[发明专利]基于机器学习的木板分拣方法及系统

说明书

本发明提供了一种基于机器学习的木板分拣方法及系统，首先在不同环境条件下获取不同移动速度的木板的图像样本，然后对木板进行自由定义分类，并建立所述图像样本与所述自由定义分类的对应关系；获取木板的图像，经过学习的神经网络对获取的木板图像进行分析，确定木板的类别和执行分类操作的时机，在所述时机对木板进行分类操作，来将木板分类到确定的类别中。本发明的方法及系统，能够使得自动化分选机器能够快速适应不断变动的产品分类需求、多变的部署环境、高差异性的木料材质和喷漆工艺。

技术领域

本发明属于人工智能技术领域，具体涉及一种基于机器学习的木板分拣方法及系统。

背景技术

在木材加工领域，木板分选是一个重要环节。不管是半成品，还是经过成型、上色、烘干等工艺之后的成品，都需要按照不同的木材特征结合质量标准进行分类。在传统的方法中，木板的分选由人工完成。经过训练的工人，通过观察，判断每一块木板的颜色、纹理、缺陷等，结合经验将一块木板归入不同的分类。每一个分类之中的木板拥有更为接近的特性，实现较高的产品外观、质量的一致性。

然而，使用人工的分选的方法需要耗费大量的人力资源，并且由于每一批次的木板材质和上色工艺可能存在不同，每一次的产品分类标准也可能存在变动，因此需要不断的对工人进行培训和训练。同时，随着工作时间的增加，人力的方法也会出现准确率下降，效率变慢的现象。

使用机器进行木材分选的方法正成为当前行业的新兴方向，在木材处理过程中的很多步骤可以通过机器的方法来解决。然而，这些技术多数使用一种固定方式对木材或木板进行特征提取，其分选参数和方法是固定的，必须通过专门的设计和调校才能有效运行，因而标准化和适用性存在一定缺陷。

随着最近机器学习方面的研究进展，使用机器学习进行木板加工自动化的方法变得越来越受到欢迎。现有技术中也出现了使用机器学习的木材分类方法，通过各种成像方式采集预先指定的样本木材的图像，然后使用机器学习的方法训练一个模型，通过该模型来实现自动的分类检测。

然而，发明人在实现本发明的过程中发明，现有的机器学习的方法只是部分解决了标准化的问题，并没能解决木材分类中最关键的适应性问题。具体地，当前木板分类的标准通常由生产厂商自定义，也就是说当前的木板分类实质上是非标准化的；现有技术中的机器学习方法采用预先训练方式，只能为特定厂商训练出一个特定模型，显然无法在多个厂商中通用。此外，木材实质上是按批次生产的，每一批次的产品斗鱼与该批次的原木材质、喷漆工艺高度相关，不同批次间可能会有巨大差异；但现有技术中的训练模型完全依赖于样本批次，并不能针对不同批次进行动态调校。最后，自然光线的改变会对视觉识别产生较大的影响，现有技术并未考虑环境光线变化下的标准化，不能适应不同环境的检测。

因此，当前缺少自适应的检测方法，现有技术并不能满足快速部署的需求，也不能在多变的运行环境中鲁棒的运行。

发明内容

本发明的目的在于，使用一种自适应的方法，能够使得自动化分选机器能够快速适应不断变动的产品分类需求、多变的部署环境、高差异性的木料材质和喷漆工艺。通过使用一种将所有潜在变动的因素整合到学习过程中的方法，本发明提供了一种高度自适应的机器学习方法，能够将传统需要数月才能完成的训练、校准、测试、部署等工作压缩到一天内完成，大大提高了木板加工企业的运作效率。同时，自适应的方法能够不断通过迭代的方法改善机器学习的模型，让分选精度逐步提升。

本发明提供了一种木板分类学习方法，其特征在于，包括：

在不同环境条件下获取不同移动速度的木板的图像样本；

对木板进行初始分类；

建立所述图像样本与所述初始分类的对应关系。

可选地，所述初始分类是根据对木板的分类要求而自由定义的分类。