本發(fā)明涉及竹條加工方法技術(shù)領(lǐng)域，特別涉及一種顏色分類方法。

背景技術(shù)：

在現(xiàn)代竹制品生產(chǎn)中，將不同顏色的竹條進行分類成為一道關(guān)鍵的生產(chǎn)程序。目前，國內(nèi)竹制品企業(yè)的分類方式多以人工為主，人眼分辨速度有限，分類結(jié)果易受主觀因素影響，易發(fā)生誤分，錯分等。以先進的自動顏色分類技術(shù)代替人工竹條顏色分類，是提高生產(chǎn)效率、減少勞動力、降低人工勞動強度和保證竹條分類質(zhì)量的重要措施。

竹條的顏色分類目前用的最多的有以下兩種算法，第一種就是將彩色的圖片轉(zhuǎn)換成灰度圖片，然后再進行量化，選擇某一通道的灰度值，根據(jù)灰度值的大小進行分類。這種算法的優(yōu)點是算法簡單，效率較高，運算速度快，易于實現(xiàn)等。其缺點是對于具有復(fù)雜背景的測試對象，它的抗干擾性較差。

第二種是采用svm學(xué)習(xí)算法對顏色進行訓(xùn)練，然后對測試對象進行分類。它的優(yōu)點是對特定對象的分類結(jié)果較為準確，但是其缺點也比較明顯，對于不同種類的竹條，必須進行不同的前期訓(xùn)練，因此該方法的適應(yīng)性較差，且算法速度不夠快。

在自動化生產(chǎn)中如何將這些不同的顏色的特征具象的表征出來是一個難點。選取的特征不能過于單一，特征單一雖然在算法上易于實現(xiàn)，速度上也能達到應(yīng)用的要求，但是不能應(yīng)對種類多樣的竹條制品，抗干擾性會較差；也不能過于全面，否則會大大增加實際當(dāng)中的算法復(fù)雜度。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于針對現(xiàn)有竹條顏色分類技術(shù)的不足，本發(fā)明便是基于knn算法，結(jié)合竹條的色調(diào)對比度以及色飽和度，提供了一種基于knn算法竹條顏色分類的方法，提取竹條顯著的顏色特征，對這些特征進行運算處理，提高了分類的性能和精確度，能夠有效節(jié)省勞力，降低勞動強度，提高工作效率，且辨識精度較高。

為達到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案是：一種基于knn算法的竹條顏色分類方法，具體步驟如下：

步驟一：采用工業(yè)線陣相機對工業(yè)生產(chǎn)當(dāng)中的竹條進行圖像采集，相機下方，平行于鏡頭放置線型光源以保證圖像采集質(zhì)量。

步驟二：將竹條圖像從rgb顏色空間轉(zhuǎn)換至hsv顏色空間，并分別提取其色調(diào)，色飽和度兩個通道的圖像。

步驟三：對于竹條圖像的色調(diào)通道圖像，采用大津分割法將竹條花紋與圖像背景區(qū)分，從而解決竹條顏色較深的花紋對分類結(jié)果的影響。結(jié)合花紋與背景的不同色調(diào)特征，計算色調(diào)對比度特征m，其定義如下：m=,其中a(s)和b(s)分別對色調(diào)通道圖像分割后目標(biāo)與背景的平均值。

步驟四：從一批待分類的竹條當(dāng)中抽取一定數(shù)量作為樣本，依次提取樣本的色調(diào)對比度特征m與色飽和度通道圖像的平均值s，并通過人工將它分為了n類，標(biāo)定顏色類型。

步驟五：將樣本竹條分為n類之后，取其中一根樣本竹條的色調(diào)對比度特征m(j)和色飽和度特征s(j)，接著選取待分類竹條的色調(diào)對比度特征m(i)和色飽和度特征s(i)；并計算待分類竹條與每個樣本之間的距離d=，作為衡量待分類竹條與樣本竹條相似程度的量。

步驟六：對剩下的待分類竹條運用knn算法。將待分類竹條與所有的樣本竹條比較，計算距離d，將得出的所有距離d進行排序，根據(jù)竹條的實際分布情況，以及分類要求，選擇k個最小的距離，并統(tǒng)計所對應(yīng)的k個樣本竹條在每個類中出現(xiàn)的次數(shù)。

