基于多尺度色态特征的粒状棉分色方法及系统
本发明属于粒状棉包综合色态分类,具体涉及一种基于多尺度色态特征的粒状棉分色方法及系统。
背景技术:
1、钢铁冶炼渣是成分复杂的工业固体废弃物,经高温熔融、离心成纤和造粒等工序可制得粒状棉,其成纤过程和产品状态受熔渣组成及工艺条件影响。粒状棉通常呈白色絮粒状,广泛用于吸音板制备、中空缝隙保温填充、防火保温吸声涂料及屋顶保温板生产等领域。受原料组成和生产工况波动影响,不同棉包可能呈现偏红、微绿、微黑、灰白或偏黄等综合色态差异。下游产品通常要求同批次棉包具有较高的综合色态一致性,棉包之间的颜色偏差可能造成制品色调波动或饰面色差。目前,棉包主要依靠人工目视分类,并按综合色态分区存放和配货。由于棉包间色差较小,判别结果容易受人员经验、疲劳和车间光照影响。为降低误分风险,棉包通常先入库后离线分类,增加了仓储周转、重复搬运和发货等待时间。在此背景下,研究智能化的粒状棉在线颜色分类方法,对提升批次颜色一致性和仓储发货效率具有重要应用意义。
2、国际照明委员会(cie)规定了标准照明体、标准色度观察者及xyz三刺激值的计算方法,为物体色测量与色差评价提供了统一基础,常用点式测色仪器主要包括三刺激值色度计和分光测色仪。三刺激值色度计通过探测器模拟标准观察者响应,可直接获得色度坐标,但不保留完整反射光谱,对色度坐标相近而光谱组成不同的样品缺少进一步区分信息。分光测色仪获取逐波长反射率,可据此计算xyz和cielab参数。然而,两类仪器通常采用单点或有限测点,难以充分表征粒状棉表面非均匀的空间颜色分布。
3、goñi和salvadori比较了计算机视觉系统与三刺激值色度计的食品颜色测量结果,验证了计算机视觉具备颜色参数定量测量能力,但两种方法的测量结果不能直接等同。rgb机器视觉通过面阵成像获取区域像素,可将颜色测量由局部点扩展到区域统计。li等结合颜色校正、目标分割和颜色指标修正,实现了籽棉颜色的定量测量。在染色织物研究中,已有方法采用超像素区域分析、在线图像检测和支持向量机,实现了区域色差评价与颜色等级判别。针对rgb图像光谱信息有限的问题,liu等和zhang等分别采用生成对抗网络和多头自注意力机制,从单幅rgb图像重建高光谱数据。但光谱重建属于模型估计,与光谱仪对样品反射率的直接测量并不等同。rgb图像本身仅保留三个通道的颜色响应,并且容易受到照明和成像条件影响。当粒状棉色态差异主要表现为局部波段响应或谱形变化时,仅依赖rgb特征可能难以稳定区分。
4、相较于rgb成像,直接测量可见光反射光谱能够保留逐波长响应以及整体反射水平、波段关系和谱形变化等信息,并可进一步计算xyz和cielab参数。tejada-casado等采用非接触式分光辐射计获取牙科材料的反射率光谱,并结合主成分分析实现了反射率光谱与表观颜色的联合预测。高光谱成像进一步为空间区域内的像素提供连续波段响应,使颜色表征同时具有光谱和空间分辨能力。在颜色测量与预测方面,zhang等通过与商用测色仪进行一致性校准,建立了基于液晶可调滤光片的织物高光谱测色方法;kamruzzaman等结合特征波长筛选与回归模型,实现了红肉cielab色度参数的在线预测。在颜色分类与细微差异判别方面,cucuzza等将可见光高光谱成像与分层偏最小二乘判别分析相结合,实现了废旧高密度聚乙烯碎片的多层级颜色分类;zhang和yan利用高光谱成像和卷积神经网络,建立了不同湿度条件下的织物色差预测模型;ren等进一步将改进孪生网络与高光谱技术相结合,通过卷积特征提取和曼哈顿距离学习高维光谱间的细微差异,实现了纺织品颜色等级判别。
5、上述研究反映,反射光谱能够描述细微的波长响应差异,高光谱成像还可提供空间分布信息。然而,高光谱成像需要同时采集和处理空间维与光谱维数据,其数据规模、标定及计算复杂度均高于点式光谱测量。对于面向的整包在线分色任务,核心需求是在较低数据规模下获得具有空间代表性的综合色态信息,因此,多位置可见光反射光谱更符合该任务的现场部署需求。同时,现场可能出现训练集未覆盖的未知色态或位于相邻类别边界附近的过渡色态,闭集分类器易将其强制归入某一已知类别;开放集识别可对未知或低可信样本进行拒识,为人工复核保留通道。
技术实现思路
