【技术实现步骤摘要】
一种基于KNN算法的竹条颜色分类方法
本专利技术涉及竹条加工方法
,特别涉及一种颜色分类方法。
技术介绍
在现代竹制品生产中,将不同颜色的竹条进行分类成为一道关键的生产程序。目前,国内竹制品企业的分类方式多以人工为主,人眼分辨速度有限,分类结果易受主观因素影响,易发生误分,错分等。以先进的自动颜色分类技术代替人工竹条颜色分类,是提高生产效率、减少劳动力、降低人工劳动强度和保证竹条分类质量的重要措施。竹条的颜色分类目前用的最多的有以下两种算法,第一种就是将彩色的图片转换成灰度图片,然后再进行量化,选择某一通道的灰度值,根据灰度值的大小进行分类。这种算法的优点是算法简单,效率较高,运算速度快,易于实现等。其缺点是对于具有复杂背景的测试对象,它的抗干扰性较差。第二种是采用SVM学习算法对颜色进行训练,然后对测试对象进行分类。它的优点是对特定对象的分类结果较为准确,但是其缺点也比较明显,对于不同种类的竹条,必须进行不同的前期训练,因此该方法的适应性较差,且算法速度不够快。在自动化生产中如何将这些不同的颜色的特征具象的表征出来是一个难点。选取的特征不能过于单一,特征单一虽然在算法上易于实现,速度上也能达到应用的要求,但是不能应对种类多样的竹条制品,抗干扰性会较差;也不能过于全面,否则会大大增加实际当中的算法复杂度。
技术实现思路
本专利技术的目的在于针对现有竹条颜色分类技术的不足,本专利技术便是基于KNN算法,结合竹条的色调对比度以及色饱和度,提供了一种基于KNN算法竹条颜色分类的方法,提取竹条显著的颜色特征,对这些特征进行运算处理,提高了分类的性能和精确度,能够 ...
【技术保护点】
一种基于KNN算法的竹条颜色分类方法,其特征在于:按如下步骤进行:步骤一:采用工业线阵相机对工业生产当中的竹条进行图像采集,相机下方,平行于镜头放置线型光源以保证图像采集质量;步骤二:将竹条图像从RGB颜色空间转换至HSV颜色空间,并分别提取其色调,色饱和度两个通道的图像;步骤三:对于竹条的色调通道图像,计算色调对比度特征M;步骤四:从一批待分类的竹条当中抽取一定数量作为样本,依次提取样本的色调对比度特征M与色饱和度通道图像的平均值S,并通过人工将它分为了N类,标定颜色类型;步骤五:将样本竹条分为N类之后,取其中一根样本竹条的色调对比度特征M(j)和色饱和度特征S(j),接着选取待分类竹条的色调对比度特征M(i)和色饱和度特征S(i);并计算待分类竹条与每个样本之间的距离D=
【技术特征摘要】
1.一种基于KNN算法的竹条颜色分类方法,其特征在于:按如下步骤进行:步骤一:采用工业线阵相机对工业生产当中的竹条进行图像采集,相机下方,平行于镜头放置线型光源以保证图像采集质量;步骤二:将竹条图像从RGB颜色空间转换至HSV颜色空间,并分别提取其色调,色饱和度两个通道的图像;步骤三:对于竹条的色调通道图像,计算色调对比度特征M;步骤四:从一批待分类的竹条当中抽取一定数量作为样本,依次提取样本的色调对比度特征M与色饱和度通道图像的平均值S,并通过人工将它分为了N类,标定颜色类型;步骤五:将样本竹条分为N类之后,取其中一根样本竹条的色调对比度特征M(j)和色饱和度特征S(j),接着选取待分类竹条的色调对比度特征M(i)和色饱和度特征S(i)...
【专利技术属性】
技术研发人员:张殿甫,何志勇,裴永林,鲍小曼,钱森,林嵩,
申请(专利权)人:滁州市天达汽车部件有限公司,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。