本发明专利技术公开了一种基于照片的镀锌钢和低碳钢分类方法及装置，通过对镀锌钢和低碳钢的照片使用模式识别算法进行分类识别的流程，包括以下步骤：从网上采集照片图像，手动裁剪照片以去掉含噪声的部分，滑动重采样，删除重采样得到的噪声图片，均衡样本，彩色图片灰度化，利用支持向量机和二维主成分分析进行分类。本发明专利技术成功地应用于分类网络上下载到的镀锌钢和低碳钢照片，并取得了较好的识别效果，有益于这两种钢材的在线交易分类。
【技术实现步骤摘要】
一种基于照片的镀锌钢和低碳钢分类方法及装置
本公开涉及本专利技术涉及钢材种类的图像识别
，具体涉及一种基于照片的镀锌钢和低碳钢分类方法及装置。
技术介绍
镀锌钢和低碳钢在工业上有着广泛的应用。具体地讲，镀锌钢是指将普通碳素建筑钢经过镀锌加工，从而有效防止钢材腐蚀生锈，延长钢材使用寿命。镀锌方式通常分为热浸镀锌和电镀锌。热浸镀锌是使熔融金属与铁基体反应而产生合金层，从而使基体和镀层二者相结合。热镀锌具有镀层均匀，附着力强，使用寿命长，耐腐蚀能力强等优点。电镀锌也称冷镀锌，镀锌量很少，耐腐蚀性比热镀锌相差很多，低碳钢为碳含量低于0.25％的碳素钢。因其强度低、硬度低而软，故又称软钢。它包括大部分普通碳素结构钢和一部分优质碳素结构钢，大多不经热处理用于工程结构件，有的经渗碳和其他热处理用于要求耐磨的机械零件。由于这两种钢材在工业上被广泛的应用，它们也大量存在于在线交易中。如何自动且准确识别出钢材的种类便是一件很有意义的工作。
技术实现思路
本公开提供一种基于照片的镀锌钢和低碳钢分类方法及装置，为了对镀锌钢和低碳钢的照片使用模式识别算法进行分类识别，本专利技术提供一种基于照片的两种钢材的分类方法，从网络照片的图像中识别出镀锌钢和低碳钢。为了实现上述目的，根据本公开的一方面，提供一种基于照片的镀锌钢和低碳钢分类方法，所述方法包括以下步骤：步骤1，读取待识别图像并将待识别图像按照滑动窗口进行滑动重采样生成多个采样子图；步骤2，对所有采样子图进行灰度化；步骤3，将各采样子图分为训练子图和测试子图；步骤4，构建支持向量机；步骤5，通过训练子图作为训练样本训练支持向量机；步骤6，根据支持向量机通过十重交叉验证对测试子图进行分类识别。进一步地，在步骤1中，所述读取待识别图像为通过爬虫爬取网站中的关键字为钢材、钢丝、钢绞线、钢管、钢板、钢材、钢卷的图片或人工下载网站中钢材、钢丝、钢绞线、钢管、钢板、钢材、钢卷的照片图像，在保存照片图像后对照片图像进行手动裁剪，保留钢材部分去掉噪声部分，裁剪掉照片图像的噪声部分为照片图像中钢材所在的周边环境、照片上的水印、和出现在照片上的工人，手动裁剪后获得待识别图像。进一步地，在步骤1中，读取待识别图像并将待识别图像按照滑动窗口进行滑动重采样生成多个采样子图的方法为：以80×80像素的滑动窗口在将待识别图像上进行滑动重采样生成多个采样子图，滑动重采样通过间距为80×80像素的滑动窗口在将待识别图像上进行采样，采样为将滑动窗口中的图像保存为新的子图像，新的子图像即采样子图，滑动窗口从原始图片的左上角开始滑动，每次将滑动窗口在图片上横向或者纵向移动40个像素点的长度进行采样，直到滑动窗口遍历完待识别图像为止，生成多个采样子图。进一步地，在步骤2中，对所有采样子图进行灰度化的方法为：对所有采样子图进行灰度化的方法为：每个像素点f(i,j)取红色R(i,j)、绿色G(i,j)、蓝色B(i,j)三个颜色分量的均值作为像素点f(i,j)量化后的亮度值即灰度化，灰度化计算方法为进一步地，在步骤3中，将各采样子图分为训练子图和测试子图的方法为：也就是将所有灰度化的采样子图随机平均等分为十份，选取其中的九份作为训练子图，剩下的测试子图。