1、为解决现有技术存在的粒状棉包表面色态分布不均、单点光谱空间代表性不足、异常光谱干扰综合色态表征、未知色态易被强制归类的技术问题,本发明提供了一种基于多尺度色态特征的粒状棉分色方法及系统,该方法以棉包为识别单元,对多位置反射光谱进行质量控制,并融合标准色度参数与光谱统计信息构建多尺度色态特征,再通过色态加权聚合形成棉包级综合色态表征;在此基础上,采用svm-rbf获得已知色态候选类别,并利用scd三维综合可信度评分对可能属于未知色态、位于类别边界附近或分类结果可信度较低的棉包进行拒识。
2、为实现上述目的,本发明所采用的技术方案为:基于多尺度色态特征的粒状棉分色方法,包括以下步骤:
3、步骤s1、采集待检测粒状棉包的多位置可见光反射光谱,对采集得到的原始光谱执行异常光谱清洗,剔除异常光谱,其余光谱构建结构化光谱矩阵;
4、步骤s2、对结构化光谱矩阵内每一条有效光谱进行多尺度色态特征映射,得到位置级多尺度色态特征;所述多尺度色态特征融合 cielab 色度参数、全局与分波段统计信息、波段关系特征以及谱形变化特征;
5、步骤s3、计算每个位置级色态特征相对于棉包内主体分布的综合偏离度,基于所述综合偏离度生成采样位置的代表性权重,采用代表性权重对位置级多尺度色态特征做加权聚合,得到棉包色态特征的加权均值与逐维加权标准差,拼接加权均值与逐维加权标准差特征得到扩展色态表征;
6、步骤s4、将棉包色态特征的加权均值输入 rbf 核支持向量机进行候选分类,输出待测样本的类别概率向量;
7、步骤s5、基于类别概率向量和候选分类计算稳定度、清晰度和偏离度,构建scd三维综合可信度评分,将 scd 三维综合可信度评分与预设接受阈值对比;若 scd 三维综合可信度评分不低于预设接受阈值,接受闭集分类器输出的候选类别;若 scd 三维综合可信度评分小于预设接受阈值,则对该粒状棉包执行拒识,提示人工复核。
8、在步骤s1中,异常光谱清洗的剔除条件满足任意一项即剔除对应光谱:
9、存在非数值nan或者无穷值inf;
10、反射率的最小值小于或最大值大于;
11、波长维度反射率标准差小于;
12、光谱平均反射率小于3%或大于;
13、最大相邻波长反射率差分大于。
14、在步骤s2中,设置蓝nm、绿nm、黄nm和红nm四个局部分析波段,并分别提取相应统计特征,各特征波段独立计算,波段端点按闭区间规则取值;
15、令表示特征波段标识,其中,、、和分别表示蓝、绿、黄和红四个特征波段;表示波段对应的波长采样点下标集合,表示集合中包含的波长采样点数量,其中,表示结构化光谱矩阵中的第条光谱编号,表示波段内对应的波长采样点编号,表示第条光谱在第个波长采样点处的反射率,则第条光谱在波段内的平均反射率和蓝、绿和红波段的反射率标准差分别定义为:
16、(1)
17、(2)
18、从相对比例、归一化幅度和差异方向三个互补角度构造波段关系特征,归一化差异来描述红—绿波段之间的相对偏移:
19、(3)
20、归一化差异来描述红—蓝波段之间的相对偏移:
21、(4)
22、其中,和分别表示参与波段关系计算的两个特征波段标识,取、或;表示第条光谱中波段与波段的平均反射率相对比例特征,表示波段与波段的归一化差异特征,为保证比值及归一化差异计算数值稳定而引入的正小量。
23、同时,定义第条光谱的红绿有符号差,以保留两波段响应差异的方向信息:
24、(5)
25、最大相邻差分用于刻画局部变化强度:
26、(6)
27、其中,表示单条光谱包含的波长采样点总数。
28、对于区间整体趋势,在nm、nm和nm三个波长区间内,对各区间反射率与波长进行最小二乘线性拟合,并以拟合斜率描述相应区间内的光谱变化趋势;
29、令表示第个拟合区间的波长下标集合,,表示第个波长采样点对应的波长值,用于拟合斜率计算的区间平均波长为:
30、(7)
31、用于拟合斜率计算的区间平均反射率为:
32、 (8)
33、第条光谱在第个区间内的拟合斜率为:
34、(9)
35、上述cielab色度特征、全局与分波段统计特征、波段关系特征和谱形变化特征共同构成第条光谱的多尺度色态特征,其中,表示将反射率光谱映射为多尺度色态特征的特征映射函数:
36、(10)
37、其中,表示多尺度色态特征的维度数量。
38、对结构化光谱矩阵中的全部条光谱分别执行上述映射,得到色态特征矩阵:
39、(11)
40、其中,表示向量或矩阵的转置运算。
41、结构化光谱矩阵被映射为色态特征矩阵。
42、在步骤s3中,以标准化特征空间中的包内偏离程度度量采样代表性,并将其映射为连续衰减权重,采用加权均值和加权标准差分别表征主体色态与内部色态离散性;
