[发明专利]一种基于机器学习的竹条颜色自适应分类方法

说明书

本发明涉及一种基于机器学习的竹条颜色自适应分类方法，可以根据竹条颜色变化自动调整颜色分类标准。所述方法包括采集竹条图像、竹条区域分割、竹条颜色特征提取、竹条颜色特征聚类以及竹条颜色分类。针对竹子颜色的特性，本发明提出了一种改进的颜色直方图特征，该特征能更准确的表征竹条颜色。本发明无需人工分类竹条颜色数据的先验知识，具有强适应性、及高准确率的特点。

技术领域

本发明涉及机器学习技术领域，特别是一种基于机器学习的竹条颜色自适应分类方法。

背景技术

随着近几年环保压力越来越大，竹制品加工行业迎来新的机遇和挑战，尤其是在竹材产量大的国家和地区加快开拓竹制品加工行业的发展。但是，国内的竹木行业普遍受限于自动化程度低，专业人员少等情况，严重阻碍着竹木行业的快速发展。

我国生产的毛竹，竹木半成品的加工过程主要分为切段，裂片，粗刨，精刨，压板等工序。竹子容易受到生产环境，生长年限，炭化工艺等影响，竹子表面颜色会有明显的深浅变化，从而导致压板后颜色不均匀的问题。因此，为了提高竹制品的生产质量，需要进行颜色的分类。

目前，根据竹条表面的颜色深浅程度，大部分竹木加工厂主要依靠人工分拣竹子颜色分类，其分类标准根据工厂的实际情况分为特深、深、中、浅、特浅等几个类别。但是，人工分选的缺点在于专业人员需求大、运营成本高、工作效率低和分类质量不稳定等问题。

为了解决以上行业痛点，已经展开竹条颜色分类的相关研究。目前已有采用竹片平均颜色和纹理特征，其后利用bayes分类器进行颜色分类、先在HSV颜色空间上提取颜色特征，其后采用SVM进行竹条颜色分类、使用L*a*b*颜色空间特征，使用BP神经网络对竹片进行颜色分类。

虽然已经有很多相关研究，但是都需要人工预先对一定数量的竹条进行颜色筛选，然后采集竹条数据训练模型。由于竹条表面颜色会受到气候等环境的影响，所以这些方法无法满足对不同竹条原料供应商，不同季度生产竹条颜色分类。因此，这种情况下，竹条表面颜色分类需要先人工重新筛选竹条颜色，其后重新训练颜色分类模型。同时，这种方式容易引入人工筛选误差，降低颜色分类稳定性和实用性。而手动设置竹条灰度信息的竹条颜色分类方法，这种方法只考虑了灰度信息，容易受到光源环境变化的影响。

发明内容

有鉴于此，本发明的目的是提供一种基于机器学习的竹条颜色自适应分类方法，可以自动学习竹条颜色等级，具有良好的鲁棒性和准确率。

本发明采用以下方案实现：一种基于机器学习的竹条颜色自适应分类方法，包括以下步骤：

步骤S1：采集提取单根竹条的颜色信息，并对单根竹条的颜色信息进行预处理；

步骤S2：将预处理后得到的图像提取颜色直方图特征；

步骤S3：使用k-means算法聚类颜色中心；

步骤S4：对新竹条进行颜色分类；

步骤S5：更新颜色特征库NF^{1,2,...,}，更新颜色聚类中心。

进一步地，所述步骤S1具体包括以下步骤：

步骤S11：图像采集：使用彩色面阵相机拍摄竹条部分表面的图像作为图片I₁；

步骤S12：将彩图转成灰度图：将相机得到的彩色图片I₁的RGB通道转成灰度通道，转换公式为Gray＝R*0.299+G*0.587+B*0.114，其中Gray表示灰度值，得到灰度图像I₂；

步骤S13：图像二值化：利用OTSU算法对灰度图像I₂二值化得到二值化后的图像I₃；