进一步地，在步骤4中，构建支持向量机的方法为：将训练子图作为样本集，样本集为(xi,yi),i＝1,…,n,x∈Rd,y∈{+1,-1}是类别标号，在d维空间Rd中，线性判别函数为g(x)＝ωTx+b，由任意一个支持向量求得的b分类的阈值，分类器方程为：ωTx+b＝0。将判别函数进行归一化，使两类所有样本都满足|g(x)|≥1，即：使得离分类器最近的样本|g(x)|＝1，这样分类间隔就等于2/||ω||，等价于使支持向量ω的范数||ω||最小，同时要求分类线对所有样本正确分类，即要求其满足条件：yi(ωTxi+b)-1≥0，i＝1,…,n，ωT为支持向量的转置；满足条件并使||ω||2最小的分类器就是最优分类器，这两类样本中离分类器最近的点且平行于最优分类器的超平面H1,H2上的训练样本就是最优分类器的样本，即支持向量机。进一步地，在步骤5中，通过训练子图作为训练样本训练支持向量机的方法为：输入样本集，将最优分类器问题表示为：yi(ωTxi+b)-1≥0，i＝1,…,n的约束下，求函数的最小值，定义拉格朗日函数为：其中，ai、为拉格朗日系数，ai>0，分别对ω和b求偏微分，并令结果等于0，在约束条件ai≥0，i＝1,…,n下对ai求解下列函数的最大值：若为最大值，则训练后的ω*为：即最优分类器的权系数向量是训练样本向量的线性组合，训练后优化问题的分类器方程满足：ai[yi(ωTxi+b)-1]＝0，i＝1,…,n；因此，对多数样本将为0，取值不为0的对应于分类器方程yi(ωTxi+b)-1≥0，i＝1,…,n等号成立的样本，即训练后支持向量，求解上述问题后得到的最优分类函数，即训练后支持向量机为，由于非支持向量对应的均为0，因此式中的求和实际上只对支持向量进行。而b*是训练后分类的阈值，由任意一个支持向量求得,概括地说，训练后的支持向量机就是首先通过用内积函数定义的非线性变换将输入空间变换到一个高维空间，在这个空间中求广义最优分类器，即非线性可分下的最优分类器，训练后的支持向量机的核函数包括线性核函数、高斯径向基核函数任意一种核函数，其中，线性核函数的表达式为K(x,x′)＝a(x*x′)；高斯径向基核函数的表达式为：其中，x和x′是样本构成的向量。进一步地，在步骤6中，根据支持向量机通过十重交叉验证对测试子图进行分类识别的方法为以下步骤：步骤6.1，将测试子图作为训练集划分成10个大小相等的子集；步骤6.2，选择其中一个子集作为校验集，并采用其他子集作为训练样本，按照步骤5训练支持向量机；步骤6.3，使用训练得到的分类器yi(ωTxi+b)-1≥0，i＝1,…,n在校验集上进行迭代测试记录测试误差，直至所有子集都作过校验；步骤6.4，统计所有测试误差。进一步地，在步骤6中，分类方法使用的分类器为支持向量机和二维主成分分析任意一种或两种分类器的结合。本专利技术还提供了一种基于照片的镀锌钢和低碳钢分类装置，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的单元中：滑动重采样单元，用于读取待识别图像并将待识别图像按照滑动窗口进行滑动重采样生成多个采样子图；子图灰度化单元，用于对所有采样子图进行灰度化；子图分类别单元，用于将各采样子图分为训练子图和测试子图；向量机构建单元，用于构建支持向量机；向量机训练单元，用于通过训练子图作为训练样本训练支持向量机；分类识别单元，用于根据支持向量机通过十重交叉验证对测试子图进行分类识别。本公开的有益效果为：本专利技术提供一种基于照片的镀锌钢和低碳钢分类方法及装置，有益于这两种钢材的在线交易分类，获取的分类特征简便、普适，降低人工分类的成本。附图说明通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出本文档来自技高网...
