一种基于神经网络的色选方法技术

本发明专利技术提供了一种基于神经网络的色选方法，其包括以下步骤：获取目标图像的红绿蓝的原色光谱分量，并将所述原色光谱分量置于笛卡尔坐标系统；灰度级沿着从原点的黑色到点(1,1,1)的白色连线分布；定义目标图像包括n个像素；对所述颜色矢量进行量化；设置一颜色矢量的量化阈值，取高于所述量化阈值的像素点并获取光电流值，将光电流值输入到神经网络，输出值为隶属度；当所述神经网络输出的隶属度在所述合格隶属度的数值范围内，则判断所述目标图像为合格品；否则剔除。本发明专利技术提供通过对图像的像素建立坐标系统，并对颜色矢量的量化值通过神经网络输出隶属值，以隶属值作为色选标准，可以用于颜色分布多样且颗粒不均匀的颗粒色选机中。

【技术实现步骤摘要】

本专利技术涉及到色选机
，特别是一种基于神经网络的色选方法。
技术介绍
数字图像处理是模式识别、计算机视觉、图像通讯、多媒体技术等的基础学科,是一门涉及多领域的交叉学科。它起源于世纪年代,当时人们采用数字压缩技术通过海底电缆从英国的伦敦到美国的纽约传输了第一幅数字照片。此后,基于遥感等领域的应用,数字图像处理技术逐步受到关注并得到相应的发展。如今,随着计算机及通信技术的发展,图像的应用愈加广泛,并已成为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学、医学甚至社会科学等领域各学科之间学习和研究的对象。随着人们对微光图像,红外图像,光图像的深入研究,数字图像处理技术在军事如夜视仪、工农业生产如工业现场监控,农业自然灾害预警和产品分级、医疗卫生如检测、消费电子家电产品等领域的应用将越来越广泛。颜色快速识别是利用颜色传感器等设备对不同颜色进行区分与辨识,该研究是以光学、机械、电子计算技术为基础的综合性科学技术。随着现代化工业生产向高速化、自动化方向的发展,颜色识别已广泛的应用于造纸、纺织、军工、交通、农业生产等各行业中,生产过程中长期以来由人眼起主导作用的颜色识别工作将越来越多地被相应的颜色传感器所替代。我国是一个农业大国,农产品产量连续增产,许多农产品都大量出口。以我们内蒙古自治区为例,现在就有多个粮食精选及蔬菜加工场进行农作物加工及出口贸易,而对农产品进行颜色分选分级是食品加工的必经步骤,过去通过人工来实现分选,由于人的主观因素以及工作强度造成的眼疲劳,以及分选时造成的人为污染,大大降低了生产效率以及分选的准确性,且分选后的产品也不符合卫生标准。
技术实现思路
为解决上述技术问题，本专利技术提供了一种基于神经网络的色选方法，其包括以下步骤：通过图像传感器获取目标图像，并获取所述目标图像的红绿蓝的原色光谱分量，并将所述原色光谱分量置于笛卡尔坐标系统；所述坐标系统中黑色为原点，白色为点(1,1,1)，灰度级沿着从原点的黑色到点(1,1,1)的白色连线分布；定义目标图像包括n个像素，其中第i个像素在所述坐标系统中的颜色矢量为Xi＝(Xir Xig Xib)T根据上式将每个像素点通过所述颜色矢量表示，并对所述颜色矢量进行量化；设置一颜色矢量的量化阈值，取高于所述量化阈值的像素点，并获取该像素点的光电流值，将所述各个像素点的光电流值输入到神经网络，所述神经网络的输出值为隶属度；设定合格隶属度的数值范围，当所述神经网络输出的隶属度在所述合格隶属度的数值范围内，则判断所述目标图像为合格品；否则剔除。本专利技术具有以下有益效果：本专利技术提供的基于神经网络的色选方法通过对图像的像素建立坐标系统，将像素点转化为颜色矢量，并对颜色矢量的量化值通过神经网络输出隶属值，以隶属值作为色选标准，可以用于颜色分布多样且颗粒不均匀的颗粒色选机中。当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。具体实施方式下面将结合本专利技术实施例对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。本专利技术提供了一种基于神经网络的色选方法，其包括以下步骤：通过图像传感器获取目标图像，并获取所述目标图像的红绿蓝的原色光谱分量，并将所述原色光谱分量置于笛卡尔坐标系统；所述坐标系统中黑色为原点，白色为点(1,1,1)，灰度级沿着从原点的黑色到点(1,1,1)的白色连线分布；定义目标图像包括n个像素，其中第i个像素在所述坐标系统中的颜色矢量为Xi＝(Xir Xig Xib)T根据上式将每个像素点通过所述颜色矢量表示，并对所述颜色矢量进行量化；设置一颜色矢量的量化阈值，取高于所述量化阈值的像素点，并获取该像素点的光电流值，将所述各个像素点的光电流值输入到神经网络，所述神经网络的输出值为隶属度；设定合格隶属度的数值范围，当所述神经网络输出的隶属度在所述合格隶属度的数值范围内，则判断所述目标图像为合格品；否则剔除。本专利技术提供的基于神经网络的色选方法通过对图像的像素建立坐标系统，将像素点转化为颜色矢量，并对颜色矢量的量化值通过神经网络输出隶属值，以隶属值作为色选标准，可以用于颜色分布多样且颗粒不均匀的颗粒色选机中。以上公开的本专利技术优选实施例只是用于帮助阐述本专利技术。优选实施例并没有详尽叙述所有的细节，也不限制该专利技术仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本专利技术的原理和实际应用，从而使所属
技术人员能很好地理解和利用本专利技术。本专利技术仅受权利要求书及其全部范围和等效物的限制。本文档来自技高网...

【技术保护点】
一种基于神经网络的色选方法，其特征在于，包括以下步骤：通过图像传感器获取目标图像，并获取所述目标图像的红绿蓝的原色光谱分量，并将所述原色光谱分量置于笛卡尔坐标系统；所述坐标系统中黑色为原点，白色为点(1,1,1)，灰度级沿着从原点的黑色到点(1,1,1)的白色连线分布；定义目标图像包括n个像素，其中第i个像素在所述坐标系统中的颜色矢量为Xi＝(Xir Xig Xib)T根据上式将每个像素点通过所述颜色矢量表示，并对所述颜色矢量进行量化；设置一颜色矢量的量化阈值，取高于所述量化阈值的像素点，并获取该像素点的光电流值，将所述各个像素点的光电流值输入到神经网络，所述神经网络的输出值为隶属度；设定合格隶属度的数值范围，当所述神经网络输出的隶属度在所述合格隶属度的数值范围内，则判断所述目标图像为合格品；否则剔除。

【技术特征摘要】
1.一种基于神经网络的色选方法，其特征在于，包括以下步骤：通过图像传感器获取目标图像，并获取所述目标图像的红绿蓝的原色光谱分量，并将所述原色光谱分量置于笛卡尔坐标系统；所述坐标系统中黑色为原点，白色为点(1,1,1)，灰度级沿着从原点的黑色到点(1,1,1)的白色连线分布；定义目标图像包括n个像素，其中第i个像素在所述坐标系统中的颜色矢量为Xi＝(Xir...

【专利技术属性】
技术研发人员：沈振东，纪明伟，
申请(专利权)人：合肥高晶光电科技有限公司，
类型：发明
国别省市：安徽;34