一种基于BP神经网络的珍珠多分类方法技术

一种基于BP神经网络的珍珠多分类方法，包括以下步骤：1)获取珍珠图像作为样本数据；2)从样本数据中提取所需要的特征；3)将所提取的特征以及珍珠的类别标签作为训练数据，训练三个BP神经网络模型，提取待分类珍珠的特征，利用所训练的BP神经网络模型对其进行分类；4)筛选出步骤3)中分类结果置信度较低的珍珠，交由人工进行判断分类；5)筛选出步骤3)中分类结果置信度较高的珍珠，用这些珍珠的特征及类别标签更新BP神经网络模型。本发明专利技术根据实际厂家需求，提出相应人工提取特征的方法，应用BP神经网络实现对珍珠的分类，在实际应用中能不断更新BP神经网络模型，具有较高的识别率，可以部分代替手工分拣。

【技术实现步骤摘要】

本专利技术涉及一种图像数据处理与分类领域的方法，具体涉及一种基于BP神经网络的珍珠多分类方法。
技术介绍
中国是世界上利用珍珠最早的国家之一。中国的珍珠产量从2005年开始就达到了1500吨，其中淡水珠占90％以上，总产量占全球95％以上的市场份额。在中国，珍珠的养殖技术已经渐渐开始成熟，珍珠的价格也相应大众化。淡水珍珠最主要的生产地和销售集散地是浙江省，珍珠产量占全国淡水珠产量的1/3，以绍兴诸暨为养殖中心。有句话叫“世界珍珠看中国，中国珍珠在诸暨”，诸暨淡水珠养殖面积已达38万亩，拥有珍珠加工企业1500多家。目前我国大部分珍珠企业在采集大量珍珠后，需要对珍珠进行一个初步的筛选，然而目前大部分企业采取的是人工分类，因此对分拣人员有较高的要求，并且人工分类会受很多因素的影响，尤其在珍珠体积小、数量多的条件下。人工分类的效率不稳定，分类效果也会有波动，参杂很多个人因素。因此对珍珠进行准确且快速的分类成了很多珍珠企业的迫切要求，但是很多已有文献提到的珍珠分类方法大都脱离企业的真实需求，不能很好地代替人工分类。中国专利技术申请号201210411979.2公开了一种基于单目多视角机器视觉的珍珠颜色光泽度在线自动分级装置，包括用于对珍珠进行自动检测和分类的流水线，用于拍摄被检珍珠图像的单目多视角机器视觉装置，用于对被检珍珠图像进行图像处理、检测、识别、分类以及协调控制流水线上各动作机构的协调动作的微处理器，流水线包括上料动作机构、送检动作机构、下料动作机构、分级动作机构和分级执行机构。该专利技术在珍珠颜色识别模块中将珍珠的颜色分为白色、红色、黄色、黑色以及其他5个系列，但是实际人工分类的时候，分拣人员对珍珠的分类是综合多种条件的，不仅仅是颜色，还包括形状和螺纹等，所以只是颜色的检测对珍珠生产厂家的分类过程没有很好的辅助作用。因此，珍珠多分类方法迫切需要解决以下问题：1)如何获取有价值的珍珠特征；2)如何利用珍珠的特征进行对珍珠生产厂家更有意义的分类；3)如何不断更新分类模型，使得更新后的模型能对珍珠进行更好地分类。
技术实现思路
为了克服已有基于机器视觉的珍珠分类系统与珍珠生产厂家的实际需求不兼容，不能很好地代替人工分类的不足，本专利技术在调研珍珠生产企业的实际分类需求和人工分类流程的基础上，提供一种基于BP神经网络的珍珠多分类方法，根据珍珠生产厂家实际人工分类的流程进行珍珠分类，实用性良好、分类效果较好。本专利技术实现上述专利技术目的所采用的技术方案为：一种基于BP神经网络的珍珠多分类方法，包括以下步骤：1)获取大量已知不同类别的珍珠图像作为样本数据，同一颗珍珠的图像包括左视图、主视图、右视图、后视图和俯视图；2)利用人工设计的特征提取方法从样本数据中提取所需要的特征；3)将所提取的特征以及珍珠的类别标签作为训练数据，训练三个BP神经网络模型，利用所设计的特征提取方法提取待分类珍珠的特征，利用所训练的BP神经网络模型对其进行分类；4)设定阈值，通过比较BP神经网络模型的输出与阈值，筛选出步骤3)中分类结果置信度低的珍珠，即特征不明显容易误分的珍珠，交由人工进行判断分类；5)筛选出步骤3)中分类结果置信度高的珍珠，将这些珍珠的特征连同它们的类别标签加入到训练数据中，更新BP神经网络模型。