【技术保护点】
1.一种基于照片的镀锌钢和低碳钢分类方法，其特征在于，所述方法包括以下步骤：步骤1，读取待识别图像并将待识别图像按照滑动窗口进行滑动重采样生成多个采样子图；步骤2，对所有采样子图进行灰度化；步骤3，将各采样子图分为训练子图和测试子图；步骤4，构建支持向量机；步骤5，通过训练子图作为训练样本训练支持向量机；步骤6，根据支持向量机通过十重交叉验证对测试子图进行分类识别。
【技术特征摘要】
1.一种基于照片的镀锌钢和低碳钢分类方法，其特征在于，所述方法包括以下步骤：步骤1，读取待识别图像并将待识别图像按照滑动窗口进行滑动重采样生成多个采样子图；步骤2，对所有采样子图进行灰度化；步骤3，将各采样子图分为训练子图和测试子图；步骤4，构建支持向量机；步骤5，通过训练子图作为训练样本训练支持向量机；步骤6，根据支持向量机通过十重交叉验证对测试子图进行分类识别。2.根据权利要求1所述的一种基于照片的镀锌钢和低碳钢分类方法，其特征在于，在步骤1中，读取待识别图像并将待识别图像按照滑动窗口进行滑动重采样生成多个采样子图的方法为：以80×80像素的滑动窗口在将待识别图像上进行滑动重采样生成多个采样子图，滑动重采样通过间距为80×80像素的滑动窗口在将待识别图像上进行采样，采样为将滑动窗口中的图像保存为新的子图像，新的子图像即采样子图，滑动窗口从原始图片的左上角开始滑动，每次将滑动窗口在图片上横向或者纵向移动40个像素点的长度进行采样，直到滑动窗口遍历完待识别图像为止，生成多个采样子图。3.根据权利要求1所述的一种基于照片的镀锌钢和低碳钢分类方法，其特征在于，在步骤2中，对所有采样子图进行灰度化的方法为：对所有采样子图进行灰度化的方法为：每个像素点f(i,j)取红色R(i,j)、绿色G(i,j)、蓝色B(i,j)三个颜色分量的均值作为像素点f(i,j)量化后的亮度值即灰度化，灰度化计算方法为4.根据权利要求1所述的一种基于照片的镀锌钢和低碳钢分类方法，其特征在于，在步骤3中，将各采样子图分为训练子图和测试子图的方法为：也就是将所有灰度化的采样子图随机平均等分为十份，选取其中的九份作为训练子图，剩下的测试子图。5.根据权利要求1所述的一种基于照片的镀锌钢和低碳钢分类方法，其特征在于，在步骤4中，构建支持向量机的方法为：将训练子图作为样本集，样本集为(xi,yi),i＝1,…,n,x∈Rd,y∈{+1,-1}是类别标号，在d维空间Rd中，线性判别函数为g(x)＝ωTx+b，由任意一个支持向量求得的b分类的阈值，分类器方程为：ωTx+b＝0，将判别函数进行归一化，使两类所有样本都满足|g(x)|≥1，即：使得离分类器最近的样本|g(x)|＝1，这样分类间隔就等于2/||ω||，等价于使支持向量ω的范数||ω|最小，同时要求分类线对所有样本正确分类，即要求其满足条件：yi(ωTxi+b)-1≥0，i＝1,…,n，ωT为支持向量的转置；...
【专利技术属性】
技术研发人员：王海贤，王敬，张友红，于辉，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东,44
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。