[发明专利]一种基于机器学习的颜色识别方法及系统、装置

说明书

本申请公开了一种基于机器学习的颜色识别方法及系统、装置，其中，该方法包括以下步骤：采集图像，并对所述图像进行第一预处理以获得待检测的目标图像；将所述目标图像进行第二预处理以提取目标图像特征；获取基于机器学习的颜色识别模型，其中，所述颜色识别模型是对训练样本进行机器学习后生成的，所述训练样本包括：样本图像和样本图像特征；将所述目标图像特征与所述颜色识别模型的样本图像特征进行比对，输出所述目标图像的颜色识别结果。根据本申请的基于机器学习的颜色识别方法，能够实现对目标图像颜色的高效识别，操作简便。

技术领域

本申请涉及机器学习技术领域，特别涉及一种基于机器学习的颜色识别方法及系统、装置。

背景技术

颜色识别是一种检测技术，其在自动化控制、彩色打印、医疗诊断、印刷材料等应用场合中均具有广泛的应用价值。传统的颜色识别技术是先通过人工标引得到代表各类颜色的取值范围，然后将检测结果与取值范围进行比对以实现颜色的识别。该方法以查询颜色的取值范围为实现前提，如果我们需要对多种颜色进行识别，就必须查询多种颜色信息的取值范围；如果当我们需要增加颜色识别种类时，我们必须对程序或者设置进行相应的修改。现有的颜色识别技术存在操作复杂、成本高、耗时多且准确性低的缺点。

申请内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于机器学习的颜色识别方法，该方法减少了重复工作，提高了工作效率。

本发明的第二个目的在于提出一种电子设备，该电子设备在执行时，实现上述的基于机器学习的颜色识别方法。

本发明的第三个目的在于提出一种计算机存储介质，该介质用于存储应用程序，所述应用程序用于执行上述的基于机器学习的颜色识别方法。

本发明的第四个目的在于提出一种基于机器学习的颜色识别系统。

本发明的第五个目的在于提出一种机器人系统。

为实现上述目的，本发明第一方面实施例提出了一种基于机器学习的颜色识别方法，包括以下步骤：采集图像，并对所述图像进行第一预处理以获得待检测的目标图像；将所述目标图像进行第二预处理以提取目标图像特征；获取基于机器学习的颜色识别模型，其中，所述颜色识别模型是对训练样本进行机器学习后生成的，所述训练样本包括：样本图像和样本图像特征；将所述目标图像特征与所述颜色识别模型的样本图像特征进行比对，输出所述目标图像的颜色识别结果。

根据本发明实施例的基于机器学习的颜色识别方法，通过预处理图像获得目标图像和目标图像特征，并根据基于机器学习的颜色识别模型对目标图像进行颜色识别，能够实现对目标图像颜色的高效识别，操作简便。

根据本申请的一个实施例，所述目标图像特征包括所述目标图像的图像直方图峰值，所述样本图像特征包括所述样本图像的图像标签和所述样本图像的图像直方图峰值。

根据本申请的一个实施例，所述颜色识别模型生成的步骤包括：获取样本图像；获取每个所述样本图像的图像标签；获取每个所述样本图像的图像直方图峰值；将每个所述样本图像、每个所述样本图像的图像标签和每个所述样本图像的图像直方图峰值存入模型文件，进行机器学习训练，生成所述颜色识别模型。

根据本申请的一个实施例，所述获取每个样本图像的图像直方图峰值的步骤包括：读取所述样本图像的RGB信息并进行通道分离，获得对应的R通道图像、G通道图像、B通道图像的图像信息；获取所述样本图像对应的R通道图像、G通道图像、B通道图像的单通道图像直方图峰值，各个所述单通道图像直方图峰值为所述样本图像的图像直方图峰值。

根据本申请的一个实施例，所述对所述图像进行第一预处理以获得待检测的目标图像的步骤包括：对所述图像进行图像分割，提取待检测的目标图像。