进一步，所述步骤1)中，采集厂家提供的8种类别的珍珠图像数据作为样本数据，包括8点差米形、8点二档冲头、8点高档米珠、8点中档米珠、8点短螺纹、8点高档颗头螺纹、8点高档面光和10点四面光。再进一步，所述步骤2)中，人工设计的特征提取方法包括用离散傅里叶变换提取珍珠的形状特征，用灰度共生矩阵提取珍珠的纹理特征。所述步骤2)中，提取的特征需要进行预处理，所述预处理过程为：对得到的特征数据进行归一化处理，将特征数据每一维度的数值映射到[0,1]区间；转换函数为其中xmax为特征数据的最大值，xmin为特征数据的最小值。更进一步，所述步骤3)中，分类过程包括以下步骤：3.1)用训练数据训练三个BP神经网络模型，分别为模型1、2、3，BP神经网络的输入节点数由输入特征的维度决定，输出节点数由该网络所要区分的类别数决定，隐藏层节点数用经验公式确定，如下，其中h为隐藏层节点数目，m为输入层节点数目，n为输出层节点数目，a为1-10之间的调节常数；3.2)将待分类珍珠归一化后的形状特征、纹理特征组合成用于珍珠分类的特征，作为BP神经网络的输入，根据输出来确定其类别；3.3)训练好的BP神经网络模型1用于将珍珠分为两类，分别为第1类：8点差米型、8点二档冲头、8点高档米珠、8点中档米珠；第2类：8点短螺纹、8点高档颗头螺纹、8点高档面光、10点四面光；训练好的BP神经网络模型2用于将经过模型1分类后的8点差米型、8点二档冲头、8点高档米珠、8点中档米珠分为两类，分别为第3类：8点差米型、8点高档米珠、8点中档米珠；第4类：8点二档冲头；训练好的BP神经网络模型3用于将经过模型1分类后的8点短螺纹、8点高档颗头螺纹、8点高档面光、10点四面光分为两类，分别为第5类：8点短螺纹、8点高档面光；第6类：8点高档颗头螺纹10点四面光。所述训练BP神经网络包括以下步骤，分为两个阶段：第一阶段，前向传播阶段：3.1.1)从训练数据集中取一个训练数据(Xp,Yp)，Xp为珍珠的特征，Yp为其类别标签，将Xp输入网络；3.1.2)计算相应的实际输出Op；在此阶段，信息从输入层经过逐级的变换，传送到输出层，网络执行的是下列计算：Op＝F2(F1(XpW(1))W(2))其中，W(1)和W(2)分别为BP神经网络输入层和隐藏层的联接矩阵、隐藏层和输出层的联接矩阵，F1和F2分别为隐藏层和输出层的激活函数；第二阶段，向后传播阶段:3.1.3)计算实际输出Op与相应的理想输出Yp的差；3.1.4)按极小化误差的方式调整权矩阵。所述步骤4)中，实现方式如下：珍珠由BP神经网络模型1分类，得到该珍珠以P1的概率为第1类，以P2的概率为第2类；设定阈值T1、T2，若P1大于P2，将P1与T1比较，若P1大于T1，则珍珠为第1类，否则判断该珍珠分类置信度低，即特征不明显，交由人工分类；反之，若P2大于P1，同理；珍珠由BP神经网络模型2、3进行分类时同样遵循该规则，通过设定阈值达到所期望的分类效果，提高分类精度。所述步骤5)中，更新过程包括以下步骤：5.1)根据步骤4)的方法，筛选出步骤3)中分类结果置信度高的珍珠；5.2)将上述珍珠的特征和分类结果标签加入训练数据中，更新训练数据；5.3)用更新后的训练数据集重新训练所构造的BP神经网络模型。本专利技术的有益效果为：根据实际厂家需求，提出相应人工提取特征的方法，应用BP神经网络实现对珍珠的分类，在实际应用中能不断更新BP神经网络模型，具有较高的识别率，可以部分代替手工分拣，实用性良好、分类效果较好。附图说明图1为整个分级系统的流程示意图。图2为具体珍珠分类的流程示意图。图3为将珍珠轮廓图映射到极坐标系中的示意图。图4为BP神经网络的结构示意图。具体实施方式下面结合说明书附图对本专利技术的具体实施方式作进一步详细的描述。参照图1～图4，一种基于BP神经网络的珍珠多分类方法，包括以下步骤：1)获取大量已知不同类别的珍珠图像作为样本数据，同一颗本文档来自技高网...

