基于色选机的物料定位分类方法与流程

本发明属于物料分类领域，涉及基于色选机的物料定位分类技术，具体是基于色选机的物料定位分类方法。

背景技术：

1、传统物料分拣过程中利用人工或者半自动设备将异物或者品质较差的物料分拣出来，受限于人眼对物料选择的局限性，不能满足对分拣效率和质量的要求。因此，色选机技术应运而生，色选机利用物料的光学特性进行识别，结合图像识别技术实现物料的定位和分类，能够提高分拣效率和质量。

2、现有技术在通过色选机进行物料分类时，用于对物料进行挑选，即快速识别物料中的残次品，并对残次品进行剔除，或者用于对多种物料进行分类识别，之后对多种物料进行分类；在通过色选机进行物料分类时，需要提前建立好数据训练集，通过数据训练集来训练人工智能模型，进而通过训练之后的人工智能模型来实现物料分类；而随着物料类型的增多，数据训练集的需求量呈几何增长，无论是标记难度还是训练效率均会受到影响，无法保证物料分类的效率和精度；因此，亟须一种能够降低模型训练难度、提高物料分类效率和精度的物料分类方法。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了基于色选机的物料定位分类方法，用于解决现有技术进行物料分类时，需要人工标注大量的数据训练集，无论是标记难度还是训练效率均会受到影响，无法保证物料分类的效率和精度的技术问题。

2、为实现上述目的，本发明的第一方面提供了基于色选机的物料定位分类方法，包括：

3、将待分类物料循环输入至色选机，通过其中图像采集设备采集训练图像；识别分析训练图像，提取训练物料特征；基于训练物料特征训练获取物料分类模型，并对物料分类模型进行精度验证；其中，物料分类模型基于人工智能模型构建；

4、将待分类物料输入至色选机，通过其中的图像采集设备采集分类图像；根据分类图像提取分类物料特征；以及基于物料分类模型识别分类物料特征，色选机结合识别结果实现多种物料的分类。

5、优选的，所述识别分析训练图像，提取训练物料特征，包括：

6、接收所述训练图像，并进行图像预处理；其中，图像预处理包括图像分割、图像去噪或者灰度变换；

7、识别所述训练图像中的物料，提取物料的属性特征和颜色特征；对属性特征和颜色特征进行归纳处理之后，整合生成训练物料特征；其中，属性特征包括形状特征和体积数据，颜色特征包括颜色比例和灰度均值。

8、优选的，所述对属性特征和颜色特征进行归纳处理之后，整合生成训练物料特征，包括：

9、提取属性特征中的形状特征和体积数据；为形状特征设置形状标签xq，将体积数据标记为ts；通过公式sf＝α×xq×ts获取属性分值sf；其中，形状标签基于等差正整数组或者等比正整数组设置，α为根据经验设定的比例系数；

10、提取颜色特征中的颜色比例，将颜色比例中三原色的其中一种颜色占比调节为1，另外两种颜色的比值标记为比例特征bt；将灰度均值标记为hj；通过公式yf＝β×bt×hj获取颜色分值yf；其中，β为根据经验设定的比例系数；

11、根据属性分值和颜色分值整理获取训练物料特征。

12、优选的，所述根据属性分值和颜色分值整理获取训练物料特征，包括：

13、通过公式wtx＝γ1×bt+γ2×hj获取物料特征系数wtx；其中，γ1和γ2为权重系数，且γ1+γ2＝1；

14、根据物料特征系数的峰谷变化将属性特征和颜色特征划分成若干物料特征组；为物料特征组设置物料标识，将物料特征组和物料标识整合成训练物料特征。

15、优选的，所述根据属性分值和颜色分值整理获取训练物料特征，包括：

16、根据属性分值的变化将属性特征划分成若干一级特征组；之后，根据颜色分值对一级特征组中的颜色特征进行划分，生成若干物料特征组；

17、为物料特征组设置物料标识，将物料特征组和物料标识整合成训练物料特征；其中，物料标识用于区别物料特征组对应的物料类型。

18、优选的，基于人工智能模型构建所述物料分类模型，包括：

19、构建人工智能模型；其中，人工智能模型包括支持向量机或者bp神经网络；

20、将训练物料特征中的物料特征组作为模型输入数据，对应的物料标识作为模型输出数据，训练人工智能模型获取物料分类模型。

21、优选的，所述对物料分类模型进行精度验证，包括：

22、选择至少一幅分类图像作为测试图像；

23、通过物料分类模型识别测试图像中的物料，并与人工标注的结果进行比对；当识别精度满足要求时，则判定物料分类模型的精度验证通过。

24、本发明的第二方面提供了基于色选机的物料定位分类系统，包括中枢控制模块，以及与之相连接的数据采集模块和智能终端；数据采集模块用于采集色选机中的物料图像；智能终端用于监测和控制物料分类过程；

