一种基于PSO-GSA-SVM的混合印染品色差检测方法技术

本发明专利技术公开了一种基于PSO‑GSA‑SVM的混合印染品色差检测方法，属于机器学习技术领域。工业生产中，色差检测是一项很重要的技术，应用领域也比较广泛。本发明专利技术先要采集现场待测物的图像；对现场样本与待测物采集图像进行预处理；提取现场待测物采集图像RGB颜色空间的颜色特征值数据RGB值；使用PSO‑GSA‑SVM优化算法模型推算CIELAB颜色空间的L*a*b*值；导入样本图像的L*a*b*的值，使用CMC(l,c)色差公式进行色差计算；最后输出色差检测结果。本发明专利技术可以有效的通过深度学习技术自主训练学习，实现精准的色差检测。

【技术实现步骤摘要】
一种基于PSO-GSA-SVM的混合印染品色差检测方法
本专利技术涉及一种基于深度学习技术对色差检测的领域，具体涉及一种基于PSO-GSA-SVM的混合印染品色差检测方法。技术背景在工业生产中，颜色作为产品本身的一个重要特征，能够丰富产品本身的外观。印刷品染色质量的好坏也是评价纺织产品质量的一个关键因素。因此，精确智能便捷的印刷品的色差检测方法在整个印染行业中具有重要的意义。目前科技水平和人们物质，越来越追求智能化，基于PSO-GSA-SVM的混合印染品色差检测就是利用到深度学习技术，代替传统的人工处理，更加智能，消除了由观察者色视觉和观视条件变动产生的颜色评定不一致，克服了工厂恶劣生产环境下的工作难度，实现生产线上的省人化操作，降低了企业的人力成本。本专利技术有着十分重要的意义和实用价值。
技术实现思路
1、专利技术的目的本专利技术为了解决目前行业内存在的对素色布匹色差检测效率低，自动化程度不高的局面，本专利技术提出的一种基于PSO-GSA-SVM的混合印染品色差检测方法，融入了机器视觉和深度学习技术，PSO-GSA-SVM的混合优化算法结合了模糊系统的模糊规则推理能力和神经网络的本文档来自技高网...

【技术保护点】
1.一种基于PSO‑GSA‑SVM的混合印染品色差检测方法，其特征在于包括以下步骤：步骤1、采集样本与待测物的图像；步骤2、对样本与待测物采集图像进行预处理；步骤3、提取采集待测物图像的RGB颜色空间的RGB颜色特征值数据；步骤4、使用PSO‑GSA‑SVM优化算法模型推算CIELAB颜色空间的L*a*b*值；步骤5、使用CMC(l,c)色差公式进行色差计算；步骤6、输出色差检测结果。

【技术特征摘要】
1.一种基于PSO-GSA-SVM的混合印染品色差检测方法，其特征在于包括以下步骤：步骤1、采集样本与待测物的图像；步骤2、对样本与待测物采集图像进行预处理；步骤3、提取采集待测物图像的RGB颜色空间的RGB颜色特征值数据；步骤4、使用PSO-GSA-SVM优化算法模型推算CIELAB颜色空间的L*a*b*值；步骤5、使用CMC(l,c)色差公式进行色差计算；步骤6、输出色差检测结果。2.根据权利要求1所述的基于PSO-GSA-SVM的混合印染品色差检测方法，其特征在于步骤2所述的对样本与待测物采集图像进行预处理，具体步骤方法如下：步骤2.1、将样本图像进行颜色空间的转换将对处理后的图像从RGB转换到CIELAB空间步骤如下：其中本系统方法中的三刺激值Xn、Yn、Zn，其照明体和仰角可以设定选择，若X/Xn、Y/Yn、Z/Zn的值大于则步骤2.2、将转换颜色空间后的样本与待测物采集图像进行高斯滤波降噪处理；通过公式(1)其中σ表示高斯分布参数，σ值最终会决定滤波器的宽度，σ值与平滑成都成正相关性。3.根据权利要求1所述的基于PSO-GSA-SVM的混合印染品色差检测方法，其特征在于步骤3所述的采集计算样本图像L*a*b*值和待测物图像的RGB颜色空间的RGB颜色特征值数据。4.根据权利要求1所述的基于PSO-GSA-SVM的混合印染品色差检测方法，其特征在于步骤4所述的使用PSO-GSA-SVM优化算法模型推算CIELAB颜色空间的L*a*b*值：步骤4.1、通过十折交叉验证将数据集划分为训练集和测试集，即将90％的数据集作为训练数据和10％的数据集作为测试数据；步骤4.2、初始化PSO-GSA粒子群算法的输入参数，包括种群规模，权重因子，最大迭代次数，搜索空间的上界、搜索空间的下界和初始粒子编码；步骤4.3、计算适应度值，将每个粒子的个体机智设置为当前位置，利用利用适应度函数计算每个粒子的适应度值，取适应度好的粒子做对应的个体极值作为最初的全局极值...

【专利技术属性】
技术研发人员：姚克明，崔祥顺，李峰，王小兰，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：江苏,32