【技术保护点】
一种基于BP神经网络的珍珠多分类方法，其特征在于：所述方法包括以下步骤：1)获取大量已知不同类别的珍珠图像作为样本数据，同一颗珍珠的图像包括左视图、主视图、右视图、后视图和俯视图；2)利用人工设计的特征提取方法从样本数据中提取所需要的特征；3)将所提取的特征以及珍珠的类别标签作为训练数据，训练三个BP神经网络模型，利用所设计的特征提取方法提取待分类珍珠的特征，利用所训练的BP神经网络模型对其进行分类；4)设定阈值，通过比较BP神经网络模型的输出与阈值，筛选出步骤3)中分类结果置信度低的珍珠，即特征不明显容易误分的珍珠，交由人工进行判断分类；5)筛选出步骤3)中分类结果置信度高的珍珠，将这些珍珠的特征连同它们的类别标签加入到训练数据中，更新BP神经网络模型。

【技术特征摘要】
1.一种基于BP神经网络的珍珠多分类方法，其特征在于：所述方法包括以下步骤：1)获取大量已知不同类别的珍珠图像作为样本数据，同一颗珍珠的图像包括左视图、主视图、右视图、后视图和俯视图；2)利用人工设计的特征提取方法从样本数据中提取所需要的特征；3)将所提取的特征以及珍珠的类别标签作为训练数据，训练三个BP神经网络模型，利用所设计的特征提取方法提取待分类珍珠的特征，利用所训练的BP神经网络模型对其进行分类；4)设定阈值，通过比较BP神经网络模型的输出与阈值，筛选出步骤3)中分类结果置信度低的珍珠，即特征不明显容易误分的珍珠，交由人工进行判断分类；5)筛选出步骤3)中分类结果置信度高的珍珠，将这些珍珠的特征连同它们的类别标签加入到训练数据中，更新BP神经网络模型。2.如权利要求1所述的一种基于BP神经网络的珍珠多分类方法，其特征在于：所述步骤1)中，采集厂家提供的8种类别的珍珠图像数据作为样本数据，包括8点差米形、8点二档冲头、8点高档米珠、8点中档米珠、8点短螺纹、8点高档颗头螺纹、8点高档面光和10点四面光。3.如权利要求1或2所述的一种基于BP神经网络的珍珠多分类方法，其特征在于：所述步骤2)中，人工设计的特征提取方法包括用离散傅里叶变换提取珍珠的形状特征，用灰度共生矩阵提取珍珠的纹理特征。4.如权利要求3所述的一种基于BP神经网络的珍珠多分类方法，其特征在于：所述步骤2)中，提取的特征需要进行预处理，所述预处理过程为：对得到的特征数据进行归一化处理，将特征数据每一维度的数值映射到[0,1]区间；转换函数为其中xmax为特征数据的最大值，xmin为特征数据的最小值。5.如权利要求2所述的一种基于BP神经网络的珍珠多分类方法，其特征在于：所述步骤3)中，分类过程包括以下步骤：3.1)用训练数据训练三个BP神经网络模型，分别为模型1、2、3，BP神经网络的输入节点数由输入特征的维度决定，输出节点数由该网络所要区分的类别数决定，隐藏层节点数用经验公式确定，如下，其中h为隐藏层节点数目，m为输入层节点数目，n为输出层节点数目，a为1-10之间的调节常数；3.2)将待分类珍珠归一化后的形状特征、纹理特征组合成用于珍珠分类的特征，作为BP神经网络的输入，根据输出来确定其类别；3.3)训练好的BP神经网络模型1用于将珍珠分...

【专利技术属性】
技术研发人员：宣琦，方宾伟，王金宝，鲍官军，傅晨波，俞立，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33