43、记第维特征在全部个采样位置上的均值和标准差分别为和,其中,;第个位置级色态特征相对于包内特征分布中心的综合偏离度定义为:
44、 (12)
45、其中,表示特征向量的第个分量,为数值稳定项;
46、采用高斯型连续衰减函数将偏离度映射为代表性权重,使各采样对聚合结果的贡献随其偏离程度平滑调整:
47、 (13)
48、式中,为控制权重衰减速度的带宽参数;为权重下限;
49、将归一化为,其中,表示采样位置求和索引,色态特征的加权均值定义为:
50、 (14)
51、相应的逐维加权标准差:
52、 (15)
53、其中,平方及平方根均按向量分量逐元素计算;
54、加权均值与加权标准差拼接构成扩展色态表征:
55、 (16)。
56、在步骤s4中,采用加权均值进行已知色态的候选分类,将同时包含主体色态和内部离散信息的扩展表征用于后续开放集拒识;
57、对加权均值向量按特征维度进行标准化后,采用rbf核支持向量机完成候选分类,分类器的决策输出经platt概率标定和成对耦合后转换为类别概率,得到待测样本的类别概率向量,其中,表示已知色态类别的总类别数,表示已知色态类别索引,表示样本属于第个已知色态类别的概率,闭集分类器输出的候选色态类别为:
58、 (17)
59、其中,表示已知色态类别的总类别数,为闭集分类器在已知色态类别中输出的候选类别,类别概率向量与扩展色态表征共同作为后续scd综合可信度评分的输入。
60、在步骤s5中,记候选类别概率为,其余类别中的最大概率为,稳定度和清晰度定义为:
61、 (18)
62、 (19)
63、基于扩展色态表征,采用类内均值和协方差刻画各已知类别的类内分布,设第个训练样本的扩展色态表征和类别标签分别为和;对于第个已知类别,其训练样本数为,类内均值向量和协方差矩阵分别定义为:
64、 (20)
65、 (21)
66、待测样本相对于候选类别的正则化马氏距离度量定义为:
67、 (22)
68、式中,为协方差正则系数,为与候选类别协方差矩阵同阶的单位矩阵;
69、对于候选类别,记其类内参考尺度为,则待测样本相对于候选类别的分布偏离度定义为:
70、 (23)
71、当时,,表明待测样本处于候选类别的类内参考范围;当时,,且其值随样本相对于候选类别的偏离程度增大而增大。
72、在不引入额外融合参数的条件下,scd综合可信度评分定义为:
73、 (24)。
74、基于多尺度色态特征的粒状棉分色系统,包括接近传感器、plc、上位机、光谱仪、环形led光源、光纤探头和显示终端;
75、接近传感器用于检测棉包进入和离开检测区域;
76、plc负责触发信号与采集时序控制;
77、上位机负责光谱数据接收、任务管理、模型推理及结果存储;
78、光谱仪安装于棉包输送线一侧;
79、环形led光源和光纤探头安装于支架前端,光谱仪布置于支架后端,样品反射光由光纤探头接收并经传输光纤送入光谱仪;
80、棉包进入检测区域后,接近传感器向plc发送开始信号,plc触发上位机建立当前棉包检测任务并启动连续光谱采集;上位机通过光谱仪连续读取光谱数据,并按棉包编号归入相应检测任务;棉包离开检测区域后,plc发送结束信号,上位机停止采集,并依次执行异常光谱清洗、多尺度色态特征映射、色态加权聚合、svm-rbf候选分类及scd可信度评分与拒识;最终结果以已知色态类别或人工复核提示的形式输出至显示终端,并与棉包编号、原始光谱及采集时间关联存储,实现检测结果的逐包追溯。
81、光谱仪的积分时间设为1ms,每条反射光谱由连续5帧平均获得。
82、本发明与现有技术相比,具体有益效果体现在:
83、面向复杂工业场景,本发明设计了异常光谱清洗规则并构建了结构化光谱矩阵,为棉包综合色态的稳定表征提供可靠的数据基础。
84、基于色度学先验与光谱统计信息,本发明从高维反射光谱中提取22维多尺度色态特征,实现高维光谱向低维综合色态表征的映射。
85、本发明提出一种基于色态加权感知的svm-rbf颜色分类方法,通过包内偏离度对位置级特征进行加权聚合,减弱非典型采样干扰,提高了相近色态分类稳定性。
86、从稳定度、清晰度和偏离度三个维度出发,本发明设计了开放集拒识规则,用于识别边界样本和未知样本,降低闭集分类器强制误分的风险。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com