)利要求書(shū)及其全部范圍和等效物的限制。