步驟七：選擇出現(xiàn)頻率最大的類標(biāo)號作為待分類竹條的類型。

由于上述技術(shù)方案運用，本發(fā)明與現(xiàn)有技術(shù)相比具有下列優(yōu)點：本發(fā)明通過將竹條圖像的色調(diào)對比度和色飽和度特征與knn算法相結(jié)合有效的將不同顏色的竹條進行了分類，且達到了較高的分類準確度，與傳統(tǒng)的顏色分類算法相比，該方法實現(xiàn)方便、支持增量學(xué)習(xí)、對竹條表面的噪聲有較強的抗干擾能力,達到了很高的分類準確率。

將該算法用于規(guī)模的生產(chǎn)當(dāng)中，以先進的自動顏色分類技術(shù)代替人工竹條顏色分類，能夠提高生產(chǎn)效率、減少勞動力，同時也是降低人工勞動強度和保證竹條分類質(zhì)量的重要措施。

附圖說明：

圖1為本發(fā)明的實施流程圖。

圖2為本發(fā)明的具體分類結(jié)果以及他們的特征值。

具體實施方式

如圖1及圖2所示，本發(fā)明提出的基于knn算法的竹條顏色分類方法，以歐氏距離模型為基礎(chǔ)，通過提取圖像的色調(diào)，色飽和度，以大津分割法依據(jù)圖像的色調(diào)特征進行分割，計算出色調(diào)對比度，再通過分析比較待分類竹條與已分類的竹條顏色之間的特征距離的大小進行竹條分類。

為詳細說明本發(fā)明技術(shù)方案，參見圖1，具體實施方式如下：

一：在大型竹制品加工廠中，從高速精刨機上加工完成的竹條傳送到分類機上，通過工業(yè)線陣相機獲取竹條的圖像i，輸出完整的竹條圖像。

二：對于一批竹條，選取具有代表性的樣本，稱之為樣本竹條，提取樣本竹條圖像的色調(diào)通道圖像和色飽和度通道圖像。

三：對于通過大津分割法處理圖像的色調(diào)通道，將樣本竹條花紋和背景提取出來，運用色調(diào)對比度算法m=計算出竹條的色調(diào)對比度m；如圖2中所示，根據(jù)樣本竹條的顏色分布情況將它們分為了5類，如圖2中所示m1、s1、m2、s2、m3、s3、m4、s4、m5、s5分別是每一類中典型竹條的特征量。

四：將樣本竹條分為了5類之后，取其中一根樣本竹條的色調(diào)對比度m(j)和色飽和度s(j)，接著選取待分類竹條的色調(diào)對比度m(i)和色飽和度s(i)；取距離d=來衡量待分類竹條與樣本竹條的相似程度。

五：將待分類竹條與所有的樣本竹條比較，計算距離d，將得出的所有距離d進行排序，選擇k個最小的距離，并統(tǒng)計這k個樣本中在每個類出現(xiàn)的次數(shù)。

六：選擇出現(xiàn)頻率最大的類標(biāo)號作為待分類竹條的類型。如圖2中所示，將待分類竹條進行分類，分類結(jié)束之后每一類中選取了兩張圖片，并且分別列出了它們的特征量m和s。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明公開一種基于KNN算法竹條顏色分類的方法，涉及竹條加工方法技術(shù)領(lǐng)域，本發(fā)明提出的一種基于KNN算法的竹條顏色分類方法，通過提取圖像的色調(diào)，色飽和度，以大津分割法依據(jù)圖像的色調(diào)特征進行分割，計算出色調(diào)對比度，再通過分析比較待分類竹條與已分類的竹條顏色之間的特征距離的大小進行竹條分類。本發(fā)明該方法實現(xiàn)方便、支持增量學(xué)習(xí)、對竹條表面的噪聲有較強的抗干擾能力,達到了很高的分類準確率；能夠提高生產(chǎn)效率、減少勞動力，同時也是降低人工勞動強度和保證竹條分類質(zhì)量的重要措施。

技術(shù)研發(fā)人員：張殿甫;何志勇;裴永林;鮑小曼;錢森;林嵩
受保護的技術(shù)使用者：滁州市天達汽車部件有限公司
技術(shù)研發(fā)日：2017.06.06
技術(shù)公布日：2017.09.29