一种基于神经网络的色选方法

摘要

本发明提供了一种基于神经网络的色选方法，其包括以下步骤：获取目标图像的红绿蓝的原色光谱分量，并将所述原色光谱分量置于笛卡尔坐标系统；灰度级沿着从原点的黑色到点(1,1,1)的白色连线分布；定义目标图像包括n个像素；对所述颜色矢量进行量化；设置一颜色矢量的量化阈值，取高于所述量化阈值的像素点并获取光电流值，将光电流值输入到神经网络，输出值为隶属度；当所述神经网络输出的隶属度在所述合格隶属度的数值范围内，则判断所述目标图像为合格品；否则剔除。本发明提供通过对图像的像素建立坐标系统，并对颜色矢量的量化值通过神经网络输出隶属值，以隶属值作为色选标准，可以用于颜色分布多样且颗粒不均匀的颗粒色选机中。

主权项

一种基于神经网络的色选方法，其特征在于，包括以下步骤：通过图像传感器获取目标图像，并获取所述目标图像的红绿蓝的原色光谱分量，并将所述原色光谱分量置于笛卡尔坐标系统；所述坐标系统中黑色为原点，白色为点(1,1,1)，灰度级沿着从原点的黑色到点(1,1,1)的白色连线分布；定义目标图像包括n个像素，其中第i个像素在所述坐标系统中的颜色矢量为X_i＝(X_ir X_ig X_ib)^T根据上式将每个像素点通过所述颜色矢量表示，并对所述颜色矢量进行量化；设置一颜色矢量的量化阈值，取高于所述量化阈值的像素点，并获取该像素点的光电流值，将所述各个像素点的光电流值输入到神经网络，所述神经网络的输出值为隶属度；设定合格隶属度的数值范围，当所述神经网络输出的隶属度在所述合格隶属度的数值范围内，则判断所述目标图像为合格品；否则剔除。