25、数据采集模块：通过与之相连接的图像采集设备识别获取物料图像，并将转发至中枢控制模块；其中，物料图像包括训练图像和分类图像；

26、中枢控制模块：基于训练图像训练获取物料分类模型；以及基于物料分类模型识别分析分类图像，完成物料分类。

27、优选的，所述中枢控制模块分别与数据采集模块和智能终端通信和/或电气连接；所述智能终端包括智能手机或者电脑；

28、所述数据采集模块与色选机中的图像采集设备通信和/或电气连接；所述中枢控制模块控制色选机的运行；其中，所述图像采集设备具体为ccd相机。

29、本发明的第三方面提供了基于色选机的物料定位分类装置，包括处理器和存储介质；所述存储介质用于存储操作指令，所述处理器执行操作指令实现基于色选机的物料定位分类方法。

30、与现有技术相比，本发明的有益效果是：

31、1.本发明选择部分待分类物料循环输入至色选机，采集训练图像；识别训练图像中物料的属性特征和颜色特征，整合生成训练物料特征，进而训练获取物料分类模型；本发明根据设定的计算规则自动提取物料相关特征，不需要进行人工标记，能够应对多种类型的物料分类，提高物料分类效率和精度。

32、2.本发明在训练获取物料分类模型之后，通过分类图像来验证物料分类模型的精度，当精度满足要求之后，则通过物料分类模型来分析识别物类图像；否则，调整各比例系数以及权重系数，重新训练物料分类模型；本发明通过灵活调节比例系数和权重系数能够拓宽适用范围，保证物料分类模型的精度。

技术特征：

1.基于色选机的物料定位分类方法，其特征在于，包括：

2.根据权利要求1所述的基于色选机的物料定位分类方法，其特征在于，所述识别分析训练图像，提取训练物料特征，包括：

3.根据权利要求2所述的基于色选机的物料定位分类方法，其特征在于，所述对属性特征和颜色特征进行归纳处理之后，整合生成训练物料特征，包括：

4.根据权利要求3所述的基于色选机的物料定位分类方法，其特征在于，所述根据属性分值和颜色分值整理获取训练物料特征，包括：

5.根据权利要求3所述的基于色选机的物料定位分类方法，其特征在于，所述根据属性分值和颜色分值整理获取训练物料特征，包括：

6.根据权利要求4或5所述的基于色选机的物料定位分类方法，其特征在于，基于人工智能模型构建所述物料分类模型，包括：

7.根据权利要求6所述的基于色选机的物料定位分类方法，其特征在于，所述对物料分类模型进行精度验证，包括：

8.基于色选机的物料定位分类系统，用于执行权利要求1至5任意一项所述的基于色选机的物料定位分类方法，其特征在于，包括中枢控制模块，以及与之相连接的数据采集模块和智能终端；数据采集模块用于采集色选机中的物料图像；智能终端用于监测和控制物料分类过程；

9.根据权利要求8所述的基于色选机的物料定位分类系统，其特征在于，所述中枢控制模块分别与数据采集模块和智能终端通信和/或电气连接；所述智能终端包括智能手机或者电脑；

10.基于色选机的物料定位分类装置，其特征在于，包括处理器和存储介质；所述存储介质用于存储操作指令，所述处理器执行操作指令实现权利要求1至5任意一项所述的基于色选机的物料定位分类方法。

技术总结
本发明公开了基于色选机的物料定位分类方法，涉及物料分类技术领域，解决了现有技术无法保证物料分类的效率和精度的技术问题；本发明识别训练图像中物料的属性特征和颜色特征，整合生成训练物料特征，进而训练获取物料分类模型；本发明根据设定的计算规则自动提取物料相关特征，不需要进行人工标记，能够应对多种类型的物料分类，提高物料分类效率和精度；本发明在训练获取物料分类模型之后，通过分类图像来验证物料分类模型的精度，当精度满足要求之后，则通过物料分类模型来分析识别物类图像；否则，调整各比例系数以及权重系数，重新训练物料分类模型；本发明通过灵活调节比例系数和权重系数能够拓宽适用范围，保证物料分类模型的精度。

技术研发人员：纪明伟
受保护的技术使用者：合肥高晶光电科技有限公司
技术研发日：
技术公布日：2024/1/11